学完SQLServer课程后做的课设的完整备份,紧缩包包含:1.顶层数据流图、E-R图、功能模块图2.SQL文件(建库建表、权限控制、存储过程、触发器)3.Java源文件4.功能界面截图
2022/9/7 4:48:38 1.2MB SQLServer Java 课程设计 论坛
1
verilog实现OFDM基带开发工具:QuartusII15.0(64-bit)ModelsimSE-6410.2cFPGA型号:CycloneVSXSoC—5CSXFC6D6F31C6N硬件平台:SoCKit(CycloneV)+ARRADIO(AD9361)目录阐明matlab_sim:ofdm基带发送部分matlab仿真代码scripts:Modelsim功能仿真脚本文件sim:Modelsim功能仿真工作目录及输出结果source:ofdm基带发送部分Verilog代码及其功能仿真代码synthesis:QuartusII工程文件tb:ofdm基带发送部分功能仿真顶层文件Modelsim功能仿真ofdm基带发送部分切换modelsim路径至scripts目录下,执行dotx_msim.tcl
2022/9/7 3:17:40 32.27MB verilog ofdm 基带
1
建立举动实验室建立有效的create动作使用form_tag创建可提交给index操作的新表单正确命名表单字段,使其最终位于params哈希的顶层在create动作中将params中的数据分配给Student对象在create动作中保存该Student对象创建一个从create动作到show动作的redirect_to指示该实验室已经通过了许多规格测试,但是还有一些其他测试-包括我们第一次使用控制器测试-位于以下位置:控制器规格-specs/controllers/students_controller_spec.rb水豚规格-specs/features/student_spec.rb:37完成本实验后,您的应用程序应具有以下行为:用户在students/new上填写表格提交表单后,将在数据库中创建一条新记录用户提交表单后,他们将被重定向到show
2022/9/6 20:43:26 44KB Ruby
1
顶层counter,分频器输出经D触发器后时钟作为计数器时钟,计数器输出交通灯信号。
紧缩包中包含元件和源程序。
2022/9/4 8:32:42 254KB 交通灯 VHDL
1
在工程中:keccak.v为顶层文件,分别调用下面几个文件,f_permutation.v、padder1.v、rconst2in1.v、round2in1.v、padder1.v。
test_keccak.v为仿真代码。
在仿真代码test_keccak.v中,仿真控制输入,reg[63:0]in;为输入,wire[511:0]out;为输出端。
在仿真代码中通过对输入的参数进行控制,实现对算法输入控制的变化,通过仿真波形图来观察输出端。
————————————————版权声明:本文为CSDN博主「QQ_778132974」的原创文章,遵照CC4.0BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/QQ_778132974/article/details/124217676
2018/10/19 12:45:57 2.28MB sha3 verilog
1
VC++枚举桌面一切顶层窗口,列出窗口类名和窗口标题等。
2016/6/22 19:14:16 12KB VC/C++源码 系统相关 枚举 顶层窗口
1
国外留学学习硬件零碎入门课程,本书是纯英文,包含网络零碎的设计方案,是计算机网络,从顶层到底层的晋升版
2019/5/1 22:56:54 2.57MB 网络系统 计网提升课
1
要解决的是一个医学图像的二分类问题,有AK和SK两种病症,根据一定量数据,进行训练,对图像进行预测。
给定图片数据的格式:解决思路整体上采用迁移学习来训练神经网络,使用InceptionV3结构,框架采用keras.具体思路:读取图片数据,保存成.npy格式,方便后续加载标签采用one-hot方式,由于标签隐藏在文件夹命名中,所以需要自行添加标签,并保存到.npy文件中,方便后续加载将数据分为训练集、验证集、测试集使用keras建立InceptionV3基本模型,不包括顶层,使用预训练权重,在基本模型的基础上自定义几层神经网络,得到最后的模型,对模型进行训练优化模型,调整超参数,提高准确率在测试集上对模型进行评估,使用精确率、召回率对单张图片进行预测,并输出每种类别的概率如何加载实际数据,如何保存成npy文件,如何打乱数据,如何划分数据,如何进行交叉验证如何使用keras进行迁移学习keras中数据增强、回调函数的使用,回调函数涉及:学习速率调整、保存最好模型、tensorboard可视化如何使用sklearn计算准确率,精确率,召回率,F1_
2019/2/11 6:55:35 1003KB keras 深度学习 图像分类 cv
1
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