常量 语言学习 变量 语言
逆变器。 在simulink中采用C语言实现整个仿真，包括双闭环前馈解耦控制、S
逆变器。在simulink中采用C语言实现整个仿真，包括双闭环前馈解耦控制、SVPWM都是用C语言编写的，不是matlab编程语言if end 、for end，而是C语言，与DSP和32编程中的语言一样，整个仿真没有一个模块，只有C需要写的锁相环函数，程序的运行频率和实际的开关频率一致。可直接移植 ......
05-jQuery基本学习
jQuery基本学习 学习目标 能够知道jQuery的作用及优点 能够知道jQuery的引入方式 能够说出两种jQuery入口函数的写法 能够使用jQuery选择器获取标签元素 能够使用选择器进行标签过滤 能够说出2种选择集转移方法 能够知道获取和设置元素内容的操作 能够知道获取和设置元素属性的操作 ......
程序开发中spring框架要怎么学习呢?
Spring框架很难么？ 程序开发中spring框架要怎么学习呢? Spring学习路径 SpringFramework 大家通常提到的Spring其实是指SpringFramework，它是一个开源的Java企业级应用开发框架，提供了一套完整的编程与配置模型，降低了应用的开发复杂度，让开发者能够更 ......
解决PaddlePaddle飞桨在迁移学习使用预训练模型时更改num_classes参数出现警告
使用 PaddlePaddle 进行迁移学习，直接导入模型会有个警告，通过自定义网络结构，实现既加载了预训练模型，又能更好的训练自己的数据 ......
算法学习day10栈与队列part01-232、225
package LeetCode.StackAndQueuepart01; import java.util.LinkedList; import java.util.Queue; /** * 225. 用队列实现栈 * 请你仅使用两个队列实现一个后入先出（LIFO）的栈，并支持普通栈的全部四种操作 ......
算法学习day09字符串part02-28、459--待办
package LeetCode.stringpart02; /** * 28. 找出字符串中第一个匹配项的下标 * 给你两个字符串 haystack 和 needle ，请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标（下标从 0 开始）。 * 如果 needle ......
httprunner 4.x学习 - 10.参数化(parameters)引用外部 csv 数据文件 和函数
前言 httprunner 4.x 实现参数化使用parameters 关键字，数据源有三种方式 1.在yaml 文件中直接写测试数据源 2.测试数据源写到csv文件 3.自定义函数，函数返回列表形式数据 独立参数 对于已有参数列表，并且数据量比较大的情况，比较适合的方式是将参数列表值存储在 CSV ......
R语言用线性混合效应（多水平/层次/嵌套）模型分析声调高低与礼貌态度的关系|附代码数据
全文下载链接：http://tecdat.cn/?p=23681 最近我们被客户要求撰写关于线性混合效应的研究报告，包括一些图形和统计输出。 线性混合效应模型与我们已经知道的线性模型有什么不同？ 线性混合模型（有时被称为 "多层次模型 "或 "层次模型"，取决于上下文）是一种回归模型，它同时考虑了（ ......
第五章学习 循环结构,分支结构,break,continue,return的用法,接收用户数据的fmt.scanln
package main import "fmt" func main(){ //实现功能,键盘录入学生age,name,grage,是否为vip var age int fmt.Println("请录入年龄") //传入age地址的目的:scanln函数中,对地址的值进行改变,实际上是对age值进 ......
httprunner 4.x学习 -9.parameters 参数化
前言 httprunner 4.x 实现参数化使用parameters 关键字，数据源有三种方式 1.在yaml 文件中直接写测试数据源 2.测试数据源写到csv文件 3.自定义函数，函数返回列表形式数据 参数配置 参数名称的定义分为两种情况： 独立参数单独进行定义； 多个参数具有关联性的参数需要将 ......
nim 创建 dll（nim学习系列）
nim 创建 dll 编译命令 nim c --app:lib --nomain:on test.nim “--app:lib”表示生成动态链接库（dll）。 “--nomain:on”表示不生成 dllmain 函数。 源代码 test() 是我们自定义的导出函数。 import winim/le ......
打卡 c语言趣味编程 打鱼还是晒网
中国有句俗语叫“三天打鱼两天晒网”。某人从1990年1月1日起开始“三天打鱼两天晒网”，问这个人在以后的以后的某一天中是打鱼还是晒网。 设计思路：1、定义一个函数，该函数接收两个参数：一个是起始日期，另一个是未来的某一天。 2、计算起始日期和未来的某一天之间相隔的天数。 3、计算从起始日期到未来某一 ......
C语言趣味例题
三天打鱼两天晒网问题 1 #include <iostream> 2 using namespace std; 3 class Date{ 4 public: 5 int year,month,day; 6 Date(int y,int m,int d):year(y),month(m),day(d ......
第四章学习 运算符
运算符 package main import( "fmt" ) func main(){ 1.正数 2.相加操作 3.字符串拼接 var n1 int = +10 var n2 int =3+4 var s1 string = "ab"+ "cd" fmt.Println(s1) //除号 fmt ......
学习JavaScript数据结构与算法 第八章
八，字典和散列表 8.3 ES2015 Map 类 ECMAScript 2015 新增了 Map 类。 const map = new Map(); map.set('Gandalf', 'gandalf@email.com'); map.set('John', 'johnsnow@email.c ......
