- 博客(41)
- 收藏
- 关注
RSS订阅原创 1常用文件管理命令
usr：应用程序存放目录，/usr/bin 存放应用程序，/usr/share 存放共享数据，/usr/lib 存放不能直接运行的，却是许多程序运行所必需的一些函数库文件。/usr/share/man: 程序说明文件存放目录。/var：放置系统执行过程中经常变化的文件，如随时更改的日志文件 /var/log，/var/log/message：所有的登录文件存放目录，/var/spool/mail：邮件存放的目录，/var/run:程序或服务启动后，其PID存放在该目录下。
2025-04-01 17:49:36
299
原创 如何安装docker
是一个用于查询和修改系统主机名的命令行工具，在 Linux 系统中广泛使用。用于查询公网 IP 地址，使用curl命令加上该网址，就可以获取到当前设备的公网 IP 地址。例如，在终端中输入curl ip.sb，系统会向ip.sb发送请求，然后该网站会返回你当前设备的公网 IP 地址。公网 IP 地址的作用网络访问与通信服务器搭建远程管理与控制8.8.4.4 是谷歌公司提供的公共 DNS 服务器的 IP 地址之一。
2025-04-01 17:46:42
1000
1原创 第三章作业
else if ((A->data[pa].i < B->data[pb].i)||(A->data[pa].i==B->data[pb].i&&A->data[pa].j< B->data[pb].j)) //行号、列号不相等时。if ((A->data[pa].i==B->data[pb].i)&&(A->data[pa].j==B->data[pb].j)){//行号、列号相等时。while (pa<=A->tu && pb<=B->tu){//合并非零元素。
2024-10-18 21:07:29
774
原创 第二章算法设计题
【提示】直接用题目中所给定的数据结构（顺序存储的思想是用物理上的相邻表示逻辑上的相邻，不一定将向量和表示线性表长度的变量封装成一个结构体），因为是顺序存储，分配的存储空间是固定大小的，所以首先确定是否还有存储空间，若有，则根据原线性表中元素的有序性，来确定插入元素的插入位置，后面的元素为它让出位置，（也可以从高下标端开始一边比较，一边移位）然后插入x ，最后修改表示表长的变量。
2024-09-13 12:03:28
599
原创 java方法
Java的方法类似于其它语言的函数，是一段用来完成特定功能的代码片段，一般情况下，定义一个方法包含以下语法:方法包含一个方法头和一个方法体。下面是一个方法的所有部分:修饰符:修饰符，这是可选的，告诉编译器如何调用该方法。定义了该方法的访问类型。返回值类型:方法可能会返回值。returnValueType 是方法返回值的数据类型。有些方法执行所需的操作，但没有返回值。在这种情况下，returnValueType 是关键字void。方法名:是方法的实际名称。方法名和参数表共同构成方法签名。
2024-09-08 09:37:47
645
原创 包机制，javadoc生成文档，用户交互scanner
在建包时com.kuang直接建线性一条龙的文件只会显示一个外层包，当再建一个包时才会显示出两个包。导入包的时候在后面加入星号就能把包全导进来。
2024-09-08 09:14:39
644
原创 9-6springboot该如何学习
javase：面向对象OOPmysql:持久化html+css+js+jquery+框架：视图（框架不熟练），css不好javaweb：独立开发MVC三层架构的网站：原始ssm：框架：简化了我们的开发流程，配置也开始较为复杂；war：在tomcat中运行。
2024-09-06 10:32:38
483
原创 跟着李沐学ai
LeNet,ResNet,LSTM,BERT,损失函数,目标函数,过拟合,优化使用pytorch实现介绍的知识点在真实数据上体验算法的效果深度学习基础---线性神经网络，多层感知机卷积神经网络---LeNet,AlexNet,VGG,Inception,ResNet循环神经网络---RNN,GRU,LSTM,seq2seq注意力机制---Attention,Transformer优化算法---SGD,Momentum,Adam高性能计算---并行，多GPU，分布式计算机视觉---目标检测，语义分割自然语言处
2024-09-05 22:11:32
968
原创 第四讲：拟合算法
与插值问题不同，在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数(曲线)使得该曲线在某种准则下与所有的数据点最为接近，即曲线拟合的最好(最小化损失函数)。插值算法中，得到的多项式f(x)要经过所有样本点。但是如果样本点太多，那么这个多项式次数过高，会造成龙格现象。尽管我们可以选择分段的方法避免这种现象，但是更多时候我们更倾向于得到-个确定的曲线，尽管这条曲线不能经过每一个样本点，但只要保证误差足够小即可，这就是拟合的思想。(拟合的结果是得到一个确定的曲线)
2024-09-03 12:02:55
2278
原创 人工智能路线
机器学习 树模型，随机森林 神经网络 上kaggle学习 数据挖掘 结合图，时间序列 计算机视觉 CNN，Transformer架构 pytorch框架 YOLOv8，open pose，deep sort open matlab 多模态，bev 自然语言处理 Transformer Hugging face PEFT langchain AIGC大模型 Transformer，diffusion PEFT，hagguing face 开源项目源码
