批注 非线性 神器 阅读器
阅读-《所谓时间管理就是选择性放弃》
主旨 摘录 “把繁杂的内容分门别类的整理出来，同时标注了重点摘要，准确展示了关键数据，呈现了讨论最终结果来方便阅读，这才是专业的分析能力和总结能力。”通过这个能力的描述作者引出了时间管理和能力提升的概念。厉害的人总能找到最重要的事情，其秘诀就是要学会抓大放小，并在处理多任务的时候要先做紧急重要的事情 ......
SHARPNESS-AWARE MINIMIZATION FOR EFFICIENTLY IMPROVING GENERALIZATION论文阅读笔记
Intro 在训练集上最小化损失很可能导致泛化性低，因为当今模型的过参数化会导致training loss的landscape异常复杂且非凸，包含很多local/global minima，因此优化器的选择至关重要。loss landscape的几何性质（特别是minima的flatness）与泛化 ......
《RAPL: A Relation-Aware Prototype Learning Approach for Few-Shot Document-Level Relation Extraction》阅读笔记
代码 原文地址 预备知识： 1.什么是元学习（Meta Learning）？ 元学习或者叫做“学会学习”（Learning to learn），它是要“学会如何学习”，即利用以往的知识经验来指导新任务的学习，具有学会学习的能力。由于元学习可帮助模型在少量样本下快速学习，从元学习的使用角度看，人们也称 ......
2024阅读书单
已读/在读书单 《柳林风声》，已读。孩子的书。讲述鼹鼠、河鼠、蟾蜍、獾和其他一些森林动物的故事。看着挺舒服的，感觉可以让内心平静。 计划阅读书单: 《止学》 《杀死那只知更鸟》 ......
线性表
线性表 目录线性表线性表介绍线性表的链式存储及其实现链表的应用 线性表介绍 线性表：数据元素的有序集合，除第一个和最后一个外，所有元素都有唯一前驱和唯一后继，即一对一 线性表是逻辑结构 线性表的实现通常有两种，顺序存储和链式存储，顺序存储就是我们常用的数组、向量等，把数据存放在一片连续的地址空间，物 ......
LinkedList源码阅读
目录简介例子继承结构代码分析成员变量方法总结参考链接 本人的源码阅读主要聚焦于类的使用场景，一般只在java层面进行分析，没有深入到一些native方法的实现。并且由于知识储备不完整，很可能出现疏漏甚至是谬误，欢迎指出共同学习 本文基于corretto-17.0.9源码，参考本文时请打开相应的源码对 ......
【机器学习】多元线性回归
目录多元线性回归模型（multiple regression model）损失/代价函数（cost function）——均方误差（mean squared error）批量梯度下降算法（batch gradient descent algorithm）特征工程（feature engineerin ......
【算法】【线性表】【链表】删除排序链表中的重复元素 II
1 题目 给定一个已排序的链表的头 head ， 删除原始链表中所有重复数字的节点，只留下不同的数字 。返回 已排序的链表 。 示例 1： 输入：head = [1,2,3,3,4,4,5] 输出：[1,2,5] 示例 2： 输入：head = [1,1,1,2,3] 输出：[2,3] 提示： 链表 ......
【算法】【线性表】【链表】删除排序链表中的重复元素
1 题目 给定一个已排序的链表的头 head ， 删除所有重复的元素，使每个元素只出现一次 。返回 已排序的链表 。 示例 1： 输入：head = [1,1,2] 输出：[1,2] 示例 2： 输入：head = [1,1,2,3,3] 输出：[1,2,3] 提示： 链表中节点数目在范围 [0, ......
数据处理神器可不止 Pandas 哦，还有 Polars，全方位解析 Polars
楔子 Python 在数据处理领域有如今的地位，和 Pandas 的存在密不可分，然而除了 Pandas 之外，还有一个库也在为 Python 的数据处理添砖加瓦，它就是我们本次要介绍的 Polars。和 Pandas 相比，Polars 的速度更快，执行常见运算的速度是 Pandas 的 5 到 ......
