卷积 神经网络 深度 模型
学期2023-2024-1学号20232417《网络》第5周学习总结
教材内容总结 通过对本章内容的学习，我了解了学习内容安全的定义、信息内容安全威胁的由来以及种类、信息内容的获取流程以及模型和技术以及网络舆情相关的内容。 教材学习中的问题及解决过程： 问题：对于网络爬虫的定义以及工作的原理还是不太清楚 解决办法：1.参考博客网络爬虫的基本原理是什么 2.询问Chat ......
Socket.D 网络应用协议，v2.1.6 发布
基于事件和语义消息流的网络应用协议
有用户说，“Socket.D 之于 Socket，尤如 Vue 之于 Js、Mvc 之于 Http” ......
机器学习-线性回归-模型解析解-02
1. 解析解 解析解的公式 import numpy as np import matplotlib.pyplot as plt # 有监督机器学习 # X y X = 2 * np.random.rand(100, 1) # np.random.rand # 100行 1列的 [0, 1) 之间均 ......
模型理论知识
人工智能：机器学习、对环境的感知、实现动作 机器学习 学习： 2.机器学习三要素：数据、算法、模型 机器学习研究的是从数据中通过选取合适的算法，自动的归纳逻辑或规则，并根据这个归纳的结果(模型)与新数据来进行预测。 3.深度学习是在机器学习的基础上实现的，得益于机器性能的提升。神经网络则是深度学习的 ......
第三单元 模型创建
模型创建分为正向工程（CodeFirst）与反向工程(DbFirst). 正向工程的模型配置也可以创建任意的数据库关系对象，如：字段，字段说明，表，索引，外键等等。 可在派生上下文中替代 OnModelCreating 方法，并使用 ModelBuilder API 来配置模型。 此配置方法最为有效 ......
深度学习面试常用代码：MHA/MQA/GQA/LN/BN/位置编码代码
深度学习常用代码 参考: https://zhuanlan.zhihu.com/p/650575426 1. MHA(MultiHeadAttention)代码实现 # 1. MHA实现 import torch import torch.nn as nn import torch.nn.funct ......
isRef()、unRef()、toRef()、toRefs()深度解析，为啥解构会失去响应式？
前言 isRef()、unRef()、toRef()、toRefs()这几个函数他们各自都有什么功能，在什么场景下应用以及有哪些细节是我们没有注意到的，我们一起来看一下，为了方便大家理解和对照，这里以官方文档说明 + 解析的方式讲解。 isRef() 检查某个值是否为 ref。 类型 ts func ......
6.二叉树的最小深度
111. 二叉树的最小深度 1、概要 给定一个二叉树，找出其最小深度。 最小深度是从根节点到最近叶子节点的最短路径上的节点数量。 说明: 叶子节点是指没有子节点的节点。 二叉树节点的深度：指从根节点到该节点的最长简单路径边的条数或者节点数（取决于深度从0开始还是从1开始） 二叉树节点的高度：指从该节 ......
5.二叉树的最大深度
104. 二叉树的最大深度 1、概要 给定一个二叉树 root ，返回其最大深度。 二叉树的 最大深度 是指从根节点到最远叶子节点的最长路径上的节点数。 说明: 叶子节点是指没有子节点的节点。 可以使用前序求深度，也可以使用后序求高度。 二叉树节点的深度：指从根节点到该节点的最长简单路径边的条数或者 ......
金牌导航-网络流初探
网络流初探 例题B题解 从源点向每个猪圈连边，每个人向汇点连边。然后对于每个人所能打开的猪圈，如果在此之前没有被其他人连过，就让这个猪圈连向这个人，否则让这个人连向之前那个人。 例题B代码 #include<bits/stdc++.h> using namespace std; inline int ......
三维模型的顶层合并构建的模型质量提升方法探讨
三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作，从而实现三维模型轻量化。轻量化压缩比大，模型轻量化效率高，自动化处理能力高；采用多种算法对三维模型进行几何精纠正处理，精度高，... ......
论文精读：基于具有时空感知的稀疏多图卷积混合网络的大数据驱动船舶轨迹预测（Big data driven trajectory prediction based on sparse multi-graph convolutional hybrid network withspatio-temporal awareness）
论文精读：基于具有时空感知的稀疏多图卷积混合网络的大数据驱动船舶轨迹预测 《Big data driven vessel trajectory prediction based on sparse multi-graph convolutional hybrid network with spati ......
2023第八届上海市大学生网络安全大赛-磐石行动(misc+crypto) WP
Crypto bird 题目 docx文档出现： 我的解答： 使用在线工具即可：https://www.dcode.fr/birds-on-a-wire-cipher flag{birdislovely} crackme 题目 import os import string from random ......
2023-2024-1 20232309 《网络空间安全导论》第14（5）周学习总结
2023-2024-1 20232309 《网络空间安全导论》第14（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 1.什么是Spam? 。。。。好好好 2.爬虫相关原理？ emmmmm果然现在看懂怎么操作的具体过程对我来说还是太困难了。。。 3.怎样算非结构化信息？ 基于AI的学习 ......
大语言模型“祛魅”
基于特斯拉前AI总监 Andrej Karpathy 的教程讲解 | 啥都会一点的研究生公众号 1. 概念解释 Large Language Models-大语言模型，LLMs 大模型的组成：参数文件 + 运行这些参数的代码文件 LLMs：经验性的人工制品，目前尝试去解释参数运行的原理，但只能解释一 ......
