微信跳一跳辅助

从网上下载了的代码,进行了部分修改。需要使用模拟器在电脑上安装微信,再通过鼠标右键点击跳越。

 



import java.awt.AWTException;
import java.awt.FlowLayout;
import java.awt.Robot;
import java.awt.event.InputEvent;
import java.awt.event.MouseAdapter;
import java.awt.event.MouseEvent;
import java.util.concurrent.atomic.AtomicBoolean;

import javax.swing.JFrame;
import javax.swing.JLabel;

public class T2{
    private static final MouseEvent MouseEvent = null;
   static int x0 ,y0,x1,y1;
  static AtomicBoolean flag= new AtomicBoolean(false);
  
	public static void main(String[] args) {
		final JFrame j=new JFrame("com.cuihs");
		 
		j.setUndecorated(true);  
        j.setOpacity(0.5f);
        j.setSize(600,900);//宽高自设
//        this.dispose();
        j.setLocationRelativeTo(null);//默认放置在屏幕的中央
        j.toFront();//显示在桌面最前面
        j.setLayout(new FlowLayout(FlowLayout.CENTER));
        j.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
        final JLabel label = new JLabel("右键点击");
        j.add(label);
        j.setVisible(true);//可见
        j.addMouseListener(new MouseAdapter(){
        	public void mouseClicked(MouseEvent e) {
        		
        		if(e.getButton() == MouseEvent.BUTTON3){ //3代表右键
                    if(flag.compareAndSet(false, true)) {
                     x0 = e.getX();  
                     y0 = e.getY();
                     System.out.println("起点y0="+y0+"x0="+x0);
                     String banner = "鼠标当前点击位置的坐标是" + x0 + "," + y0;
                     label.setText(banner);  
                    }else {
                     x1=e.getX();
                     y1=e.getY();
                     System.out.println("终点x1="+x1+"y1="+y1);
                     double _x = Math.abs(x0 - x1);
                     double _y = Math.abs(y0 - y1);
                     double dis=Math.sqrt(_x*_x+_y*_y);//两点间的欧几里德距离
                     System.out.println("------------距离----------"+dis);
                     label.setText("目标距离点("+dis+")及"+Math.ceil(dis)*4.8+"");
                     //处理
                     j.setVisible(false);//消失视距
                     //当前焦点按按钮时常
                     try {
							Robot robot = new Robot();
							
							//鼠标移动到某一点
							robot.mouseMove(e.getXOnScreen(),e.getYOnScreen());
							//模拟鼠标按下左键
							robot.mousePress(InputEvent.BUTTON1_MASK);
							try {
								int tia;
								//int ti=(int) ((dis/1000)*1000+200+185);//算法能耐用
								int ti1=(int)(dis);
								System.out.println("ti1==="+ti1);
								if(ti1==0){
									tia=1;
								}else{
									int ti2=ti1*2;
									int ti=(int)ti1/2+ti2;
									int ti3=(int)ti1/2+ti;
									System.out.println("停留时间="+(ti3-75));
									tia=ti3-75;
									if(tia>8000||tia<0){
										tia=1;
									}
								}
								Thread.sleep(tia+25);
							} catch (InterruptedException e1) {
								e1.printStackTrace();
							}
							//模拟鼠标松开左键
							robot.mouseRelease(InputEvent.BUTTON1_MASK);
						} catch (AWTException e1) {
							e1.printStackTrace();
						}
                        j.setVisible(true);
                        flag.set(false);
                    }

                }
        	}
        });
	}
	

	
}

 

最后欢迎大家访问我的个人网站:1024s​​​​​​​

 

 

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值