中国剩余定理学习笔记
给定 $n$ 组非负整数 $a_i, b_i$，其中 $b_i$ 两两互质，求解关于 $x$ 的方程组的最小非负整数解。 $\begin{cases} x \equiv b_1\ ({\rm mod}\ a_1) \ x\equiv b_2\ ({\rm mod}\ a_2) \ ... \ x \ ......
学习JavaScript数据结构与算法 第七章
7. 集合 7.4 ESMAScript 2015 Set 类 ECMAScript 2015 新增了 Set 类作为 JavaScript API 的一部分。我们可以基于 ES2015 的 Set 开发我们的 Set 类。 const set = new Set() set.add(1) cons ......
最小表示法 学习笔记
描述：给出一个字符串s，将s循环移位若干次之后使得字符串的字典序最小。 朴素的思路：对于每一个位置为结果字符串的开头去暴力做。显然最坏复杂度O(|S|^2) 于是考虑优化这个过程。 假设对于不同的两个下表i和j，如果有s[i,i+1,..,i+k-1]=s[j,j+1,..,j+k-1]和s[i+k ......
学习日记23.5.9
今日学习sql数据库 实现数据库安全性，完整性 学习如何更熟练的使用SSMS，了解了：缺省是一种计算机术语，指在无决策者干预情况下，对于决策或应用软件、计算机程序的系统参数的自动选择，即默认值 触发器是SQL server 用来保证数据完整性的一种方法，它的执行不是由外部调用，而是由数据库自身事件来 ......
学习日记——HTML入门第一课
1.了解HTML的定义，基本结构 ①对于超文本标记语言的理解，是超越文本（不限制于字符，包含视频音频）用“<>”这个特殊字符来书写的语言 ②基本结构为 <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>网页标题</title> < ......
深度学习—损失函数专题
损失函数概念 1、对于监督学习：估量神经网络模型的预测值和真实值的不一致的程度，衡量的是：在神经网络训练阶段，某个或若干个输入样本，在输出层上的预测值和真实值之间不一致的程度。 2、广义上（无监督）：衡量两个特征向量之间的差异程度/不一致程度/距离 3、作用：定义最终的损失值，是神经网络误差回传和权 ......
深度学习—神经网络优化
激活函数 作用：增加非线性因素 Relu激活函数，含GELU softmax激活函数：优势和劣势都无限扩大，每个都是自然数次方 sofrmax和sigmoid的区别： sigmoid激活函数： 每个神经元激活时只看自己激活前的值，不满足各个神经元激活后的输出值相加等于1的性质，个神经元之间是独立的。 ......
C#使用词嵌入向量与向量数据库为大语言模型(LLM)赋能长期记忆实现私域问答机器人落地
本文将探讨如何使用c#开发基于大语言模型的私域聊天机器人落地。大语言模型（Large Language Model，LLM 这里主要以chatgpt为代表的的文本生成式人工智能）是一种利用深度学习方法训练的能够生成人类语言的模型。这种模型可以处理大量的文本数据，并学习从中获得的模式，以预测在给定的文 ......
扩展中国剩余定理学习笔记
给定 $n$ 组非负整数 $a_i, b_i$ ，求解关于 $x$ 的方程组的最小非负整数解。 $\begin{cases} x \equiv b_1\ ({\rm mod}\ a_1) \ x\equiv b_2\ ({\rm mod}\ a_2) \ ... \ x \equiv b_n\ ({ ......
树链剖分（轻/重链剖分学习笔记）
个人树链剖分是一个暴力数据结构，也就是它的本质就是暴力，只不过优化了一下而已。
树链剖分一般用于维护树上两点之间或子树中的权值。算是树上问题中较为基础的一个算法。 ......
Mojo：LLVM&Swift之父创建的全新编程语言，比Python快35000倍
“Mojo 可能是近几十年来最大的编程语言进步。” 近日，由 LLVM 和 Swift 编程语言的联合创始人 Chris Lattner 创办的新公司 Modular AI 发布了一种名为 Mojo 的新编程语言。 Mojo 将大家喜爱的 Python 特性，同 C、C++和 CUDA 的系统编程功 ......
数据结构与算法大作业：走迷宫程序（C语言,DFS)(代码以及思路）
好家伙，写大作业,本篇为代码的思路讲解 1.大作业要求 走迷宫程序 问题描述： 以一个 m * n 的长方阵表示迷宫， 0和1分别表示迷宫的通路和障碍。 设计一个程序， 对任意设定的迷宫， 求出一条从入口到出口的通路， 或得出没有通路的结论。 基本要求： （1） 实现一个以链表做存储的栈类型， 然后 ......
强化学习的基本概念
概率密度函数 期望（expect） state s action a agent policy Π(a|s) reward r state transition p(s'|s,a) return（cumulative future reward 未来累计回报） discounted return（γ ......
如何完整地掌握一个机器学习模型
如何完整地掌握一个机器学习模型 要全面地学习、掌握一个机器学习模型，可以遵循以下步骤： 基础理论学习：了解该模型的背后数学原理和推导过程，包括假设、损失函数、优化方法等。 学习算法实现：通过查阅论文、教程或开源代码，了解算法的具体实现过程。尝试使用Python等编程语言手动实现算法，以加深对算法的理 ......