学习网络 算法fasterrcnn深度
「学习笔记」模运算与 BSGS 算法
## 取模 > 取模符号：$x \bmod y$，表示 $x$ 除以 $y$ 得到的余数。 例如， $$ 5 \bmod 3 = 2\\ 7 \bmod 4 = 3\\ 3 \bmod 3 = 0\\ $$ 设 $x$ 为被除数，$y$ 为除数，$z$ 为余数，则 $x = k \cdot y + ......
深度学习应用篇-计算机视觉-图像增广[1]：数据增广、图像混叠、图像剪裁类变化类等详解
# 深度学习应用篇-计算机视觉-图像增广[1]：数据增广、图像混叠、图像剪裁类变化类等详解 # 一、数据增广 在图像分类任务中，图像数据的增广是一种常用的正则化方法，主要用于增加训练数据集，让数据集尽可能的多样化，使得训练的模型具有更强的泛化能力，常用于数据量不足或者模型参数较多的场景。除了 Ima ......
【CUDA】GPU编程实现NTT算法
~~怎么有人选题迟了么得FFT啊。~~好久没更新博客了，来水一发！ 参考资料： NTT：https://oi-wiki.org/math/poly/ntt/ CUDA实现FFT并行计算：https://blog.csdn.net/Liadrinz/article/details/106695275 ......
强化学习基础篇[3]：DQN、Actor-Critic详细讲解
# 强化学习基础篇[3]：DQN、Actor-Critic详细讲解 # 1.DQN详解 ## 1.1 DQN网络概述及其创新点 在之前的内容中，我们讲解了Q-learning和Sarsa算法。在这两个算法中，需要用一个Q表格来记录不同状态动作对应的价值，即一个大小为 $[状态个数，动作个数]$ 的二 ......
「学习笔记」容斥原理
## 引入 $A_1$：学语文的人， $A_2$：学数学的人，$A_3$：学英语的人，$A_4$：学 OI 的人 $A_1 \cap A_2$：同时学语数的人 $A_1 \cup A_2$：学语文或数学的人 $\left | A_1 \cup A_2 \right | = \left | A_1 \ ......
2023年第三届陕西省大学生网络安全技能大赛本科高校组
## Crypto ### 奇怪的sar 第一步常规的lcg算法 ```python n1 = 137670797028117726329534659376416493367957852768263083700434198723955223922183386928456013703791817601 ......
文心一言 VS 讯飞星火 VS chatgpt （30）-- 算法导论5.2 2题
## 二、在 HIRE-ASSISTANT 中，假设应聘者以随机顺序出现，你正好雇用两次的概率是多少？ ## 文心一言： 我们可以先计算出在HIRE-ASSISTANT中，雇佣一个应聘者的概率为3/4，然后计算出雇佣两次应聘者的概率为3/4 * 3/4 * 2。 已知在HIRE-ASSISTANT中 ......
【QoS预测】用于冷启动QoS预测的基于图对比学习的双子图网络
论文题目： Zhu J, Li B, Wang J, et al. BGCL:Bi-subgraph network based on graph contrastive learning for cold-start QoS prediction[J]. Knowledge-Based Syste ......
Padavan网络信息页面分析
 ssh 到路由，找到Main_WStatus_Content.asp，发现这一段是动态生成的: ``` ......
m移动通信系统中越区切换算法的matlab仿真,对比MASN,ASUR,OP
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 硬切换，就是强制切换，其最大的特点是：“先断后连”。在硬切换过程中，用户移动设备仅仅保持与一个基站链接，一旦切换操作被激活，其马上会切断原有的连接，然后再与新的基站建立连接。从一个基站切换到另个基站的过程中，通信链路有 ......
算法刷题记录：素数中的等差数列
###题目链接 https://ac.nowcoder.com/acm/contest/19859/I ###题目分析 模拟！模拟！模拟！**下标要计算好。** 自己的思路是放发现两个相等的差时，说明至少可以输出了，也就是合法情况， 然后用指针R往后扩展。我选择的R是闭区间的，即`[L,R]`的区间 ......
认识网络安全
一 网络攻击链 踩点-工具准备-载荷投递-漏洞利用-释放载荷-建立通道-目标达成 简化下： 目标侦察：准确识别目标，收集目标详细信息，比如 网络、 邮箱、员工、社会关系、对外提供服务、漏洞 信息等，为 后续攻击做准备。 边界突破：突破边界防护，获取跳板，通过各种手段 突破 边界，如应用攻击、邮件钓鱼 ......
redis设计学习
# redis数据类型 ## redis自定义字符串（SDS） redis自定义一种字符串SDS(Simple Dynamic String),该字符串数据结构大概定义了字符编码，char []数组存储字节，达到了我们存储字符串和二进制数据的需求，也实现了我们存储不同编码的字符串和二进制图片等数据。 ......
