卷积 树莓 神经网络 模型
2023-2024-1 20232422《网络》第5周学习总结
思维导图如下 教材学习中的问题和解决过程 问题:路由相关攻击是怎么进行的？ 解决:问Chatgpt 得到如下答案： 问题：缓存相关攻击的进行？ 解决：问chatgpt 得到如下答案： 缓存相关攻击通常是利用系统中的缓存机制，通过一些恶意手段来绕过或滥用缓存，从而导致安全漏洞或攻击。以下是一些常见的缓 ......
Ubuntu网络标签消失，没有网络
问题描述： 在ubuntu18.04.5中，突兀网络连接器图标消失 解决方法： sudo service network-manager stop sudo rm /var/lib/NetworkManager/NetworkManager.state sudo service network-ma ......
2023-2024-1 20232322 罗上林 《网络》第五周学习总结
教材学习内容总结 教材学习中的问题和解决过程 -问题一：对信息内容安全威胁的来源不知道 -问题一解决方案： -问题二：对信息内容过滤不理解 -问题二解决方案： 基于AI的学习 参考资料 《网络空间安全导论》 网络空间安全导论书单 ......
将驱动程序移植到新的驱动模型 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/driver-api/driver-model/porting.html 将驱动程序移植到新的驱动模型 Patrick Mochel 2003年1月7日 概述 请参阅Documentation/driver-api/drive ......
实现视图模型建模
实现视图模型建模 一 实验目的 l 理解顺序图、协作图、活动图、状态机图的概念及其在系统分析设计中的作用； l 了解和掌握软件工程中用例逻辑时序的分析方法； l 掌握两种交互图（顺序图和协作图）的差别； l 掌握描述一个操作执行过程中所完成工作（动作）的方法； l 掌握描述对象内部工作的具体步骤； ......
2023-2024-1 20232310 《网络空间安全导论》 第五章学习
教材学习内容总结 教材学习中的问题和解决过程 问题1：难以理解非结构信息的结构化 解决方法：通过询问ChatGPT学习了将非结构信息结构化的几种方法，进一步理解了非结构信息的结构化过程 问题2：如何基于网络交互重构机制实现需要身份认证的动态网页发布信息获取 解决方法：问gpt 基于AI的学习 参考资 ......
逻辑视图模型建模会员关系管理
一 实验目的 l 理解面向对象系统分析和对象类建模的概念； l 了解和掌握面向对象系统分析的方法和步骤； l 了解和掌握寻找待开发系统中类的方法和技巧； l 了解和掌握分析类之间继承关系的方法； l 了解和掌握分析类之间的关联关系的方法； l 掌握使用Rational Rose建立类图模型的方法； ......
2023-2024-1 20232407 《网络》第5周学习总结
教材学习内容总结 教材学习中的问题和解决过程 问题1：什么是sybil攻击？ 问题1解决方案：询问chatgpt 问题2：除计算机技术外，还有哪些领域需要协同工作来更好地保证信息内容的安全 问题2解决方案：询问chatgpt 基于AI的学习 感悟 人工智能的发展也为内容安全提供了新的解决方案，比如基 ......
驱动模型 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/driver-api/driver-model/index.html Driver Model（驱动程序模型） Driver Binding（驱动绑定） Bus Types（总线类型） Device Driver Design ......
《网络空间安全导论》第5周学习总结 20232323郭旗
教材学习内容总结 教材学习中的问题和解决过程 问题：对非结构信息自组织聚合表达技术理解不够清晰 解决方法：学问AI 非结构信息自组织聚合表达技术，也称为自组织映射（Self-Organizing Map，SOM）技术，是一种常用的无监督学习方法，可以将高维度的非结构化信息聚合到一个二维或者更高维的坐 ......
多开软件对Windows电脑上的网络性能有何影响？
多开软件对Windows电脑上的网络性能的影响 随着计算机和互联网的普及，人们对网络性能的要求越来越高。在使用Windows电脑时，我们经常需要同时打开多个应用程序，这就需要考虑到多开软件对网络性能的影响。本文将探讨多开软件对Windows电脑上的网络性能可能产生的影响，并提出一些优化建议。 首先， ......
手写Conformer网络结构
import torch from torch import nn x = torch.randint(0, 10, size=(5, 280,80)) length = torch.tensor([10,9,9,9,9]) x.size(),x.shape,x[0].shape,length # ......
配置PXE网络安装服务器实现网络安装CentOS系统
配置PXE网络安装服务器实现网络安装CentOS系统PXECentOS网络安装系统 一、服务器设置 使用的一台CentOS 7虚拟机，网卡选择桥接模式，IP地址是192.168.199.129。 1. 挂载系统镜像 把要安装的CentOS镜像放到VMware的CD驱动器里。如图所示。 enter d ......
配置PXE网络安装服务器实现网络安装CentOS系统
服务器设置 使用的一台CentOS 7虚拟机，网卡选择桥接模式，IP地址是192.168.199.129。 挂载系统镜像 把要安装的CentOS镜像放到VMware的CD驱动器里。如图所示。 在虚拟里创建挂载点，并挂载ISO镜像。 mkdir -p /media/mydvd/ mount /dev/ ......
