[其它] Competative-Programming:升码法中的问题-源码

说明：竞争性编程 升码法中的问题
<weixin_42139460> 上传 | 大小：68kb

[其它] 多用户双向全双工中继系统的可达到速率

说明：与传统的独立且均匀分布的衰落信道假设相反，本文研究了独立分布和不相同分布的多用户两路全双工（FD）中继系统的可实现速率。 ni.d.）衰落信道，这导致不同的选择概率和不同用户对的不同加权率，也为整个系统的可实现率做出了贡献。具体而言，我们首先导出i.ni.d的最大-最小调度方案的用户对选择概率。渠道。然后，基于选择概率，解决了每对加权率推导的难题。最后，根据总概率定理，得到系统可达到率的一般表达式。此外，进行了理论评价和数值模拟。结果证实了理论分析的准确性，并揭示了FD模式的优越性，特别是在低发
<weixin_38678550> 上传 | 大小：318kb

[其它] GAME-Snake-Water-Gun:这是您和python中的计算机之间的蛇，水，枪等简​​单游戏。在这个游戏中，您可以决定希望获胜者得分多少才能结束游戏-源码

说明：GAME-Snake-Water-Gun:这是您和python中的计算机之间的蛇，水，枪等简​​单游戏。在这个游戏中，您可以决定希望获胜者得分多少才能结束游戏
<weixin_42170064> 上传 | 大小：1kb

[其它] js-snack-es6-源码

说明：js-snack-es6
<weixin_42099302> 上传 | 大小：5kb

[其它] 7drl2021-源码

说明：7DRL 2021 开始时间：2021-04-06 09:18 UTC + 1 图形学 调色板：grafxkid的sweetie-16
<weixin_42108948> 上传 | 大小：412kb

[其它] commonweb-源码

说明：commonweb
<weixin_42116921> 上传 | 大小：7kb

[其它] full_stack_web_developer_nanodegree-源码

说明：full_stack_web_developer_nanodegree
<weixin_42131405> 上传 | 大小：2mb

[其它] kh2-cutscene-remover-源码

说明：kh2-cutscene-remover
<weixin_42115513> 上传 | 大小：1mb

[其它] Examen_hito_1-源码

说明：自述文件 该自述文件通常会记录启动和运行应用程序所需的所有步骤。 您可能要讲的内容： Ruby版本 系统依赖 配置 数据库创建 数据库初始化 如何运行测试套件 服务（作业队列，缓存服务器，搜索引擎等） 部署说明 ...
<weixin_42131861> 上传 | 大小：196kb

[其它] forbes-cyber-scraper-源码

说明：这是什么？ 它是有关《福布斯》网络文章的webscrapper： 该网络抓取工具将为《福布斯》网站上的最新网络文章创建CSV文件，包括标题，摘要和日期。我这样做是为了在阅读完每行（文章）之后可以在每行（文章）旁边写注释/重要要点，而不必每次都复制粘贴标题和数据以及一个小摘要，我要做的就是运行一个文件并按日期获得了所有最新的网络文章。 **如果您决定这样做，请记住更改文件名，否则运行.py文件将不会保存您的任何注释。我按阅读日期命名。 设置方法： 确保在您的系统上安装了这些库： [在命令提示符
<weixin_42143221> 上传 | 大小：4kb

[其它] peerd:peerd是一个AWS VPC对等连接管理工具。它通过yaml文件创建VPC的全网，并管理创建，删除和路由表更新的整个生命周期，以使VPC对等跨帐户和区域有用。欢迎捐款-源码

说明：凝视 peerd是一个AWS VPC对等连接管理工具。它基于一个简单的yaml文件创建VPC对等的全网，并管理创建，删除和路由表更新的整个生命周期，以使VPC对等在各个帐户和区域中有用。欢迎捐款。 ./peerd.py --help usage: peerd.py [-h] [--debug] --config CONFIG --environment ENVIRONMENT AWS VPC Peering Management Tool optional arguments: -h, -
<weixin_42129412> 上传 | 大小：25kb

[其它] backprop:Backprop是一个Python库，可使用最新的机器学习模型轻松解决AI任务-源码

说明：反向传播 Backprop是一个Python库，可使用最新的机器学习模型轻松解决AI任务。 Backprop建立在通过转移学习解决任务的基础上。它实现了高级模型，这些模型足够通用，可以用最少的用户数据来解决现实世界中的任务。 您可以使用Backprop解决的现成任务： 英文会话式问答（用于FAQ聊天机器人，文本分析等） 超过100种语言的文本分类（用于电子邮件分类，意图检测等） 图像分类（用于物体识别，OCR等） 50多种语言的文本向量化（语义搜索电子商务，文档等） 英文摘要（长文档的TL
<weixin_42129113> 上传 | 大小：2mb