ASP.NET Core 8 在 Windows 上各种部署模型的性能测试
ASP.NET Core 8 在 Windows 上各种部署模型的性能测试 我们知道 Asp.net Core 在 windows 服务器上部署的方案有 4 种之多。这些部署方案对性能的影响一直以来都是靠经验。比如如果是部署在 IIS 下，那么 In Process 会比 Out Process 快 ......
网络时间验证
#命名InitSock.h #include <winsock2.h>#pragma comment(lib, "WS2_32") // 链接到WS2_32.lib class CInitSock {public: CInitSock(BYTE minorVer = 2, BYTE majorVer ......
2023-2024-5 20232419《网络空间安全导论》第5章预习总结
内容安全基础 信息内容安全 总结：信息安全有关内容的获取分析和网络上的，又分别有混合网络社区、跨媒体内容高性能提取，多媒体群体理解技术、多元网络媒体信息数据清洗，和内容中心网络命名攻击和缓存污染等。 网络信息内容获取 信息内容分析处理 网络舆情内容监测预警 总结：网络舆情系统彰显社会主义民主，贯彻科 ......
《2023-2024-1 20232415 《网络》第四周学习总结》
信息内容安全是日益受到越来越多的重视并得到不断发展的领域，它跨越多媒体信息处理、安全管理、计算机网络、网络应用等多个研究领域，直接和间接地应用各个研究领域的最新研究成果，结合信息内容安全管理的具体需求，发展出具有自己特点的研究方向和应用。 问题一：什么是网络爬虫？ 问题一解决方案：向chatGPT提 ......
网络安全导论第四章
1.系统安全概述 系统安全的演进 系统与系统安全 整体论与还原论 系统安全思维 2.系统安全原理 基本原则 限制性原则 最小特权原则 失败——保险原则 完全仲裁原则 特权分离原则 信任最小化原则 简单性原则 机制经济性原则 公共机制最小化原则 最小惊讶原则 公开设计原则 参差化原则 抽象化原则 模块 ......
学期（2023-2024-1） 学号（20232411）《网络空间安全导论》第五周学习总结
学期（2023-2024-1） 学号（20232411）《网络空间安全导论》第五周学习总结 教材学习内容总结 本周我学习了《网络空间安全导论》的第五章，其主要讲述了内容安全的概述，意义及其面对的主要威胁，以及信息内容的分析与处理方法，网络舆情系统的功能及应用。 在学习过程中，我总结了如下要点，以思维 ......
网络影视资源-Emby家庭媒体服务-IPTV-m3u播放器
title: 网络影视资源 - Emby家庭媒体服务 - IPTV m3u播放器 tags: [IPTV,网络影视资源,andriod,直播,livetv,tv,机顶盒,m3u,Emby] 新版原文: https://www.carlzeng.top/search?q=网络影视资源 - Emby家庭 ......
生成模型的两大代表：VAE和GAN
生成模型 给定数据集，希望生成模型产生与训练集同分布的新样本。对于训练数据服从\(p_{data}(x)\)；对于产生样本服从\(p_{model}(x)\)。希望学到一个模型\(p_{model}(x)\)与\(p_{data}(x)\)尽可能接近。 这也是无监督学习中的一个核心问题——密度估计问 ......
2023-2024-1 20232426刘嘉成 《网络空间安全导论》第5周学习总结
2023-2024-1 20232426刘嘉成 《网络空间安全导论》第5周学习总结 教材学习内容总结 教材学习思维导图 教材学习中的问题和解决过程 问题：在学习信息内容分类时，不明白支持向量机。 解决方案：询问chatgpt。 支持向量机（Support Vector Machine，SVM）是一种 ......
网络空间安全导论第五章
学期（2023-2024-1） 学号（20232418） 《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1：信息内容安全的主要技术有哪些 问题1解决方案： 信息内容安全的主要技术包括以下几种： 加密技术：通过对信息进行加密，确保信息在传输和存储过程中不被未经授权的第三方获 ......
物理信息神经网络(PINN)
什么是物理信息神经网络(PINN)？ 宋家豪, 曹文博, and 张伟伟. "FD-PINN: 频域物理信息神经网络." 力学学报 55.5 (2023): 1195-1205. 物理信息神经网络（PINN）是一种将深度学习与物理建模相结合的方法，用于求解偏微分方程（PDE)和其他物理问题。PINN ......
2023-2024-1 20232403 《网络》第5周学习总结
思维导图 与ChatGPT对话自测 学习心得 内容安全相较于前几章理解起来较为容易，网络内容安全是指保护网络中的信息和数据免受未经授权的访问、使用、修改或破坏的一系列措施。学习网络内容安全的目的是为了提高个人和组织在网络环境中的安全性。学习网络内容安全让我了解到了网络攻击的种类和方式。黑客利用各种手 ......
学期 2023-2024-1 20232326《网络空间安全导论》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1：每种基于帧的音频特征的 定义与实际意义是什么？ 问题1解决方案：基于帧的音频特征是一种将音频信号分割成小段（或称为帧）并计算每个帧的特征的方法。通过对每个帧进行特征提取，可以更好地捕捉音频信号的时域和频域信息，从而在音频处理和分析中发挥重要作用。 ......