小灰灰深度学习day6——线性代数
import torch #标量由只有一个元素的张量表示 ''' x = torch.tensor(3.0) y = torch.tensor(2.0) print(x + y) print(x * y) print(x / y) print(x ** y) ''' ''' 向量可以被视为标量值组成 ......
Java实战（第2版）学习笔记
# 基本知识 **函数式编程**：Java 8 里将代码传递给方法的功能（同时也能够返回代码并将其包含在数据结构中）还让我们能够使用一整套新技巧，通常称为函数式编程。没有**共享的可变数据**，以及**将方法和函数（即代码）传递给其他方法**的能力，这两个要点是**函数式编程范式的基石。** **行 ......
【安全学习之路】Day17
  { 3 int len=s.length(); 4 boolean dp[][]=new b ......
算法刷题记录：[NOIP1999]回文数
###题目链接 https://ac.nowcoder.com/acm/contest/19859/G ###题目分析 **高精度相加 + 进制转换 + 判断回文**的模拟题。 ###AC代码 ```c++ // Problem: [NOIP1999]回文数 // Contest: NowCoder ......
【什么是CNN】入门学习随笔
什么是CNN？ https://www.bilibili.com/video/BV1zF411V7xu/?p=6&share_source=copy_web&vd_source=3a1ed9fe9b3eb506d95e8709e124a7ce CNN最基本的架构：卷积层、池化层、全连接层 带参数计算 ......
FreeRtos的移植，以及一些嵌入式学习心得。
不得不先提心得。 这不是第一次移植FreeRtos，至少是五六七八九次了，当然也不是最后一次。 但是每一次移植其实都差不多，并没有什么得心应手的感觉。原因就是学的东西太多，学的太杂。 我不得不承认，就算我天资聪慧，异于常人，记这么多知识是不可能的。人力有穷时。 尊重这个客观现实，但不放弃自己的情况下 ......
英语学习
1.祈使句的反义疑问句 2. 3. 4. 5.can`t help doing 忍不住做某事 6. 7. 8.Would you like to do sth?你愿意做某事吗? 9. 10. 11. 12.表示频率的: once a week, twice a month three times a ......
JavaScript学习笔记：浏览器事件
## 概念 客户端JavaScript程序使用异步事件驱动的编程模型。 浏览器会在文档、浏览器或某些元素或与之关联的对象发生某些事情时生成事件对象。比如文档加载完成、敲击键盘输入等。 JavaScript程序可以给某些对象绑定监听器函数来监听特定的事件，在该对象上发生指定事件时，这些函数会被执行。 ......
算法刷题记录：素数五五
###题目链接 https://ac.nowcoder.com/acm/contest/19859/E ###题目分析 一道找规律的题，我们注意`33`，当`33`的长度一样，我们只要无脑添加`4`和`8`即可。 - 4和8的关系与33的关系：有n个33，就有n-1个4或8。 **在此基础之上，因为 ......
《Just For Fun》：学习即游戏
# 《Just For Fun》：学习即游戏 最近读完了 Linus 的自传《Just For Fun》，一直想写点东西，但始终苦于工作繁忙，无暇思考该从何写起。技术上自然不用废话，Linux 的存在对于业界的贡献天下皆知，写什么都是画蛇添足。仔细回想读这本书的过程，我始终在意的是作者的思想，他对于 ......
NWP和深度学习融入物理知识在预测天气方面有一些区别。
NWP和深度学习融入物理知识在预测天气方面有一些区别。 NWP是基于物理定律和数学方程构建的数值模型。它使用大气物理学、流体动力学和热力学等领域的物理知识来描述大气和地球系统的行为。NWP模型通过对物理过程进行建模和求解来预测天气变量的演变。这些模型需要对大气系统的初始状态和边界条件进行准确的观测和 ......
【转】五分钟读懂“联邦学习”
一、“联邦学习” 是什么？有什么用？大家可能知道，我们目前常用的人工智能应用（例如人脸识别、语音识别、图像识别、智能推荐等）已经相当成熟，它们通常都依赖于大量的训练样本。也就是说，已知一个X（“样本”），要判别它是否具备Y（“特征”），我们需要大量已知的X、Y来反复训练我们的模型（这个过程叫做“学习 ......