注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 程序的灵魂——算法求5！

  2. 数据结构+算法=程序 算法的特性： （1） 有穷性。往往指“在合理的范围之内”。 （2） 确定性。算法的含义应当是唯一的，而不应当产生“歧义性”。 （3） 有零个或多个输入。所谓输入是指在执行算法时需要从外界取得必要的信息。 （4） 有一个或多个输出。没有输出的算法是没有意义的。 （5） 有效性（可行性）。 用流程图表示算法

  3. 所属分类：其它

    • 发布日期：2009-10-27
    • 文件大小：46kb
    • 提供者：xiazaidenglu

  1. 各种分词技术的源代码（超全）

  2. 1 本程序说明了用最大概率法进行分词处理的一般过程 2 用户可以修改config.ini文件中的值 3 用于测试的三个文件中： test1是小学语文课本语料 test2是按句分行的语料 test3是包含歧义串的语料

  3. 所属分类：专业指导

    • 发布日期：2009-11-01
    • 文件大小：19mb
    • 提供者：tianzhu131

  1. ACWPS（爱博汉语分词系统）分词组件 asp分词组件

  2. 爱博汉语分词系统Web服务器支持标准的HTTP协议，可以跨平台调用，支持分布式运算； 爱博汉语分词系统COM组件提供COM和DLL接口（Windows环境） 以及共享库.so（Linux）形式，可支持所有支持COM接口调用的编程语言及脚本语言。 如：PHP、JSP、ASP、ASP.net、C/C++ 、VC6.0 、VC.net、BC、C#、VB6.0 、VB.net、Delphi、Java等。 爱博汉语分词系统支持自定义词语的功能，用户可根据自己需要定义添加汉语词组。 可根据需要自行定义影响

  3. 所属分类：C#

    • 发布日期：2010-02-28
    • 文件大小：2mb
    • 提供者：selectersky

  1. Spring 攻略（英文版）

  2. 目录回到顶部↑ 第一部分　核心概念. 第1章　控制反转和容器 2 1.1　使用容器管理组件 2 1.1.1 问题描述 2 1.1.2 解决方案 2 1.1.3 实现方法 3 1.2　使用服务定位器降低查找组件的复杂性 7 1.2.1　问题描述 7 1.2.2 解决方案 7 1.2.3 实现方法 7 1.3 应用控制反转和依赖注入 8 1.3.1 问题描述 8 1.3.2 解决方案 8 1.3.3 实现方法 9 1.4　理解不同类型的依赖注入 10 1.4.1 问题描述 10 1.4.2 解决方

  3. 所属分类：Java

    • 发布日期：2011-07-16
    • 文件大小：5mb
    • 提供者：zyg345382708

  1. 容量测试：容量测试目的是通过测试预先分析出反映软件系统应用特征的某项指标的极限值（如最大并发用户数、数据库记录数等），系统在其极限值状态下没有出现任何软件故障或还能保持主要功能正常运行。容量测试还将确定测试对象在给定时间内能够持续处理的最大

  2. 软件测试笔试试题 题与答案尽供参考 一、判断题 1．软件测试的目的是尽可能多的找出软件的缺陷。（Y） 2．Beta 测试是验收测试的一种。（Y） 3．验收测试是由最终用户来实施的。（N） 4．项目立项前测试人员不需要提交任何工件。（Y） 5．单元测试能发现约80%的软件缺陷。（Y） 6．代码评审是检查源代码是否达到模块设计的要求。（N） 7．自底向上集成需要测试员编写驱动程序。（Y） 8．负载测试是验证要检验的系统的能力最高能达到什么程度。（N） 9．测试人员要坚持原则，缺陷未修复完坚决不予通

  3. 所属分类：C

  1. 吴恩达深度学习课程第二课 第2周 优化算法（中、英文版本）

  2. 吴恩达老师 深度学习课程 第二课 改善深层神经网络 第2周 优化算法 （有道翻译，有歧义的地方请参考原文）

  3. 所属分类：深度学习

    • 发布日期：2018-01-19
    • 文件大小：2mb
    • 提供者：tzy_1987

  1. K3的CHL歧义上的异质字符串

  2. 我们研究在CHL双向K 3×T 2 /ℤN $$ \ left（K3 \ times {T} ^ 2 \ right）/上的N = 2 $$ \ mathcal {N} = 2 $紧定化杂散弦论 {\ mathrm {\ mathbb {Z}}} _ N $$，N = 2、3、5、7。ℤN $$ {\ mathrm {\ mathbb {Z}}} _ N $$充当K 3的自同构 以及沿着T 2的一个圆的1 / N的偏移。 这些紧致化概括了在N = 2 $$ \ mathcal {N} = 2 $

