• Stars
    star
    2
  • Language
    Java
  • Created over 4 years ago
  • Updated over 4 years ago

Reviews

There are no reviews yet. Be the first to send feedback to the community and the maintainers!

Repository Details

Il progetto sviluppa una collezione detta SecureDataCointainer capace di immagazzinare oggetti di un determinato tipo generico E e garantire l’ accesso e la condivisione dei dati tra gli utenti che sono registrati alla collezione, attraverso un nome utente e una password

More Repositories

1

Utilizzo-di-ACO-per-il-Traveling-Salesman-Problem

Articolo su l'utilizzo dell'algoritmo della colonia delle formiche, per la risoluzione del problema commesso viaggiatore (TSP).
TeX
2
star
2

Cityflow-example-analysis

Simulation of a 3x2 grid using CityFlow tool. Has been tracked one vehicle in the simulation and took the information of this vehicle.
Jupyter Notebook
2
star
3

out-of-banding-signaling.

Tecnica di comunicazione tra client e server dove si scambiano informazioni senza trasmetterle direttamente.
C
2
star
4

DataBoard

Contenitore di oggetti generici che estendono il tipo data chiamato DataBoard. La bacheca garantisce la privacy dei dati fornendo un proprio meccanismo della condivisione dei dati. Ogni dato presente nella bacheca ha associato la categoria del dato. Le categorie sono create esclusivamente dal proprietario del bacheca che puo’ inoltre stilare una lista di contatti(amici) a cui saranno visibili i dati i dati per ogni tipologia di categoria. I dati possono essere modificati solo dal proprietario di DataBoard; gli amici invece possono associare un like al dato in bacheca.
Java
2
star
5

Ocaml--interpreter-

Estensione di un interprete didattico, in modo tale da poter gestire una collezione di coppie <chiave,valore> che rappresentano un dizionario di elementi non omogenei, dove la chiave è un identificatore.
OCaml
1
star
6

mcolavita

Config files for my GitHub profile.
1
star
7

Analisi-di-Dataset-Geografici-per-Applicazioni-di-Inelligenza-Artificiale

Analisi della mobilità urbana all'interno delle città di Pechino e San Francisco. Per farlo sono state impiegate delle tecniche note di Data Mining e degli algoritmi di Machine Learning per la predizione del flusso di veicoli all'interno delle due città
Jupyter Notebook
1
star