卷积 神经网络 深度 模型
Security Reduction学习笔记(1):密码系统与安全模型的定义
课件地址:Book (uow.edu.au),原作者声明该课件对人类和外星人免费开放 (￣_￣|| ) 现代密码学概念: 现代密码学与经典密码学的区别在于它强调定义(definitions)、模型(models)和证明(proofs). 定义澄清:密码学(Cryptology)= 设计密码学(Cry ......
狄利克雷卷积
更新日志： 2023/10/15：发布文章 一、前置芝士 积性函数 卷积 二、定义 对于两个数论函数 \(f(x),g(x)\) 的狄利克雷卷积的结果 \(h(x)\) 定义为 \(h(x) = \sum_{d|x} f(d)g(\frac x d)\)，简记为 \(h = f*g\) 特别地，由于 ......
Easysearch压缩模式深度比较：ZSTD+source_reuse的优势分析
引言 在使用 Easysearch 时，如何在存储和查询性能之间找到平衡是一个常见的挑战。Easysearch 具备多种压缩模式，各有千秋。本文将重点探讨一种特别的压缩模式：zstd + source_reuse，我们最近重新优化了 source_reuse,使得它在吞吐量和存储效率方面都表现出色。 ......
PyTorch之线性回归模型
1 简介 1.1 线性回归模型简介 线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = wx+e，e为误差服从均值为0的正态分布。其中只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，称为一元线性回归。 1 ......
车辆车型识别系统python+TensorFlow+Django网页界面+算法模型
一、介绍 车辆车型识别系统。本系统使用Python作为主要开发编程语言，通过TensorFlow搭建算法模型网络对收集到的多种车辆车型图片数据集进行训练，最后得到一个识别精度较高的模型文件。并基于该模型搭建Django框架的WEB网页端可视化操作界面。实现用户上传一张车辆车型图片识别其名称。 二、系 ......
python学习——回归模型
从本篇开始记录一下我在研究生阶段的学习 作业之成人死亡率预测（回归模型） 1 实验介绍 1.1 实验背景 成年人死亡率指的是每一千人中15岁至60岁死亡的概率（数学期望）。这里我们给出了世界卫生组织（WHO）下属的全球卫生观察站（GHO）数据存储库跟踪的所有国家健康状况以及许多其他相关因素。要求利用 ......
《算法学习专栏》—— DP问题之状态机模型
2023年10月13日 更新于2023年10月13日 一、前言 本栏，为状态机模型，题目主要来源日常，目前主要来源于Acwing的提高课。希望以后做到状态机的题目，也能加进来，不断完善。使用的分析方法均为闫式DP分析法。字臭。。。希望能用手写板慢慢写的好看。 二、状态机模型 2.1 对于状态机的考虑 ......
ABM仿真模型介绍
从个体动机到群体规律-ABM仿真模型介绍 今天我们谈一谈单体/多体仿真模型，模型的英文名称为Agent based modeling，以下简称为ABM模型。 像我们熟悉的基于元胞自动机原理、的生命游戏，不同的生命体按照同一规则，在所设置好的环境中进行交互，演变出复杂的形态，这就是一类典型的ABM模型 ......
深度学习模型在基因组选择中的预测能力（统计、总结）
Gianola et al. [61]: 应用：基因组选择。 比较：多层感知器（MLP）与贝叶斯线性回归（BRR）。 结果：在小麦数据集中，随着隐藏层神经元数量的增加，MLP的预测能力提高。MLP对BRR的性能提高了11.2%至18.6%。在Jersey数据集中，MLP也超越了BRR，特别是在脂肪产 ......
深度学习不如GBLUP的原因
深度学习，尤其是最近几年，被广泛宣传为可以处理复杂问题的强大工具。然而，我们必须理解，在某些特定的问题或数据集上，传统的方法有时可能更适合或更稳定。以下是一些可能解释为什么在考虑G × E交互效应时，深度学习没有表现得像GBLUP模型那么好的原因： 数据量和复杂性：深度学习模型，特别是大型的网络，需 ......
9月大型语言模型研究论文总结
大型语言模型(llm)在今年发展迅速，随着新一代模型不断地被开发，研究人员和工程师了解最新进展变得非常重要。本文总结9-10月期间发布了一些重要的LLM论文。 这些论文涵盖了一系列语言模型的主题，从模型优化和缩放到推理、基准测试和增强性能。最后部分讨论了有关安全训练并确保其行为保持有益的论文。 优化 ......
*【学习笔记】(4) 网络流
1.算法简介 网络 一个网络 \(G = (V,E)\) 是一张有向图，图中每条有向边 \((x,y) \in E\) 都有一个给定的权值 \(c(x,y)\) ,称为边的的容量。特别的，若 \((x,y) \notin E\), 则 \(c(x,y) = 0\)。图中还有两个指定的特殊节点 \(S ......
主机字节序和网络字节序
小端字节序和大端字节序 考虑一个16位整数，它由2个字节组成。内存中存储这两个字节有两种方法：一种是将低序字节存储在起始地址，这称为小端（little-endian）字节序；另一种方法是将高序字节存储在起始地址，这称为大端（big-endian）字节序。Inter x86、ARM核采用的是小端模式， ......
