logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

基于springcloud的智慧养老web平台【毕业设计,源码,论文】

Java是由Sun养老平台推出的一门跨平台的面向对象的程序设计语言。因为Java 技术具有卓越的通用性、高效性、健壮的安全性和平台移植性的特点,而且Java是开源的,拥有全世界最大的开发者专业社群,所以Java技术的发展十分迅速。SpringCloud是基于SpringBoot提供了一套微服务解决方案,包括服务注册与发现,配置中心,全链路监控,服务网关,负载均衡,熔断器等组件,除了基于NetFli

文章图片
#数据库#spring cloud#前端 +1
基于springboot网上图书商城【毕业设计,源码,论文】

网上图书商城采用java技术,基于springboot框架,mysql数据库进行开发,实现了首页、个人中心、用户管理、卖家管理、图书类型管理、图书信息管理、订单管理、系统管理等内容进行管理,本系统具有良好的兼容性和适应性,为用户提供更多的网上图书商城信息,也提供了良好的平台,从而提高系统的核心竞争力。

文章图片
#spring boot#java
基于springboot的就业信息管理系统设计与实现【毕业设计,源码,论文】

本就业信息管理系统以springboot作为框架,b/s模式以及MySql作为后台运行的数据库,同时使用Tomcat用为系统的服务器。本系统主要包括首页,个人中心,学生管理,导师管理,企业管理,招聘信息管理,应聘信息管理,面试邀请管理,就业指导管理,交流论坛,系统管理等功能,通过这些功能的实现基本能够满足就业信息管理管理的操作。本文着重阐述了就业信息管理系统的分析、设计与实现,首先介绍开发系统和环

文章图片
#java#数据库#mysql
基于springboot学生成绩管理系统【毕业设计,源码,论文】

该系统基于B/S即所谓浏览器/服务器模式,应用java技术,选择MySQL作为后台数据库。系统主要包括首页、个人中心、学生管理、教师管理、班级管理、综合成绩管理、专业管理、课程信息管理等功能模块。本文首先介绍了学生成绩管理的技术发展背景与发展现状,然后遵循软件常规开发流程,首先针对系统选取适用的语言和开发平台,根据需求分析制定模块并设计数据库结构,再根据系统总体功能模块的设计绘制系统的功能模块图,

文章图片
#spring boot#java#spring +1
基于springboot的生鲜交易系统设计与实现【毕业设计,源码,论文】

本项目软件架构选择B/S模式和java技术,总体功能模块运用自顶向下的分层思想。再然后就是实现系统并进行代码编写实现功能。论文的最后章节总结一下自己完成本论文和开发本项目的心得和总结。通过生鲜交易系统将会使生鲜交易各个方面的工作效率带来实质性的提升。关键字:B/S模式;java技术;生鲜交易系统;软件架构;

文章图片
#java#开发语言
基于springboot网吧管理系统【毕业设计,源码,论文】

系统选用B/S模式,应用java技术, MySQL为后台数据库。系统主要包括首页,个人中心,会员管理,网管管理,商品类型管理,商品信息管理,购买商品管理,呼叫网管管理,电脑信息管理,用户上机管理,用户下机管理等功能模块。

文章图片
#spring boot#java
基于springboot财务管理系统【毕业设计,源码,论文】

本系统经过市场调研,需求分析,概要设计,详细设计,编码,测试这些步骤,基于java技术、springboot框架、B/S机构、Mysql数据库设计并实现了财务管理系统。系统主要包括首页,个人中心,员工管理,部门管理,员工工资管理,工资调整管理,资产类别管理,固定资产管理,经营信息管理,序时账管理,年度利润管理,系统管理等功能模块。

文章图片
#spring boot#java#数据库 +1
基于springboot招聘信息管理系统【毕业设计,源码,论文】

招聘信息管理系统采用java技术,基于springboot框架,mysql数据库进行开发,实现了首页、个人中心、用户管理、企业管理、工作类型管理、企业招聘管理、投简信息管理、面试邀请管理、求职信息管理、社区留言、系统管理等内容进行管理,本系统具有良好的兼容性和适应性,为用户提供更多的招聘信息,也提供了良好的平台,从而提高系统的核心竞争力。

文章图片
#spring boot#java#后端 +1
数学建模 | 关于BP神经网络你必须知道的20个知识点

答:tanh函数的表达式为:f(x) = (e^x - e^-x) / (e^x + e^-x)。输出层的误差先算出,然后根据输出层与隐藏层的连接权重计算隐藏层的误差,以此类推,直到输入层。答:BP神经网络的工作原理是:输入信号由输入层传递到隐藏层,然后到输出层,在输出层计算输出值与实际值的误差,然后误差向后传递,根据误差调整各连接权重,使最终获得的输出值朝实际值改进。答:学习率是BP神经网络训练

文章图片
#神经网络#人工智能#算法 +1
百度文心一言发布会

近10年来,百度在NLP、深度学习、机器视觉等技术方面进行了大量积累,单单是文心一言底层的大模型技术百度就已入局4年,2019年百度发布ERNIE 1.0,现已升级到3.0,每天接受数十亿用户的搜索请求和其他百度移动生态app的训练。最近,百度还在文心一言上推出了一些新的应用,例如文心一言写作助手,用户可以在写作的时候使用文心一言的AI辅助,获取更多的灵感和思路。最近,百度还在文心一言上推出了一些

文章图片
#人工智能#自然语言处理#深度学习 +1
    共 20 条
  • 1
  • 2
  • 请选择