  3. 所属分类：其它

    • 发布日期：2020-04-23
    • 文件大小：839kb
    • 提供者：weixin_38689113

  1. 解决B→ρρ中的ϕ 2（α）歧义

  2. 我提出了另一种方法来测量CP违反相位）2（α），而在扩展的SU（2）等旋三角形分析中没有歧义，最终可以通过利用B 0→ρ0ρ0和B 0→之间的干扰效应来实现 在时间相关的带有风味标记的幅度分析中为1±π∓。 在每个通道上有效ϕ 2的某些假设下，我用一个理想的振幅模型证明，由于B 0→a 1±πpen中的企鹅污染而导致测得的ϕ 2的潜在偏差在当前实验不确定性范围内足够大，因此该程序 可以通过LHCb的运行3数据执行，并且可以在Belle II上轻松执行。

  3. 所属分类：其它

    • 发布日期：2020-04-06
    • 文件大小：467kb
    • 提供者：weixin_38693506

  1. cos2β> 0的初步证据和Cabibbo-Kobayashi-Maskawa Quark-Mixing统一性三角歧义的解决

  2. 我们提供了第一个证据，证明违反CP的弱相2β的余弦为正，因此使用时间依赖性Dalitz曲线分析B0→D（* ），其中D→KS0π+ π−的h0衰减，其中h0∈{π0，η，ω}表示轻无味的中性强子。 结合分别在SLAC和KEKB的不对称能量B工厂PEP-II的ϒ（4S）共振收集的BABAR和Belle实验的最终数据集进行测量。 数据样本包含由BABAR检测器记录的（471±3）×106BB′对和由Belle检测器记录的（772±11）×106BB′对。 测量结果为sin2β= 0.80±0.14

  3. 所属分类：其它

    • 发布日期：2020-03-26
    • 文件大小：782kb
    • 提供者：weixin_38595473

  1. EUUP下的歧义测度及其在投资组合问题中的应用

  2. 本文得出了一种方法，该方法通过[1]量化了在具有不确定概率的预期效用下的不确定度（EUUP）。 在此，模糊性是指一阶概率（即自然状态的概率）不是唯一地而是作为随机变量给出的情况。 因为EUUP可以完全区分对风险和歧义的态度与信念以及对风险和歧义的态度，所以导出的歧义度量独立于风险以及对风险和歧义的态度。 我们表明模糊度可以通过一阶概率的方差来衡量。 尽管[2]也基于一阶概率的方差得出了歧义性度量，但是我们的度量更加灵活，并且区分了有利结果和不利结果中的歧义。 基于该度量，我们还通过比较静态讨论了

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：465kb
    • 提供者：weixin_38610012

  1. gradle-6.2.1-all.zip 快速下载

  2. gradle-6.2.1 版本这是对 6.2 的补丁版本，修复了一些 bug： （1）项目名称歧义消除导致项目/外部依赖项冲突丢失 （2）IdeaModelBuilder 不提供 groovy-all 作为 buildSrc 的编译 dep （3）如果设置了 GRADLE_RO_DEP_CACHE，Gradle 崩溃，并且无法在其中创建 modules-2 目录

  3. 所属分类：Android

    • 发布日期：2020-10-24
    • 文件大小：133mb
    • 提供者：ii950606

  1. C#编程和Visual Studio使用技巧（上）

  2. 对开场白没兴趣？好吧，我们直接切入正题，下面介绍10个C#编程和Visual Studio IDE使用技巧。 1、Environment.Newline 你是否知道这个属性是与平台无关的？允许你根据每个平台输出新的换行字符。 Console.WriteLine("My Tips On ,{0}C#", Environment.NewLine); 2、命名空间别名 你是否知道可以使用更短的别名代替长的命名空间？你是否遇到过需要限制完整的命名空间以避免产生歧义？看下面的代码示例，它是使用扩展的.

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：99kb
    • 提供者：weixin_38748263

  1. 第2章 文本的歧义及其清理（包括，分词，去除停用词，词干提取，词形还原等）

  2. 第2章 文本的歧义及其清理 文本处理的过程： 词项化—>去除停用词—->词干提取或词形还原 1. 简单看看json文件的基本内容： example.json: { “array”: [1,2,3,4], “boolean”: “True”, “object”: { “a”: “b” }, “string”: “Hello World” } 简单的处理代码： import json #打开文件 jsonfile=open("example.json") #加载数据 data=json

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：106kb
    • 提供者：weixin_38723753

  1. 正则 捕获组（capture group）

  2. 捕获组有两种形式 一种是普通的捕获组，不产生歧义的情况下，后面简称捕获组，语法规则：(expression)； 另一种是命名捕获组，语法规则：(?expression)或者(?’name’expression)，这两种写法是等价的。   1、编号规则 如果没有显式为捕获组命名，即没有使用命名捕获组，那么需要按数字顺序来访问所有捕获组 在只有普通捕获组的情况下，捕获组的编号是按照“(”出现的顺序，从左到右编号的    (\d{4})-(\d{2}-(\d\d)) 1        1 2     

