简单和深图卷积网络 该存储库包含“简单和深度图卷积网络”的PyTorch实现。（ ） 依存关系 CUDA 10.1 python 3.6.9 pytorch 1.3.1 网络x 2.1 scikit学习 数据集 data文件夹包含来自三个基准数据集（Cora，Citeseer，Pubmed），而newdata文件夹包含四个数据集（Chameleon，Cornell，德克萨斯州，威斯康星州）。 我们使用与相同的半监督设置，并使用与Geom-GCN相同的全监督设置。 可以从下载PPI。 结果 测试精度总结如下。 数据集 深度 公制 数据集 深度 公制 科拉 64 85.5 湛 8 62.48 引用 32 73.4 玉米 16 76.49 客栈 16 80.3 德州 32 77.84 科拉（满） 64 88.49 威士 16 81.57 引用（完整

JSP学生成绩管理系统SSHMYSQL实现源码 源码描述： 一、源码介绍 JSP学生成绩管理系统SSHMYSQL实现源码使用ssh框架，mysql数据库。 二、主要功能 管理员登录后可以操作的功能：学生信息管理，课程信息管理，成绩信息管理，修改密码，退出系统。 三、注意事项 开发环境为eclipse，jdk1.8,数据库为mysql

深林火炬 DeepForest模型的pytorch实现，用于RGB图像中的单个树冠检测。 DeepForest是一个Python软件包，用于从机载RGB图像中训练和预测单个树冠。 DeepForest带有一个预先构建的模型，该模型是根据国家生态观测站网络的数据进行训练的。 用户可以通过从预建模型开始注释和训练自定义模型来扩展此模型。 DeepForest和palparate pre-cique de coronas deárboles个体使用了basada en modelos entrenados conimágenesremotas RVA（RGB，sus siglas eninglés）。 深红色森林天文台证明是由红色国家天文台（NEON，sus siglas eninglés）提供的。 可以从当地的建筑学，建筑学和建筑学专业获得学位。 深林森林文件保护，罪犯禁运，可疑事件以及可

椭圆曲线密码学 使用JPBC 2.0.0库的基于对密码的安全数据共享框架的实现。 我正在密苏里科技大学的2015年夏季REU上从事该项目的工作。 该存储库不再使用。 未来的工作将致力于： : 和 。 正在工作： -数据所有者和用户密钥生成-代理重新加密密钥生成-由oracle代理重新加密整数并由用户解密-文件加密（仍然可以解决一些潜在的错误） 待办事项清单： -增加了对多线程的支持-授权令牌生成-清洁代码，单独的类，并添加更好的注释 使用的库： :

基于Javaee的影视创作论坛的设计与实现主要用功能包括： 首页推荐、用户管理、影片管理、评论管理、 预告片管理、海报管理、公告管理、数据检索、用户注册与登录等等功能、统结构如下 （1）后台管理: 管理模块：管理员的登录与退出、管理员个人信息的设置 电影管理模块：实现电影信息的增加、删除、修改、查看功能 实现电影分类信息的增加、删除、修改、查看功能 影评管理模块：实现影评信息的增加、删除、修改、查看功能 预告管理模块：实现预告片信息的增加、删除、修改、查看功能 海报管理模块：实现海报信息的增加、删除、修改、查看功能 公告管理模块：实现公告信息的增加、删除、修改、查看功能 （2）前台管理： 实现网站首页数据展示、海报展示、预告片浏览、公告预览等 实现电影影评的评论发表、查询评论 站内数据搜索 用户的登录和退出

Matlab_代码 在Matlab中实现中子输运理论中数值方法的实现 关于 离散坐标SN近似中的中子输运方程解在核科学与工程领域具有重大的实践意义。 为了解决固定源和特征值问题的SN方程，一些研究人员将注意力集中在创建简单而准确的数值方法上。 该项目的目标是实施正在使用的不同方法并开发一些相关的新功能。 使用Matlab实现了不同的数值方案，用户可以下载并直接使用每种数值方法。 作者 伊拉姆·里瓦斯·奥尔蒂斯（Iram B.Rivas Ortiz）

HttpToSocks5Proxy 使用.NET HttpClient时，该库允许您通过Socks5代理进行连接。 它实现了IWebProxy接口，因此可以与所有支持HTTP / HTTPS代理的库一起使用。 HttpClient的用法 using MihaZupan ; var proxy = new HttpToSocks5Proxy ( " 127.0.0.1 " , 1080 ); var handler = new HttpClientHandler { Proxy = proxy }; HttpClient httpClient = new HttpClient ( handler , true ); var result = await httpClient . SendAsync ( new HttpRequestMessage ( HttpMethod .

Tensorflow 中的领域对抗神经网络 域对抗神经网络在 Tensorflow 中的实现。 重新创建 MNIST 到 MNIST-M 实验。 使用tensorflow-gpu==2.0.0和python 3.7.4 。 MNIST 到 MNIST-M 实验 生成 MNIST-M 数据集 改编自 要生成MNIST-M数据集，您需要下载 ，并将其放置在./Datasets/BSR_bsds500.tgz 。 运行create_mnistm.py脚本。 或者，如果在目录中找不到，脚本create_mnistm.py将为您提供下载的选项。 python create_mnistm.py 这应该会生成./Datasets/MNIST_M/mnistm.h5文件。 数据集也可在此处获得： 训练 运行DANN.py脚本。 python DANN.py 取消注释#train('so

Swin变形金刚-PyTorch 体系结构的实现。 本文介绍了一种称为Swin Transformer的新型视觉变形金刚，它可以用作计算机视觉的通用骨干。 在两个领域之间的差异，例如视觉实体规模的巨大差异以及与文字中的单词相比，图像中像素的高分辨率，带来了使Transformer从语言适应视觉方面的挑战。 为了解决这些差异，我们提出了一个分层的Transformer，其表示是通过移动窗口来计算的。 通过将自注意计算限制为不重叠的局部窗口，同时允许跨窗口连接，移位的加窗方案带来了更高的效率。 这种分层体系结构具有在各种规模上建模的灵活性，并且相对于图像大小具有线性计算复杂性。 Swin Transformer的这些品质使其可与多种视觉任务兼容，包括图像分类（ImageNet-1K的准确度为86.4 top-1）和密集的预测任务，例如目标检测（COCO测试中为58.7框式AP和51.1遮罩式

一个简单的tar实现 版权所有（c）2015 Jason Lee @ calcccrypto在gmail.com 请参阅许可文件以获得许可。 这只是tar文件格式的简单实现。 它可以压缩文件并解压缩它们。 就是这样。 尽管还编写了其他一些实用程序函数，但是它们是GNU Tar提供的很小的子集。 一切都是基于Wikipedia和GNU Tar的观察结果编写的。 由于使用了大量的POSIX头文件，因此这仅适用于Linux（或类似Linux的环境，例如cygwin）。 所需的最低C标准是C99。 这样做的目的是要成为可以在其他程序中使用的tar库，这样程序就不必在程序外部调用或执行tarring（例如，使用system，exec或通过脚本）。 建立： make - creates libtar.a make exec - makes the commandline inte