社区
下载资源悬赏专区
帖子详情
网上书店系统 bookshop 数据库Access下载
weixin_39820780
2019-11-08 11:30:25
系统主要是采用了“JSP+JavaBean+JDBC+MS Access”的技术。系统采用了JSP Model1模型,使用JavaBean通过JDBC直接访问MS Access数据库。src目录中有数据库MDB文件。
相关下载链接:
//download.csdn.net/download/mousepc228891/3351268?utm_source=bbsseo
...全文
51
回复
打赏
收藏
网上书店系统 bookshop 数据库Access下载
系统主要是采用了“JSP+JavaBean+JDBC+MS Access”的技术。系统采用了JSP Model1模型,使用JavaBean通过JDBC直接访问MS Access数据库。src目录中有数据库MDB文件。 相关下载链接://download.csdn.net/download/mousepc228891/3351268?utm_source=bbsseo
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
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
java
网上
书店
模板_
网上
书店
模板
下载
.doc
网上
书店
模板
下载
网上
书店
模板
下载
篇一:JSP
网上
书店
开发完整实例(含完整源代码)完整的简单jsp
网上
书店
详细实例计算机web编程jsp毕业论文、考试复习资料必备其中包括的详细需求、业务分析、
数据库
、源代码我们使用JSP和Java Bean来构建一个
网上
书店
。介绍的例子可以分成两大部分,第一部分是普通程序,用于客户在
网上
选购图书,第二部分是管理程序,用于在服务器端处理客户的定单。客户端程序由以下几个...
MATLAB科学机器学习与物理信息神经网络PINN综合案例库源码+文档说明及全部资料.zip
MATLAB科学机器学习与物理信息神经网络PINN综合案例库源码+文档说明及全部资料.zip 包含多个关于科学机器学习(SciML)和物理引导机器学习的MATLAB示例。SciML结合了人工智能方法和领域特定知识以加速科学和工程发现。文章详细介绍了SciML的几种方法,包括物理引导神经网络(PINNs)、神经常微分方程(Neural ODEs)、神经算子(Neural
Op
erators)和图神经网络(GNNs)。此外,还提供了一些示例和资源以帮助用户入门。 关键点 该仓库展示了科学机器学习(SciML)和物理引导机器学习的MATLAB示例。 SciML结合了AI方法和领域特定知识以加速科学和工程发现。 物理引导神经网络(PINNs)通过在神经网络训练的损失函数中结合微分方程来解决微分方程。 神经常微分方程(Neural ODEs)在神经网络中作为一层引入,用于解决常微分方程。 神经算子用于学习函数空间之间的映射,通常用于PDE问题。 图神经网络(GNNs)被设计用于操作图数据,适用于热传导等问题。
C#源码SqlSugar-master
C#源码SqlSugar-master
电影推荐与评论
系统
的设计与实现(代码+
数据库
+LW)
摘 要 随着互联网影视产业的迅速发展,电影资源呈指数级增长,类型也愈加多样化,但是用户面对如此庞大的影片库时,会遇到信息过载、筛选效率低下、观影决策成本高这些难题,而传统的电影平台大多只是对基本的分类和热度进行展示,并没有提供个性化的推荐服务,社交互动以及一体化管理的能力也比较薄弱。 该
系统
使用的是Spring
Boo
t+Vue前后端分离的方式进行开发,设计并开发了一个电影推荐和评论
系统
。开发
系统
中存在三个问题,即无法准确地判断出用户的喜好、电影推荐功能上线之初没有用户数据,因此推荐效果不佳、大量用户同时评论打分时
系统
容易出现不稳定的情况。为了克服上述问题,本文查阅相关资料,不断迭代开发原型,并进行实际测试,完成整个
系统
的全部过程,即
系统
需求分析、架构设计、功能开发、
系统
测试。
系统
分为普通用户和管理员两种身份,具有注册登录、电影浏览、电影推荐、评分评论、影片收藏、个人中心、后台管理等功能,采用结合用户喜好和电影热度的简单推荐方式,提供热门电影推荐和个性化推荐,很好地解决了推荐功能初始没有数据、数据较少的问题。项目用接口来完成前后端的数据交互,使用MySQL
数据库
存储用户、电影、评论、收藏等各种数据,并且加入权限验证、密码加密等安全措施,保证
系统
安全稳定并且便于后期扩展。除此之外,
系统
还增加了电影资讯查看、首页轮播图设置、编辑资讯等功能,使整个电影平台的服务更加全面,使用更加高效。经过全面的功能测试、接口测试和性能测试,
系统
各个模块运行稳定,推荐接口响应时间小于300ms,主要的互动操作成功率大于98%,可以大大降低用户的选片成本,提高观影决策的速度和社区互动的效果。 本文给出一套轻量级、易部署、可复用的电影推荐类Web应用工程实现方案,相比于传统的单一列表展示型平台,个性化服务、社交互动体验和后台管理效率都有明显的提高,可以给影视文化数字化传播、推荐算法轻量化工程实践
Video-Production-Pipeline-Handoff-v1.0-原创源码与文档.zip
原创本地工程工具合集,每个资源均包含独立源码、README、MIT License、原创与授权声明、3项自动化测试、可复现合成示例、离线 JSON、HTML、SVG 报告及 1080×720 真实运行截图。Node.js 18+ 可直接运行,适合开发者进行工程预检、数据校验和证据留档;不包含第三方项目源码、模型权重、官方素材或账号数据。
下载资源悬赏专区
13,653
社区成员
12,569,157
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
社区描述
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
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