  3. 所属分类：其它

    • 发布日期：2020-12-09
    • 文件大小：38kb
    • 提供者：weixin_38664556

  1. BudgeIt:用于移动应用程序开发的BudgeIt项目2-源码

  2. 移动应用程序开发2-长期项目-Luann Dias和Ben Viscosi 预算 项目摘要 BudgeIt旨在解决的问题是，在跟踪您的财务目标时，典型的银行应用程序存在歧义。我们打算通过为用户提供一个简单但功能强大的UI来简化资金管理流程。将他们的银行帐户与Plaid关联后，我们的应用程序将一目了然地为用户提供最重要的信息以及各种选择（如果他们愿意这样做的话），可以进行更深入的研究。此外，这将使创建预算并遵守预算尽可能简单。完成后，BudgeIt将为用户提供所有必要的资源，以使财务状况恢复正常并

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：21mb
    • 提供者：weixin_42113754

  1. doc:OPAL文档（D8.5）-源码

  2. 德国开放数据门户（OPAL）文档 本文档包含OPAL 和的概述。 网络资源 可以通过引用代码存储库。单个软件组件的文档可以在相应的存储库中找到。 数据存储在。 可交付成果在OPAL网站上列出，请参见 。 演示链接到DICE网站，请参阅 。 出版物在DICE网站上列出，请参阅 。 Wiki中的中提供了一些文档说明。 储存库 以下存储库分为3组：主OPAL存储库，集成在DICE存储库中的OPAL组件和归档存储库。 主要OPAL资料库 资料库 描述 AGDISTIS-不可知论的命名实体歧义消除（D4

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：27mb
    • 提供者：weixin_42170790

  1. Compiler_Design：（Python代码）自上而下解析（用于使用FIRST SET，FOLLOW SET，PARSING TABLE等进行预测解析器）-源码

  2. 编译器设计代码 自上而下的解析（用于使用FIRST SET，FOLLOW SET，PARSING TABLE等进行预测解析器） 用于查找任何LL（1）语法的首尾集的Python代码。 消除歧义，左递归和左因子分解后，上下文无关语法（CFG）为LL（1）。 注意：1.如有任何问题，请按照注释进行操作。 2.在这里，First_Follow_sets.py被导入到其他LL（1）代码中。 您可以在一个LL（1）_parsingTable_Parser.ipynb中使用，以便于使用。

  3. 所属分类：其它

  1. pywsd：词义歧义消除（WSD）技术的Python实现-源码

  2. ws 词义歧义消除（WSD）技术的Python实现： 莱斯克算法 原始韭菜（Lesk，1986） 改编/扩展的韭菜（Banerjee和Pederson，2002/2003） 简单的韭菜（包括定义，示例和超+超义词） 余弦列克（使用余弦来计算重叠而不是使用原始计数） 最大化相似性（另请参见 ） 路径相似度（Wu-Palmer，1994； Leacock和Chodorow，1998） 信息内容（Resnik，1995； Jiang and Corath，1997； Lin，1998）

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：23mb
    • 提供者：weixin_42101164

  1. 多峰语音情感识别：用于语音情感识别和歧义解决的轻量级和可解释的ML模型（在IEMOCAP数据集上进行训练）-源码

  2. 多模式语音情感识别和歧义解决 总览 从语音中识别情感是一项与情感本身含糊不清的定义有关的艰巨任务。 在这项工作中，我们建立了轻量级的多模式机器学习模型，并将其与较重且难以解释的深度学习对应模型进行了比较。 对于这两种类型的模型，我们都使用来自给定音频信号的手工制作的功能。 我们的实验表明，轻量级模型可以与深度学习基准媲美，甚至在某些情况下甚至可以胜过深度学习基准，从而在IEMOCAP数据集上实现了最先进的性能。 获得的手工特征向量用于训练两种类型的模型： 基于ML：逻辑回归，SVM，随机森林

  3. 所属分类：其它

  1. jieba-php：“结巴”中文分词：做最好PHP。PHP中文分词，中文断词组件。“ Jieba”（中文为“ to stutter”）中文文本分割：构建为最佳PHP中文单词分割模块-源码

  2. “结巴”中文分词：做最好PHP中文分词，中文断词组件，当前翻译版本为jieba-0.33版本，未来再慢慢往上升级，效能也需要再改善，请有兴趣的开发者一起加入开发！若想使用Python版本请前往 现在已经可以支持繁体中文！只要将字典切换为big模式即可！ “ Jieba”（中文为“ to stutter”）中文文本分割：内置为最好PHP中文单词分割模块。 向下滚动以获取英文文档。 线上展示 网站网址： : 网站原始码： : 特征 支持三种分词模式： 1）最小精确模式，试图将句子最精确地

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：20mb
    • 提供者：weixin_42137028
« 12 3 4 5 »