学习资料
跟随 三维地图看世界 学习
文档说明:只记录关键地方; 2023-04-11 缘由: 搜索知识,但是搜索引擎不太好用,索性记录一下 笔记: 收藏目录: 中国人,如何给公路起名字? 果敢、佤邦、掸邦之间什么关系? 对“降准”和“降息” 区别 ......
Pytorch深度学习全流程代码框架——Base Codes for Deep Learning Using Pytorch
# 导入必要的库 import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, Dataset # 定义超参数 epochs = 10 # 训练轮数 lr ......
学习笔记——图的联通性问题
割点与割边 定义 连通分量:在一张无向图中的极大连通子图即为该图的连通分量。 割点:去掉这个点后,这张无向图的连通分量数量增加,则这个点称为这个图的割点。 割边:去掉这条边后,这张无向图的连通分量数量增加,则这条边称为这个图的割边。 求割点 主要思路 以下提到的有关树的内容,全部指的是对连通分量做 ......
深度学习-个人理解
深度学习-个人理解 深度学习模型类似一个黑盒子,输入一组数据,产生一个输出,这个输出就可以称为得分函数的输出值。 根据输出值与实际值之间的比较,通过损失函数可以求得损失值。损失值越大,代表模型的分类效果越差。 其中,通过Softmax分类器可以将分类结果映射成概率。 前向传播和反向传播 前向传播:输 ......
vue学习备忘
vue学习备忘 vue中!!、!=、== 、!==、 判断符号的用法等 !可将变量转换成boolean类型,null、undefined和空字符串取反都为false,其余都为true。 可以总结出来,“!”是逻辑与运算,并且可以与任何变量进行逻辑与将其转化为布尔值,“!!”则是逻辑与的取反运算,尤其 ......
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 ......
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 ......
【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 ......
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 ......
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 ......
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 ......
学习后台管理的低代码开发
摘要: 我们在下载若依的快速开发平台的时候,其中有一个RuoYi-ui这个前端的,我们用它在Visual Studio Code中打开,上面的菜单栏有一个终端,新建一个终端将其启动起来。 在后台管理页面中添加菜单 当我们看不见组件的路径的时候,具体的操作是这样的 快速生成前端的Vue的代码 会生成两 ......
深度学习检测不准确智能电表:一个案例研究 python源代码
深度学习检测不准确智能电表:一个案例研究 python源代码,代码按照高水平文章复现,保证正确 根据用电情况检测出故障的智能电表,并针对其进行更换,可以节省大量的资源。 为此,我们开发了一种基于长短期记忆(long -term memory, LSTM)和改进的卷积神经网络(convolutiona ......
基于自适应在线学习的概率负荷预测python联合matlab源代码
基于自适应在线学习的概率负荷预测python联合matlab源代码 负荷预测对于多种能源管理任务是至关重要的,例如调度发电能力,规划供应和需求,最小化能源交易成本。 近年来,由于可再生能源、电动汽车和微电网的整合,这种相关性甚至增加了。 传统的负荷预测技术通过利用过去负荷需求的消费模式来获得单值负荷 ......
感觉和知觉(Perception and Consciousness)的区分和学习
感觉和知觉(Perception and Consciousness) consciousness 是知觉,这个应该是被动对环境的反应和内在的意识 Perception 对对外的感觉,主动对外界的思考的探索 前缀per- 表示“完全,贯穿,自始至终,向前”。forth, ford 是其同源词。 词根 ......
价值投资者需要学习哪些知识?
价值投资的核心就在判断股票的内在价值。这需要价值投资者具备大量的相关知识,以及超强的判断能力,如果这一项做不到,其他所有项都是徒劳的。 想成为一个价值投资者需要具备的素质如下: 1.经济学知识。 经济学主要包括宏观经济学和微观经济学,如果不具备经济学知识,许多商业现象你将无法理解,如垄断企业如何获得 ......
基于模型强化学习的离网微电网终身控制Python源代码
基于模型强化学习的离网微电网终身控制Python源代码,保证正确 离网微网的终身控制问题包括两个任务,即对微网设备的状态进行估计和通过预测未来消费量和可再生产量来考虑不确定性的运行规划。 有效控制的主要挑战来自于随时间发生的各种变化。 提出了一个用于农村电气化离网微电网建模的开源强化框架。 将孤立微 ......