基于bmp数字图像的隐写算法，并用matlab编程实现
上传时间： 2017-09-25
上传用户：lo25643
读入一副图片，提取其脊线（含有噪声，除噪声需另外编程实现）
标签：
上传时间： 2017-09-27
上传用户：JIUSHICHEN
坦克大战的JAVA代码版，用AWT和SWING编程实现界面的控制
上传时间： 2017-09-28
上传用户：yan2267246
检测wmi所有可查的信息，不用自己编程实现，明确自己想查找的字段~
上传时间： 2015-05-20
上传用户：wswssx01
陈国良院士编写的并行 算法与设计，主要包括MPI与OPENMP编程 实现
上传时间： 2017-06-02
上传用户：liuyahui
链表习题 1. 编程实现链表的基本操作函数。 (1). void CreatList(LinkList &La,int m) //依次输入m个数据，并依次建立各个元素结点，逐个插入到链表尾；建立带表头结点的单链表La； (2). void ListPrint(LinkList La) //将单链表La的数据元素从表头到表尾依次显示。 (3).void ListInsert (LinkList &L,int i,ElemType e){ //在带头结点的单链表L中第i个数据元素之前插入数据元素e (4). void ListDelete(LinkList &La, int n, ElemType &e) //删除链表的第n个元素，并用e返回其值。 (5). int Search(LinkList L, ElemType x) //在表中查找是否存在某个元素x，如存在则返回x在表中的位置，否则返回0。 (6). int ListLength(LinkList L) //求链表L的表长 (7). void GetElem(LinkList L, int i, ElemType &e) //用e返回L中第i个元素的值 链表的结点类型定义及指向结点的指针类型定义可以参照下列代码: typedef struct Node{ ElemType data; // 数据域 struct Node *next; // 指针域 }LNode, *LinkList;
标签： 单链表
上传时间： 2017-11-15
上传用户：BIANJIAXIN
1. 编程实现链表的基本操作函数。 (1). void CreatList(LinkList &La,int m) //依次输入m个数据，并依次建立各个元素结点，逐个插入到链表尾；建立带表头结点的单链表La； (2). void ListPrint(LinkList La) //将单链表La的数据元素从表头到表尾依次显示。 (3).void ListInsert (LinkList &L,int i,ElemType e){ //在带头结点的单链表L中第i个数据元素之前插入数据元素e (4). void ListDelete(LinkList &La, int n, ElemType &e) //删除链表的第n个元素，并用e返回其值。 (5). int Search(LinkList L, ElemType x) //在表中查找是否存在某个元素x，如存在则返回x在表中的位置，否则返回0。 (6). int ListLength(LinkList L) //求链表L的表长 (7). void GetElem(LinkList L, int i, ElemType &e) //用e返回L中第i个元素的值 链表的结点类型定义及指向结点的指针类型定义可以参照下列代码: typedef struct Node{ ElemType data; // 数据域 struct Node *next; // 指针域 }LNode, *LinkList;
标签： 单链表
上传时间： 2017-11-15
上传用户：BIANJIAXIN
网页编程实现页面展开与收回，复制代码建立html或PHP文件中运行即可
上传时间： 2018-03-21
上传用户：ipromise
创新实践大报告题目 设计要求： 1、用UML向对象工具分析设计系统 2、程序设计中要应用面向接口编程的思想编程 3、程序设计采用visual studio 的窗体编程实现
上传时间： 2018-05-28
上传用户：hugerlove
斯坦福大学-深度学习基础教程.pdfUFLDL教程 From Ufldl 说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能 学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果 你不熟悉这些想法，我们建议你去这里 机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php? course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。 稀疏自编码器 神经网络 反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 稀疏自编码器符号一览表 Exercise:Sparse Autoencoder 矢量化编程实现 矢量化编程 逻辑回归的向量化实现样例 神经网络向量化 Exercise:Vectorization
标签： 深度学习
上传时间： 2022-03-27
上传用户：kingwide