图渲染示例-几何深度学习图分割
图渲染示例-几何深度学习图分割 1 图分割示例 图分割是对图的每个组成部分，节点或边进行分类的任务，如图1所示。 从较大的语义分段数据集中，提取出了四足数据集，并显示了此任务的真实标签。在这种情况下，每一部分都有属于五种可能类别之一的标签：耳朵，头部，躯干，腿和尾巴。根据此局部级别的信息，生成节点或 ......
【转载】基于Bursa模型的七参数空间三维坐标转换
基于Bursa模型的七参数空间三维坐标转换 转载自 基于Bursa模型的七参数空间三维坐标转换-CSDN博客 一、Bursa模型简介 模型简介百度即可，这里不做介绍，因为不是自己整理的。 二、Bursa模型的推导 2.1 Bursa坐标转换模型 \[\begin{bmatrix} X\\ Y\\ Z ......
力扣第 115 场双周赛（完全背包，多重背包，前缀和，最长上升子序列模型）
模拟题，记录一个k值，表示上一次记录到哪里了。若遇到prev则移动k；否则重置k； class Solution { public: vector<int> lastVisitedIntegers(vector<string>& words) { vector<int> nums, res; int ......
阿里云易立：以云原生之力，实现大模型时代基础设施能力跃升 | KubeCon 主论坛分享
今天，由云原生计算基金会 CNCF 主办的 KubeCon+CloudNativeCon+OpenSourceSummit China 2023 主论坛在上海举办。阿里云容器服务负责人易立在主论坛发表演讲，介绍阿里云为大模型提供的基础设施能力，以及通过云原生 AI 的方式助力大模型普惠提效。 ......
【计算机网络】网络层
网络层的功能 网络层向上提供简单灵活的、无连接的、尽最大努力交付的数据报服务，因此路由器就设计的比较简单，价格低廉。而可靠性由传输层负责。这种设计使得网络造价低、运行灵活。 异构网络互连 异构网络互连（Heterogeneous Network Interconnection）是指将不同类型和技术的 ......
【计算机网络】计算机网络的性能指标
计算机网络的性能指标 1. 速率 速率是指数据在网络中传送的速度，通常用比特率或数据率来表示，单位是b/s，或bit/s，即比特每秒，或者bps(bit per second)。 速率单位：1 Ybps = 10^24 bps(尧), 1 Zbps = 10^21 bps(泽), 1 Ebps = ......
基于Googlenet深度学习网络的人员行为动作识别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 VGG在2014年由牛津大学著名研究组vGG (Visual Geometry Group)提出，斩获该年lmageNet竞赛中Localization Task (定位任务)第一名和 Classificatio ......
计算机网络---内积判断是否向站内发送数据
https://blog.csdn.net/Nimrod__/article/details/113448050 这个链接是讲的关于内积的判断 一个站如果要发送比特1，则发送他自己的mbit码片序列。 一个站如果要发送比特0，则发送自己的mbit码片序列的反码。 在码分多址中，任何一个站和其他各占的 ......
Java 深度优先搜索 and 广度优先搜索的算法原理和代码展示
111. 二叉树的最小深度 题目：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。 方法1：深度优先搜索 原理：深度优先搜索（Depth First Search）是一种遍历图的算法，它从图中的某个顶点出发，沿着一条路径不 ......
手动在本地搭建GPT大模型过程
20211325手动在本地搭建GPT大模型过程 一、搭建原因 暑假期间由于闲着无聊且有娄老师在群里经常发一些GPT相关的文章和资料，因此对GPT有了兴趣，再加上我也经常在github上浏览和下载使用一些有趣的公开项目，由此开始着手了解GPT的构建和训练。 二、搭建过程（由于当时没有想到要写博客因此截 ......
瀑布模型
软件开发的各项活动严格按照线性方式进行,当前活动接受上一项活动的工作结果实施完成所需的工作内容当前活动的工作结果需要进行验证.如果验证通过,则该结果作为下一项活动的输入继续进行下一项活动,否则返回修改 优点 1）为项目提供了按阶段划分的检查瀑布模型查点。 2）当前一阶段完成后，只需要去关注后续阶段。 ......
【分享】讯飞星火认知大模型Python调用上下文测评
一个很常用的用法，先是system提示 , 然后是user问题 {"role": "system", "content": "假设你是个程序员，你的微信是llike620"}, {"role": "user", "content": "微信多少"} openai测试 import openai # ......
【分享】百度千帆大模型Python调用上下文测评
一个很常用的用法，先是system提示 , 然后是user问题 {"role": "system", "content": "假设你是个程序员，你的微信是llike620"}, {"role": "user", "content": "微信多少"} openai测试 import openai # ......
【CV】图像去雾物理模型推导
经典大气散射模型描述如下： \[I(x)=J(x)t(x)+A(1-t(x)), \]其中\(I(x)\)为带雾图像，\(J(x)\)为清晰图像，\(t(x)\)为透射率，\(A\)为全局全局背景光。通常定义 \[t(x)=e^{-\beta d(x)}, \]其中\(\beta\)为大气散射系数， ......