学习网络 算法fasterrcnn深度
Pandas 学习手册中文第二版：6~10
原文：Learning pandas 协议：CC BY-NC-SA 4.0 译者：飞龙 六、索引数据 索引是用于优化查询序列或数据帧中的值的工具。 它们很像关系数据库中的键，但是功能更强大。 它们为多组数据提供了对齐方式，还带有如何处理数据的各种任务（如重采样到不同频率）的语义。 您将对 Panda ......
Pandas 学习手册中文第二版：11~15
原文：Learning pandas 协议：CC BY-NC-SA 4.0 译者：飞龙 十一、合并，连接和重塑数据 数据通常被建模为一组实体，相关值的逻辑结构由名称（属性/变量）引用，并具有按行组织的多个样本或实例。 实体往往代表现实世界中的事物，例如一个人，或者在物联网中，是一个传感器。 然后，使 ......
机器学习
一、机器学习概述 1、人工智能概述 人工智能发展必备三要素： 数据 算法 计算力 人工智能、机器学习、深度学习 机器学习是人工智能的一个实现途径 深度学习是机器学习的一种方法 机器学习、深度学习能做什么 传统预测：店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类 图像识别：街道 ......
Pandas 学习手册中文第二版：1~5
原文：Learning pandas 协议：CC BY-NC-SA 4.0 译者：飞龙 一、Pandas 与数据分析 欢迎来到《Pandas 学习手册》！ 在本书中，我们将进行一次探索我们学习 Pandas 的旅程，这是一种用于 Python 编程语言的开源数据分析库。 pandas 库提供了使用 ......
CS231N assignment 2#3 _ dropout 学习笔记 & 解析
dropout 定义 & 作用 & 基本实现 如课程所说,dropout最大的意义在于防止过拟合. 我们还记得, dropout在网络架构上介于激活函数之后, 下一层输入之前. 想法很简单, 就是将隐含层的某些数据屏蔽掉, 直接从以输入到下一层, 概率为p. 需要注意的是, dropout是仅针对训 ......
论结构化、系统性的学习
在大的工作环境以及普遍的生活压力下。对以后充满了迷茫。 尤其是30多岁以后的人生。 中年的危机与焦虑如何避免？ 职场的规划与路线怎么制定？ 生活的压力与焦灼如何解决？ 家庭的压力..... 其实主要还是职场的规划。人，一般来说，对于百分之九十九以上的人，都是要工作的。那么在国内这样的中年危机普遍存在 ......
排序算法-交换排序
排序算法-交换排序 1. 冒泡排序Bubble Sort 1.1 Bubble Sort介绍 冒泡排序（Bubble Sort）的基本思想是：通过对待排序的序列进行从左往右（即从下标较小的元素开始），依次比较相邻元素的值，若逆序则将其顺序交换。重复执行此过程直至没有需要交换的元素，也即说明改序列完成 ......
百钱百鸡问题（改进算法）
#include<iostream>using namespace std;int main(){ int cock, hen, chicken; for (cock = 0; cock <= 20; cock++) { for (hen = 0; hen <= 33; hen++) { chick ......
机器学习（六）：回归分析——鸢尾花多变量回归、逻辑回归三分类只用numpy，sigmoid、实现RANSAC 线性拟合
[实验1 回归分析] 一、 预备知识 使用梯度下降法求解多变量回归问题 数据集 Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这 ......
NumPy 数组学习手册：1~5
原文：Learning NumPy Array 协议：CC BY-NC-SA 4.0 译者：飞龙 一、NumPy 入门 让我们开始吧。 我们将在不同的操作系统上安装 NumPy 和相关软件，并查看一些使用 NumPy 的简单代码。 正如“序言”所述，SciPy 与 NumPy 密切相关，因此您会在本 ......
NumPy 数组学习手册：6~7
原文：Learning NumPy Array 协议：CC BY-NC-SA 4.0 译者：飞龙 六、性能分析，调试和测试 分析，调试和测试是开发过程的组成部分。 您可能熟悉单元测试的概念。 单元测试是程序员编写的用于测试其代码的自动测试。 例如，这些测试可以单独测试函数或函数的一部分。 每次测试仅 ......
