面向对象建模课程设计的报告，共五套都是可以拿来用的，面向对象建模课程设计的报告，共五套都是可以拿来用的，面向对象建模课程设计的报告，共五套都是可以拿来用的。

带有错误的环学习（Ring-LWE）是各种基于格的密码系统的基础。 基于Ring-LWE的密码系统最关键且计算量大的操作是环上的多项式乘法。 在本文中，我们介绍了几种优化技术，以利用数论变换（NTT）构建有效的多项式乘法器。 我们提出了一种优化NTT和反向NTT的位反向操作的技术。 通过其他优化，我们的多项式乘法器将所需的时钟周期从（8n + 1.5n lg n）减少到（2n + 1.5n lg n）。 通过利用常数因子之间的关系，我们的多项式乘法器能够将常数因子的数量从4n减少到2.5n，从而节省了大约37.5％的ROM存储。 此外，我们提出了一种新颖的内存访问方案，以实现蝶形运算符的最大利用。 借助这些技术，我们的多项式乘法器能够在Spartan-6 FPGA上针对维度256/512每秒执行57304/26913多项式乘法。

本项目是在一个开源中文电子病历数据集上的命名实体识别（NER）任务的源码，其中包含了数据预处理、BERT-BiLSTM模型实现以及训练与测评的完整过程。本人有一篇博客是对其的详细说明，源码也注释详细，简单易读。

针对双目视觉深度估计成本高、体积大以及监督学习需要大量深度图进行训练的问题,为实现无人机在飞行过程中的场景理解,提出一种面向无人机自主飞行的无监督单目深度估计模型。首先,为减小不同尺寸目标对深度估计的影响,将输入的图像进行金字塔化处理;其次,针对图像重构设计一种基于ResNet-50进行特征提取的自编码神经网络,该网络基于输入的左视图或右视图以及生成对应的金字塔视差图,采用双线性插值的方法重构出与其对应的金字塔右视图或左视图;最后为提高深度估计的精度,将结构相似性引入到图像重构损失、视差图一致性损失中,并且联合视差图平滑性损失、图像重构损失、视差图一致性损失作为训练的总损失。实验结果表明,经过在KITTI数据集上的训练,该模型在KITTI和Make3D数据集上相比其他单目深度估计方法具有更高的准确性和实时性,基本满足无人机自主飞行对深度估计准确性和实时性的要求。

第2章 Java领航员.docx 第3章 Java基础.docx 第4章 方法.docx 第5章 面向对象.docx 第6章 异常处理.docx 第7章 常用API.docx 第8章 容器.docx 第9章 IO流.docx 第10章 多线程.docx 第11章 网络编程.docx 第12章 知识点补充.docx 第13章 mysql数据库.docx

SOA面向服务架构

数据仓库_面向主题域整理1.rar 整理了目前多个数据仓库软件厂商的主题域

网络技术-综合布线-面向互联网企业的创新项目组合选择方法研究.pdf

主要介绍了三步教你用Node做一个微信哄女友(基友)神器（面向小白），用node和wechaty微信网页接口开发的一款小工具，可以定时给女朋友发每天的天气情况，天气提醒，每日一句。通过配置机器人api后还可以实现微信机器人自动陪女朋友聊天。,需要的朋友可以参考下

【有代码有截图】 【实验题目、实验基本原理与设计（包括实验方案设计，实验手段的确定，试验步骤等，用硬件逻辑或者算法描述）、实验调试与结果分析、实验小结、建议和体会】 实验1.有如下的程序： （1）这个程序在编译时会出现错误，请根据出错提示信息找出出错的原因。 （2）修改程序中的错误，使之能正确运行。 实验2．设有一个点类Point的定义如下： Point { public: Point() {x = 0; y = 0; } Point(double xv,double yv) {x = xv;y = yv;} Point(Point& pt) { x = pt.x; y = pt.y; } double getx() { return x; } double gety() { return y; } double Area() { return 0; } void Show() { cout<<"x="< 2022-05-11 16:20:09 752KB C++ 实验报告 武汉理工大学