配置PXE网络安装服务器实现网络安装CentOS系统
服务器设置 使用的一台CentOS 7虚拟机，网卡选择桥接模式，IP地址是192.168.199.129。 挂载系统镜像 把要安装的CentOS镜像放到VMware的CD驱动器里。如图所示。 /home/wd/Pictures/截图/截图 2023-12-09 21-28-28.png 在虚拟里创建 ......
网络分类器 cgroup 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/admin-guide/cgroup-v1/net_cls.html 网络分类器 cgroup 网络分类器 cgroup 提供了一个接口，用于给网络数据包打上一个类别标识符（classid）。 流量控制器（tc）可以用来为来自 ......
网络优先级cgroup 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/admin-guide/cgroup-v1/net_prio.html 网络优先级cgroup 网络优先级cgroup提供了一个接口，允许管理员动态设置由各种应用程序生成的网络流量的优先级。 通常情况下，应用程序会通过SO_P ......
基于支持向量机SVM和MLP多层感知神经网络的数据预测matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 支持向量机（SVM）和多层感知器（MLP）是两种常用的机器学习算法，它们在数据预测和分类任务中都有广泛的应用。下面将详细介绍这两种算法的原理和数学公式。 一、支持向量机（SVM） 支持向量机是一种二分类算法，其基 ......
《网络空间安全导论》第5周学习总结
学期：2023-2024-1 学号：20232402 《网络空间安全导论》第5周学习总结 教材学习内容总结 教材学习中的问题和解决过程 问题1：不太理解非结构信息自组织聚合表达技术 问题1解决方案： 询问ChateGPT。 非结构信息自组织聚合表达技术（Unstructured Informatio ......
基于Qt的Live2D模型显示以及控制
基于Qt的Live2D模型显示以及控制 基本说明 Live2D官方提供有控制Live2D模型的SDK,而且还提供了一个基于OpenGL的C++项目Example,我们可以基于该项目改成Qt的项目，做一个桌面端的Live2D桌宠程序。 官方例子 经过改造效果如下图所示。 官方项目配置 下载官方提供的S ......
状态机模型
1.acwing 1057 闫氏DP分析法状态表示fi,j,kfi,j,k—集合： 考虑前 i 天的股票，第 i 天的 决策 是 k，且完成的 完整交易数 为 j 的方案 状态表示fi,j,kfi,j,k—属性： 方案的总利润 最大MAX 状态计算fi,j,kfi,j,k： fi,j,0=max(f ......
模型评价指标
网址 ：https://blog.csdn.net/seagal890/article/details/105059498 True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类。 False Negative（FN）：假负类。样本的真实类别是正类，但是模型将其 ......
2023-2024-1 20232301 《网络》第5周学习总结
教材学习内容总结 教材学习中的问题和解决过程 问题1：对于基于语义的海量媒体内容特征快速提取与分类技术，书上暂未举出具体例子，使我在理解上稍有欠缺 问题1解决方案：通过不断询问chatgpt，我得到了以具体的体育文章为实例的回答，如下： “当涉及到基于语义的海量媒体内容提取与分类技术时，下面是一个更 ......
饮冰十年-人工智能-FastAPI-03- FastAPI之模型迁移（类似Django的migrante）
在开发 Web 应用程序时，通常会涉及到数据库模型的更改，例如添加新的表、字段或索引。为了使这些更改反映在数据库中，我们使用数据库迁移工具。FastAPI 本身并不包含数据库迁移（migration）的功能，但你可以使用第三方库来处理数据库迁移。其中，Alembic 是一个常用的数据库迁移工具，可以 ......
动手实现基于 JSON 和 OData 两种数据模型的 Web 应用表格控件行项目的添加和删除
文章标题描述的需求是笔者在工作和网络上经常收到的前端开发领域的咨询话题之一。Web 应用的表格控件，在切换到编辑模式下之后，给用户提供了行项目的添加和删除功能。基于 MVC 和 MVVM 框架的前端控件，都离不开 Model 即数据模型层。 笔者工作中使用最多的模型层实现技术，即 JSON 模型和 ......
2023-2024-1 20232327《网络空间安全导论》第五周学习总结
2023-2024-1 20232327《网络空间安全导论》第五周学习总结 教材学习内容总结 1.信息内容安全是研究利用计算机从包含海量信息并且迅速变化的网络中对特定安全主题相关信息进行自动获取、识别和分析的技术； 2.网络爬虫是按照一定规则，自动抓取有互联网信息的程序或脚本； 3.信息过滤是指从动 ......
Django 含有外键模型新增数据以及序列化
Django 含有外键模型新增数据以及序列化 Django 原生实现外键 class AppleModel(models.Model): id=models.AutoField(primary_key=True) app_name=models.CharField(max_length=50) cl ......
2023年下半年网络工程师
上午：56 下午：46 有点意外，因为对下午的案例确实没底，从2022年下半年开始，感觉难度提升了不少。 上午的题刷刷历年真题基本OK了， 下午的题多看看华为的配置命令，考试前一个月，在公司休息的时候，就打开华为的交换机/路由器的配置命令来看， 下午案例题经常考不在书本上的一些配置命令。 疫情期间的 ......