深度解读2023年巴菲特致股东的信
2月25日晚间，全球投资者所期待的2023年巴菲特致股东的信正式公布。每年2月底，巴菲特致股东的信成为大家学习巴菲特价值投资，以及了解巴菲特过去一年投资得失的一个重要窗口，与每年5月第一个周六召开的巴菲特股东大会一样重要。在信中，巴菲特总是毫无保留的为我们奉上投资真谛，读起来让人如沐春风，醍醐灌顶。 ......
【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）
【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等） note：项目链接以及码源见文末 1.赛题简介 了解赛题 赛题概况 数据概况 预测指标 分析赛题 数据读取pandas 分类指标评价计算示例 回归指标评价计算示例 EDA探索 载入各种数据科学以及可视 ......
CS231N assignment 2 _ normalization 学习笔记 & 解析
预警: 本次内容不算多, 但数学推导较复杂 Normalization 归一化的意义 之前内部的权重没有做过标准化. 实际上如果能标准化, 可以提升训练效果, 甚至可以提升精度(虽然不大). 设立专门的batch/layer normalization层的意义在于: 梯度更加规范 对于学习率(可以更 ......
学习笔记399—彻底明白ip地址，区分localhost、127.0.0.1和0.0.0.0
彻底明白ip地址，区分localhost、127.0.0.1和0.0.0.0 通俗的了解IP地址是什么 对于IP地址，大家并不陌生，特别是在网络访问中我们会经常使用到（平时对域名如百度的www.baidu.com的访问，本质就是对域名所绑定的IP地址的访问），那么IP地址是什么呢？ 首先，我们要知道 ......
4、Web前端学习规划：JavaScript - 学习规划系列文章
JavaScript作为Web前端里的第3重要的语言，笔者认为该重点进行学习。因为JavaScript衍生出来的框架和类库有不少，而且很强大。所以JavaScript的学习要抓好重点，在基本的语法及应用上学习相关的框架和类库，更好的为Web前端的开发应用做好准备。 1、 简介； JavaScript ......
3、Web前端学习规划：CSS - 学习规划系列文章
CSS作为Web前端开发的第2种重要的语言，笔者建议在学了HTML之后进行。CSS主要是对于HTML做一个渲染，其也带了一些语言语法函数，功能也非常强大。 1、 简介； CSS（层叠样式表）是一种用于描述网页样式的语言。它可以控制网页中的字体、颜色、布局、背景等方面的样式。CSS可以与HTML和Ja ......
03.网络编程入门
1、概述 什么是网络编程？网络编程可以让程序与网络上的其他设备中的程序进行数据交互。 网络通信的基本模式：Client-Server(CS)、Browser/Server(BS) CS模式 BS模式 网络通信三要素🔺 IP地址：设备在网络中的地址，是唯一的标识。 端口：应用程序在设备中唯一的标识。 ......
学习笔记398—CentOS 7版本的Linux网络设置
CentOS 7版本的Linux网络设置 一、ifconfig命令查看网络接口信息1、当ifconfig命令不带人和选项和参数时，将显示当前主机中以启用的网络接口信息。如图我们执行“ifconfig”命令可以看到ens33、lo以及vibro三个网络接口的信息 上图中ens33对应为第1块物理网卡； ......
使用深度学习预测低压网络的电压分布 低电压(LV)电路的能量分布将发生变化，而以前的被动“适应和-“忘记”的网络管理方法将是低效的
使用深度学习预测低压网络的电压分布 低电压(LV)电路的能量分布将发生变化，而以前的被动“适应和-“忘记”的网络管理方法将是低效的，以确保其有效运行。 需要一种自适应的方法，包括对电路风险的预测。 文献中描述的大多数方法都要求网络具有完全的可观察性。 考虑到智能电表(SM)覆盖所有低压网络的可能性很 ......
