社区
Web 开发
帖子详情
applet+javaBean能完成什么功能?一定给分,在线等待。
cxy550
2002-04-09 10:02:54
applet+javaBean能完成什么功能?
我现在要完成以网页形式打开一个数据库,数据库中存放的是一个类似windows的文件管理器一样的结构,我需要将它显示在网页上,要能用鼠标完成象资源管理器一样的操作,并且要和后台的javaBean结合起来访问数据库,请问能不能applet+javaBean完成?
...全文
202
3
打赏
收藏
applet+javaBean能完成什么功能?一定给分,在线等待。
applet+javaBean能完成什么功能? 我现在要完成以网页形式打开一个数据库,数据库中存放的是一个类似windows的文件管理器一样的结构,我需要将它显示在网页上,要能用鼠标完成象资源管理器一样的操作,并且要和后台的javaBean结合起来访问数据库,请问能不能applet+javaBean完成?
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
3 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
sojkey
2002-04-09
打赏
举报
回复
强烈推荐applet+servlet+EJB
我们有几个在页面上编辑数据库数据的产品都是这么做的
xh_zhou
2002-04-09
打赏
举报
回复
当然可以,不过建议使用applet+servlet
tpkj_fjw
2002-04-09
打赏
举报
回复
能!
基于JSP的
在线
考试系统毕业设计
目前国内基于B/S、C/S结构的
在线
考试系统产品已经有许多,本文首先介绍了这些考试系统的形成和发展过程,大致结构。基于对现有产品的思考,结合J2EE的成熟技术,我们想到了是否可以将该技术运用在
在线
考试系统中,提出了一个基于J2EE架构的
在线
考试系统。通过将该架构与已有结构的
在线
考试系统进行比较,
分
析了该架构的优势,重点介绍了该框架的整体构造以及相关的概念和技术。最后,对J2EE技术做了一个总结性的展望,认为该技术有着良好的发展空间和广阔的前景。2.2.2 技术可行性 7。
基于JSP的
在线
考试系统
技术:Java、JSP等 摘要:目前国内基于B/S、C/S结构的
在线
考试系统产品已经有许多,本文首先介绍了这些考试系统的形成和发展过程,大致结构。然后通过仔细
分
析,提出了目前的这些系统还存有系统更新和维护等种种弊端,仍不够成熟。基于对现有产品的思考,结合J2EE的成熟技术,我们想到了是否可以将该技术运用在
在线
考试系统中,提出了一个基于J2EE架构的
在线
考试系统。通过将该架构与已有结构的
在线
考试系统进行比较,
分
析了该架构的优势,重点介绍了该框架的整体构造以及相关的概念和技术。并通过设计了一个基于J2EE架构的
适合练手、课程设计、毕业设计的Java项目源码:
在线
考试管理系统(源代码+论文+开题报告+外文翻译+英文文献+答辩PPT)
目录 摘要: 3 Abstract: 4 1 引言. 5 2
在线
考试系统构架. 5 2.1
在线
考试系统一般需求
分
析. 5 2.2 当前
在线
考试系统现状
分
析. 6 2.3 基于J2EE的
在线
考试系统架构介绍及拥有的优势. 6 2.3.1 结构总体介绍. 6 2.3.2 客户层组件. 7 2.3.2.1
Applet
s 7 2.3.2.2 应用程序客户端. 7 2.3.3 WEB层组件. 7 2.3.4 业务层组件. 7 2.3.5 企业信息系统层. 8 2.3.6 J2EE架
Java经典试题(一)
单选题 1:对成员的访问控制保护最强的是( )。( 2
分
) A:public B:缺省 C:private D:protected 答案:C 2:对于临界区代码,必须使用( )关键字来限定。( 2
分
) A:private B:protected C:synchronized D:critical 答案:C 3:Thread的方法resume()负责恢复哪些线程的执行?( 2
分
) A:通...
【时间序列预测】项目介绍 Python实现基于WGAN-LSTM瓦瑟斯坦生成对抗网络(WGAN)结合长短期记忆网络(LSTM)进行时间序列预测(含模型描述及部
分
示例代码)
内容概要:本文介绍了一个基于Python的WGAN-LSTM混合模型,用于解决复杂时间序列预测问题。该模型结合瓦瑟斯坦生成对抗网络(WGAN)与长短期记忆网络(LSTM),利用LSTM捕捉时间序列中的长期依赖和动态趋势,通过WGAN的生成器与评价器对抗训练,使预测结果不仅贴近真实值,还能更好地保留数据
分
布特征,如波动性、尖峰和异常变化。项目采用PyTorch实现,涵盖数据预处理、滑动窗口构建、标准化、条件生成器与评价器设计、梯度惩罚机制、联合损失优化及模型评估全流程,并支持多变量输入与不确定性建模,适用于非线性、非平稳、高波动场景的单步预测。; 适合人群:具备Python编程基础和深度学习背景,熟悉PyTorch框架,从事时间序列
分
析、AI建模或数据科学相关工作的研究人员、工程师及高校学生(建议有1年以上相关经验); 使用场景及目标:①应用于金融价格、电力负荷、设备传感、市场需求等高波动时间序列的精准预测;②实现对未来不确定性的量化表达,支持风险评估、区间预测与情景模拟;③提升传统回归模型对异常波动的识别能力,优化预警与决策系统; 阅读建议:本文提供完整代码结构与核心实现片段,建议结合完整项目代码、数据集和博客文档进行复现与调试,重点关注对抗训练稳定性、梯度惩罚实现及多损失权重平衡策略,以深入掌握WGAN-LSTM在时序建模中的工程应用细节。
Web 开发
81,108
社区成员
341,721
社区内容
发帖
与我相关
我的任务
Web 开发
Java Web 开发
复制链接
扫一扫
分享
社区描述
Java Web 开发
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章