话不多说，请看代码
package ceet.ac.cn.dao;
import java.sql.Connection;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.util.ArrayList;
import java.util.List;
import ceet.ac.cn.model.Admin;
public class AdminDao {
public List getAllAdmin(){ //查询
2022-09-06 16:08:59
67KB
1
此文件為參加，2016.年賴信仁, 王克明老師，在台北:財團法人資訊工業策進會， 軟體架構師技能培訓-UML與C#.NET為例課程整理與分享.
王克明老師對架構說明如下:
架構師，要調和需求/結構/實作，要達成使用者期望，要設計可以應變的結構，實作要善於應用框架，三者保持平衡，以Ｉ＆Ｉ方式，漸次完成系統開發工作。
需求角度: 可以用功能結構或是use case diagram 來表達。
結構角度: 可以用 erd, composite diagram, component diagram 或是 class diagram 來表達。
實作角度: 可以用 client-server, MVC 示意圖來表達。
架構不是用單一張圖就可以表達出來，而是依角度與溝通對象來決定適合的表達方式。
source: http://www.kenming.idv.tw/af_es_er_af_espe_a_pas_a_kenming_c_a_pas
2022-09-06 14:05:17
8.81MB
1
在线电子词典采用服务器+客户端模式，运用TCP协议通信，，服务器端直接连接数据库。
1、服务器实现
功能
注册设计:如果用户没有注册,必须注册才能提供服务―包括修改用户名密码
（1）判断用户名有没有注册，如果有就拒绝,给个提示.
（2）用户注册:保存到数据库中注册表中
（3）断开连接,给出提示,注册成功请登录/可以保持长链接登陆设计:使用用户名密码登陆，
（4）登录时查询数据库中注册表根据用户名和密码，如果没有给个提示，要求进行注册，
如果有,那就保持连接,后续使用该链接为用户提供查询服务．
（5）退出，客户端发送断开请求，关闭客户端的进程号
（6）词典查询，登陆的客户发送查询词典-单词，服务器返回翻译结果
（7）历史查询记录，登陆的用户，每次用户查询都记录到历史表里面
（8）修改密码 1.登陆的用户才能操作
2.执行数据库中注册表更新密码;
3.修改密码之后要求用户重登陆.
2、数据库的设计
（1）注册表，用于记录用户注册
2022-09-05 19:04:42
7.14MB
1
与大家分享北京邮电大学模式识别课件-模式识别导论第04章 贝叶斯决策理论.ppt
与大家分享！
2022-09-04 17:40:32
732KB
1
当时本人用cumcmthesis写2022华数杯，似乎要求汉字宋体、数字字母新罗马字体，但是数学公式中字体却不是这样，做了稍微改动，然后修改了图片标题字体。
2022-09-03 14:04:30
5MB
1
图像分割是关于将不同语义的像素分组，例如，类别或实例成员关系，其中每个语义的选择定义了一个任务。虽然只是每个任务的语义不同，但目前的研究重点是为每个任务设计专门的体系结构。我们提出了一种新的架构Mask -attention Mask Transformer (Mask2Former)，能够解决任何图像分割任务(全景、实例或语义)。它的关键组成部分包括Mask -attention，通过约束掩模区域内的交叉注意来提取局部特征。除了将研究工作量减少至少三倍之外，它在四个流行的数据集上的性能显著优于最好的专门架构。最值得注意的是，Mask2Former设置了一个新的最先进的全景分割(COCO上57.8 PQ)，实例分割(COCO上50.1 AP)和语义分割(ADE20K上57.7 mIoU)。
2022-09-02 19:07:17
1.32MB
1
基于监督学习的目标检测框架需要大量繁琐的手工标注，这在实际应用中可能不实用。半监督目标检测(Semi-supervised object detection, SSOD)可以有效地利用未标记数据来提高模型的性能，这对于目标检测模型的应用具有重要意义。在本文中，我们重新审视了SSOD，并提出了一个完整的端到端有效的SSOD框架InstantTeaching，该框架在每次训练迭代中使用扩展的弱-强数据增强即时伪标记进行教学。为了缓解确认偏差问题，提高伪标注的质量，我们进一步提出了一种基于instantteach的协同校正方案，记作instantteach∗。在MS-COCO和PASCAL VOC数据集上的大量实验证实了该框架的优越性。具体来说，当使用2%的标记数据时，我们的方法在MS-COCO上超过了最先进的方法4.2 mAP。即使有MS-COCO的完整监督信息，所提出的方法仍然比最先进的方法高出约1.0 mAP。在PASCAL VOC上，我们使用VOC07作为标记数据，VOC12作为未标记数据，可以实现5个以上的mAP改进。
2022-09-02 19:07:16
1.43MB
1