故障馈线检测对于维护配电网络中能源供应的安全性和稳定性至关重要
故障馈线检测对于维护配电网络中能源供应的安全性和稳定性至关重要。 为了提高检测精度，本研究提出了一种基于叠加零序电流图像识别的故障馈线检测方法。 利用卷积神经网络（CNN）识别同一图中的叠加电流，而不是原始的单个电流，可以实现电流之间的相关性比较。 此外，不同馈线的零序电流按特定顺序叠加，CNN可以 ......
matlab源代码粒子群优化算法分布式电源选址定容 电力系统大数据分析的卷积神经网络 python源代码
（1）粒子群优化算法分布式电源选址定容 如图12 matlab源代码，代码按照高水平文章复现，保证正确 分析了分布式电源接入配电网前后对网络损耗的影响，在此基础上提出采用混合模拟退火算法的改进粒子群优化算法进行分布式电源选址和定容的计算，其目的是使配电系统网络损耗进一步减少。 最后通过两个算例将本文 ......
电力现货价格模型中的贝叶斯校正与跳变分量个数 Matlab C++-Mex源代码MCMC算法
电力现货价格模型中的贝叶斯校正与跳变分量个数 Matlab C++-Mex源代码MCMC算法，保证正确 模拟现货电价峰值。 这是通过开发用于贝叶斯模型校准的马尔可夫链蒙特卡罗(MCMC)程序和模型充分性的贝叶斯评估(后验预测检查)来实现的。 通过将消季节化的电力现货价格建模为扩散的总和过程和多重有符 ......
230413 关于单词的学习与总结
过去学习的总结 你过去一段时间,其实花了相当多的时间去学习单词. 比如,朗文3000,短语词汇,主要动词,其实,整体来看,效果很差. 投入了相当多的时间,但是,整体的效果远低于预期. 大部分你忘记了,没有忘记的也没有办法输出,比如读音输出与写作输出. 你在过去,投入相当多的时间,只是在做简单的输入学 ......
基于pmu的多接地配电系统状态估计.matlab源代码 线性网络建模和相量测量单元(pmu)简化了传统的系统状态估计问题
基于pmu的多接地配电系统状态估计.matlab源代码，，代码按照高水平文章复现，保证正确 线性网络建模和相量测量单元(pmu)简化了传统的系统状态估计问题。 现有的基于sse - pmu的多相模型是线性的，其中接地电阻是一个固定不变的参数。 然而，接地电阻很大程度上取决于湿度和温度随时间的变化。 ......
一种实时机会约束决策的快速方法及其在电力系统中的应用源代码 利用回归卷积神经网络和支持向量回归模型对用电量进行预测
（1）一种实时机会约束决策的快速方法及其在电力系统中的应用源代码，保证正确 使用情景方法来解决实时机会约束决策问题的可能性，在这些问题中，未知参数的新信息通过测量变得可用。 约束的仿射性质已被利用来推导一种变化的场景方法，它不需要根据条件分布重新采样参数空间。 通过对样本的预处理，可以用极其有限的计 ......
电网管理中的分层决策 matlab源代码 我们应用强化学习(RL)方法来用于实时电网可靠性 提出了一个交错的双mdp模型，启发了电网可靠性管理的层次决策问题
电网管理中的分层决策 matlab源代码，代码按照高水平文章复现，保证正确 电网管理是一个多时间尺度决策和随机行为的难题。 在面对不确定性的情况下解决这一问题需要一种具有易于处理的算法的新方法。 引入了一个新的复杂系统的层次决策模型。 我们应用强化学习(RL)方法来用于实时电网可靠性。 我们设计了一 ......
包含线路和发电机N-1安全约束的风力发电的不确定性 评估了突发事件和不同程度风电渗透率的经济影响，验证了算法的有效性和可扩展性
（1）包含线路和发电机N-1安全约束的风力发电的不确定性 如图1-2 源代码，代码按照高水平文章复现，保证正确 Julia编程语言并使用了CPLEX 12.2 随着可再生风能普及率的不断提高，电网运营商面临的主要挑战之一是如何以可靠和成本效益的方式控制输电网。 风力的随机性改变了传统的提前和前瞻机组 ......
微电网高效能源管理的随机博弈 python源代码 构建了一个随机博弈框架，包括一个微电网网络，使能源交易、
微电网高效能源管理的随机博弈 python源代码，代码按照高水平文章复现，保证正确 构建了一个随机博弈框架，包括一个微电网网络，使能源交易、动态定价和作业调度成为可能。 为了解决这一问题，我们设计了一种新的双网络模型(ET和ADL网络)，它可以同时进行动态定价和需求调度。 为了计算各种设置下的最优策 ......