2024-09-02 12:28:18
266
原创 10过拟合问题
第一个具有较高误差第二个比较合适第三个太合适了，而且函数图像不正确，所以了，也叫做具有如果稍微变动一下输入，输出可能会有很大变化。所以要寻找一个既没有高偏差又没有高方差的式子。这又是一个过拟合的例子，尽管它在训练中做的非常好，但是这并不能应用在实际的生活中。
2024-09-01 12:03:50
363
原创 插值算法哈哈哈
数模比赛中，常常需要根据已知的函数点进行数据、模型的处理和分析，而有时候现有的数据是极少的，不足以支撑分析的进行，这时就需要使用一些数学的方法，“模拟产生”一些新的但又比较靠谱的值来满足需求，这就是插值的作用。
2024-09-01 10:50:00
307
原创 TOPSIS法(逼近理想解排序法)(优劣解距离法)
TOPSIS 法是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。
2024-09-01 09:54:50
647
原创 7Motivation
在 AI 中，“motivation” 可以理解为动机、驱动力。从模型训练的角度来看，它可以指促使模型不断优化和改进的目标或准则。例如，最小化损失函数可以作为模型训练的一种动机，模型通过不断调整参数来朝着这个目标前进，以更好地拟合训练数据或完成特定的任务。从智能体的角度，在强化学习等领域，motivation 可以是智能体采取行动的内在动力。智能体通过与环境交互，获得奖励信号，这些奖励可以被视为一种动机，引导智能体学习采取能够获得更高奖励的行动策略。
2024-08-31 16:13:21
209
原创 第1讲_第1部分_层次分析法模型讲解
(The analytic hierarchy process, 简称AHP)建模比赛中最基础的模型之一，其主要用于解决评价类问题(例如:选择哪种方案最好、哪位运动员或者员工表现的更优秀)。
2024-08-31 11:02:56
701
原创 5多类特征
例如要评价一套房子，要从多个方面评价例如x1代表大小，x2代表房间数，x3代表层数，x4代表年份。b为基础价格这是通式，用向量表示为叫做矢量，有时候叫做向量写成点积这种叫做多元线性回归，通常用矢量化，可以更快地执行代码。
2024-08-30 16:53:57
361
原创 4梯度下降
可以用一种更系统的方法找到w和b的值。j of w，b学习这两个梯度下降将使你掌握机器学习中最重要的构建块之一成本函数都是以弓形或者吊床形但是这种是训练神经网络时可能会得到的一种成本函数梯度下降就是360度环视自己，尽快下去，要朝哪个方向走，在下一个点后继续执行这个步骤，直到走到最低点这两个点都叫局部最小值，因为沿着各自的道路无法到达另一个点。
2024-08-30 12:06:27
419
原创 差分题目集
有 NN 头牛站成一行，被编队为 1、2、3…N1、2、3…N，每头牛的身高都为整数。当且仅当两头牛中间的牛身高都比它们矮时，两头牛方可看到对方。现在，我们只知道其中最高的牛是第 PP 头，它的身高是 HH ，剩余牛的身高未知。但是，我们还知道这群牛之中存在着 MM 对关系，每对关系都指明了某两头牛 AA 和 BB 可以相互看见。求每头牛的身高的最大可能值是多少。
2024-08-30 11:08:16
522
原创 前缀和和差分
输入一个长度为 nn 的整数序列。接下来再输入 mm 个询问，每个询问输入一对 l,rl,r。对于每个询问，输出原序列中从第 ll 个数到第 rr 个数的和。
2024-08-23 11:57:30
617
原创 hbu2024暑假进阶训练营开营测试
这个公式的主要思想是从理想的总面积10000（表示理想进度的累计）中减去一个由实际偏差衡量的面积。通过除以2，我们将结果调整为一个三角形面积的等价表示。这是一种简化的方式来衡量实际与理想进度之间的“心理阴影面积”。可以想象，随着时间x的增加，如果完成度y赶不上理想进度曲线，那么这一项就会变大，造成更大的阴影面积，也就是公式计算出的结果会更大。没看懂，还是我的方法易懂一点，如果有大佬看懂了可以讲一下。未完待续。
2024-08-19 12:56:17
1715
转载 2.机器学习：监督学习、无监督学习、半监督学习、强化学习
根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。在监督学习中训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。简单理解：可以把监督学习理解为我们教机器如何做事情。我们不知道数据集中数据、特征之间的关系，而是要根据聚类或一定的模型得到数据之间的关系。在无监督学习中数据只有特征(feature)无标签(label)
2024-08-18 20:24:48
293
原创 ! [remote rejected] master -＞ master (pre-receive hook declined)
! [remote rejected] master -> master (pre-receive hook declined)
2024-08-16 17:56:31
174
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人