[互联网] 前端css+html.docx

说明：适合前端初学者，全面了解初级知识
<gqqlyo> 上传 | 大小：1mb

[其它] 确定分类问题基本概率分配的非参数方法

说明：作为不确定性条件下知识表示和决策的重要工具，Dempster-Shafer证据理论（DS理论）已在许多领域中使用。 DS理论的应用严重依赖于基本概率分配（BPA）的可用性。 BPA的确定仍然是一个悬而未决的问题。 提出了一种获取BPA的非参数方法。 该方法可以处理分类问题中的多属性数据集。 数据集样本的每个属性值都被视为随机量。 使用训练数据计算其非参数概率密度函数（PDF），可以将其视为对应属性的概率模型。 然后，基于测试样本和概率模型之间的关系来构造BPA函数。 在证据理论的框架内，数据集中
<weixin_38676500> 上传 | 大小：1mb

[其它] worldchatlog:ircnet worldchat日志-源码

说明：worldchatlog:ircnet worldchat日志
<weixin_42144199> 上传 | 大小：10kb

[其它] Programacion-Web:编程网12-13-源码

说明：编程网 编程网12-13
<weixin_42139429> 上传 | 大小：77mb

[其它] javascript_03082021-源码

说明：欢迎使用ES2020 Javascr ipt简介 现在，企业环境必须比以往任何时候都更重要，它们必须通过提供针对每个公司的完美无瑕的针对性强，针对性强的学习计划来支持其技术和L＆D优先级。 最大，最成功的企业公司信任DevelopIntelligence来改善其技术学习环境。 让我们向您展示如何为您的程序的成功做些什么。 DevelopIntelligence提供。 班级信息页面 其他资源 讲师将在上课时分发其他私人链接，以下载课件和下载录音... 该存储库中的所有代码均根据分发。 如何
<weixin_42129797> 上传 | 大小：5mb

[其它] Market_Patterns-源码

说明：市场模式
<weixin_42109925> 上传 | 大小：1mb

[其它] 实物保护系统设计的证据方法

说明：物理保护系统（PPS）集成了人员，程序和设备，以保护资产或设施免遭盗窃，破坏或其他恶意入侵者的攻击。 设施内的物理保护组件（检测，延迟和响应）会相互影响，并且它们的位置会显着影响PPS的有效性。 本文提出了一种基于证据方法的方法来评估PPS的风险水平，并最佳地定位实物保护组件以平衡成本和性能。 系统的每个单独组件都在模拟平面中建模。 然后，根据各个组件的实际环境确定其风险级别分布。 通过在Dempster-Shafer证据理论的框架内结合来自多个来源的信息，可以获得全面的风险水平分布。 最后，使
<weixin_38721405> 上传 | 大小：1mb

[其它] 2021-03-29-Massey:生态Excel数据木工-源码

说明：木工车间模板 该存储库是The Carpentries（， 和的）模板，用于为研讨会创建网站。 请不要直接在GitHub上存储此存储库。 相反，请按照以下使用GitHub的“模板”功能来复制此workshop-template存储库并为您的工作坊自定义它。 请在存储库的gh-pages分支中进行工作，因为这是。 完成后，也请工作坊网址。 如果这是一个自组织的研讨会，则还应（如果尚未），以便我们跟踪所有研讨会。 我们根据您index.md页面中包含的数据在我们的网站上构建研讨会列表。 仅当您
<weixin_42144199> 上传 | 大小：2mb

[其它] repo_todoconreact-源码

说明：Create React App入门 该项目是通过引导的。 可用脚本 在项目目录中，可以运行： yarn start 在开发模式下运行应用程序。 打开在浏览器中查看它。 如果您进行编辑，则页面将重新加载。 您还将在控制台中看到任何棉绒错误。 yarn test 在交互式监视模式下启动测试运行器。 有关更多信息，请参见关于的部分。 yarn build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 生成被最小化，并且文件名包括哈希
<weixin_42162216> 上传 | 大小：2mb

[其它] TicTacToe:井字游戏，旨在用于通过强化学习（DQN）训练深度神经网络。 它也可以由2个人玩，并具有硬编码的AI，该AI永不松动，如果您不对其进行完美的游戏，则将获胜。-源码

说明：深度Q学习井字游戏 该程序实现了一个PyGame TicTacToe，该游戏可以由两个人玩，一个人对一个算法AI，一个人对一个通过对付算法AI训练的神经网络。 训练算法使用Deep Mind的DQN建议： 重播经验记忆已实现，上限为250,000次 每轮训练都使用来自重播记忆库的大量随机经验 使用辅助神经网络来计算未来的Q值，然后每10场游戏用主网络的权重对其进行更新。 有关更多信息： :
<weixin_42181693> 上传 | 大小：3mb

[其它] Introduction-to-Databases-Checkpoint-源码

说明：Introduction-to-Databases-Checkpoint
<weixin_42131013> 上传 | 大小：4mb

[其它] see-civil-源码

说明：Gatsby + Netlify CMS入门 注意：此入门程序使用 。 此仓库包含一个示例网站，该网站使用和 ： 。 它通过使用Git作为单一事实来源来遵循，并使用进行连续部署和CDN分发。 先决条件 节点（我建议使用v8.2.0或更高版本） 入门（推荐） Netlify CMS可以在任何前端Web环境中运行，但最快的试用方法是通过Netlify在预先配置的启动站点上运行它。 这里的示例是Kaldi咖啡公司模板（改编自 ）。 使用下面的按钮来构建和部署自己的存储库副本： 单击该按钮后，您
<weixin_42160398> 上传 | 大小：10mb