8.19 位置信息查询 消息 ID:0x8201。
2024-05-21 19:53:37 458KB 2013 道路运输车辆
1
中文文本分析三国演义python
2024-05-21 18:37:33 1.71MB python 文档资料 开发语言
1
本套学生选课信息管理系统基于PHP7 / MySQL编写,部署简易,功能强大,上手简单。 系统可以准确地记录和查询学生信息,包括学生的姓名、单位、年龄、性别以及身份证号码等。 系统可以准确地记录学生地每一次奖惩情况。 系统可以对学校的院系情况进行管理,包括设置学院名称、修改某学院某专业方向的名称等。 系统可以对基础数据进行维护。 系统能够对开设的课程进行管理 学生选课管理、考试(登记分数)、补考重修管理 提供强大数据统计、查询、报表生成以及打印等功能。 用户权限管理 异常处理   安装 确保要部署的机器上已经安装好主流版本的PHP/MySQL,配置好了Web服务器,已将管理系统源码文件复制到要部署的目录中,赋予需要的文件权限。建好数据库,赋予数据库用户需要的读写权限。 可以导入精简示例数据 example_lite.sql 或按下面步骤进行全新安装。 在 PHP7.2 + MYSQL5.6 及 PHP7.4 + MySQL8.0 下测试通过。
2024-05-21 18:04:43 1.3MB mysql 学生选课
1
大麦抢票脚本。可以增加选座购买,暂时只支持抢购指定价格下的座位,且暂不支持连坐购买。
2024-05-21 12:44:15 1.37MB python
【资源说明】 Python毕业设计-基于Django的大众点评美食数据的空间分析及可视化网站的设计与实现+使用说明+全部资料(优秀项目).zipPython毕业设计-基于Django的大众点评美食数据的空间分析及可视化网站的设计与实现+使用说明+全部资料(优秀项目).zip 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如软件工程、计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也可作为毕设项目、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 3、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
2024-05-21 11:11:14 3.46MB Python Django 毕业设计 课程设计
MOBIL换道模型的核心思想是,车辆换道后能够取得更大的加速度(换道动机)并且能够安全完成换道(换道条件),本资源中,应用IDM跟驰模型结合MOBIL换道模型,设计计算机数值仿真实验。模拟一条带有汇入匝道的单向双车道高速公路,路段长度为10km,汇入匝道位于7.5km处,匝道加速段长度300m。在仿真过程中,主线上游驶入流率恒定为1000veh\h\lane,匝道汇入流率恒定为500veh\h\lane,匝道强制换道采用一辆虚拟车停在匝道加速段尽头的方式来触发。最终三条车道的车辆位置信息分别用text1.xlsx、text2.xlsx、text3.xlsx存储,text4.xlsx用于记录换道位置。提取方式是百度网盘分享地址
2024-05-21 10:55:54 87B python
WebSSH 一个简单的Web应用程序可用作ssh客户端连接到您的ssh服务器。 它是用Python编写的,基于tornado和paramiko。
2024-05-21 10:13:03 315KB Python开发-其它杂项
1
mysql-connector-java-8.0.21是一个连接Java连接MySQL数据库的jar包,方便使用,也适用于mybatis进行连接。
2024-05-21 09:27:32 2.14MB mysql jar包 Java mybatis
1
基于Python实现翻译功能
2024-05-20 21:19:14 21.41MB python
1
这个Python项目是一个基于深度学习的聊天机器人设计。它利用了神经网络和自然语言处理技术,旨在实现与用户进行智能对话的功能。 该项目主要包括以下几个部分: 1. 数据预处理:对输入的文本数据进行清洗、分词、去除停用词等操作,以便于后续的模型训练。 2. 模型构建:使用深度学习框架(如TensorFlow或PyTorch)构建神经网络模型,包括编码器和解码器两部分。编码器用于将输入的文本转换为隐藏状态,解码器用于根据隐藏状态生成回复。 3. 模型训练:使用大量的对话数据对模型进行训练,通过反向传播算法优化模型参数,以提高模型的生成能力和准确性。 4. 聊天接口:设计一个简单的聊天界面,用户可以输入问题或语句,机器人会根据输入内容生成相应的回复,并与用户进行实时交互。 5. 模型评估:使用一些指标(如困惑度、BLEU等)对模型的性能进行评估,以了解模型在生成回复方面的准确性和流畅度。 通过这个项目,你可以学习和掌握深度学习和自然语言处理的基本概念和技术,了解如何构建和训练神经网络模型,以及如何使用模型进行文本生成和对话交互。同时,你还可以深入了解聊天机器人的设计原理和实现细节,为进一步开发和应用聊天机器人打下基础。
2024-05-20 21:02:51 232.78MB 课程设计 项目源码 python