用C#使用NumSharp实现简单的线性回归
前言 最近注意到了NumSharp，想学习一下，最好的学习方式就是去实践，因此从github上找了一个用python实现的简单线性回归代码，然后基于NumSharp用C#进行了改写。 NumSharp简介 NumSharp（NumPy for C#）是一个在C#中实现的多维数组操作库，它的设计受到了 ......
[论文阅读] Self-conditioned Image Generation via Generating Representations
Pre title: Self-conditioned Image Generation via Generating Representations accepted: arXiv 2023 paper: https://arxiv.org/abs/2312.03701 code: https:/ ......
Learning Dynamic Query Combinations for Transformer-based Object** Detection and Segmentation论文阅读笔记
Motivation & Intro 基于DETR的目标检测范式（语义分割的Maskformer也与之相似）通常会用到一系列固定的query，这些query是图像中目标对象位置和语义的全局先验。如果能够根据图像的语义信息调整query，就可以捕捉特定场景中物体位置和类别的分布。例如，当高级语义显示图 ......
SpringBoot中使用SpringEvent业务解耦神器实现监听发布事件同步异步执行任务
场景 SpringBoot中使用单例模式+ScheduledExecutorService实现异步多线程任务(若依源码学习)： https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/135504554 设计模式-观察者模式在Java中的使 ......
【算法】【线性表】【链表】分隔链表
1 题目 给你一个链表的头节点 head 和一个特定值 x ，请你对链表进行分隔，使得所有 小于 x 的节点都出现在 大于或等于 x 的节点之前。 你应当 保留 两个分区中每个节点的初始相对位置。 示例 1： 输入：head = [1,4,3,2,5,2], x = 3 输出：[1,2,2,4,3, ......
线性代数期末速通
目录行列式（数值）逆序数行列式的性质行列式计算的根本行列式转置行列式行（列）变换null行列式某行列成比例行列式公因子k可提行列式倍加D不变某行列全0值0行列式某行列可拆补充|AB|=|A|+|B|四阶以上行列式计算变换为上下三角主对角线相乘按行列展开(余子式与代数余子式)异乘变零以及速算方法范德蒙 ......
Programming Abstractions in C阅读笔记：p242-p245
《Programming Abstractions in C》学习第67天，p242-p245总结，总计4页。 一、技术总结 6.2小结主要讲回溯算法及递归算法在迷宫求解中应用，当然，理解然后用代码实现出来还是有些难度的。不过，这并不影响我们进行下一节6.3的学习。 二、英语总结 1.skeptic ......
软件测试/测试开发/全日制|Pytest参数化神器，pytest.mark.parametrize()使用
前言 当我们要使用pytest输入多个数据对一个功能进行测试时，如果写多个测试用例的话，那就完全体现不出通过代码来执行测试的优势了，这个时候，就轮到pytest的参数化功能闪亮登场了。所谓参数化，就是就是把测试过程中的数据提取出来，通过参数传递不同的数据来驱动用例运行。其实也就是数据驱动的概念。本文 ......
API文档、API自动化测试神器：Apipost
在数字化时代，API已成为企业和开发者实现数据互通、应用集成的重要桥梁。然而，随着API数量的不断增加，API设计、调试、文档和测试等工作也变得越来越复杂。为了解决这一痛点，一款名为Apipost的API协同研发工具应运而生，它为API开发者提供了一站式解决方案。 成功案例 许多知名的公司和团队都在 ......
非线性状态误差反馈NLSEF
一、作用找到一种非线性的控制组合代替传统的PID控制器的线性组合，获得更有效的误差反馈控制率，只需将误差信号换成关于误差的非线性函数如fst函数（fhan函数）和fal函数等，可实现“小误差大增益，大误差小增益”的效果。 二、理论分析有了跟踪微分器TD之后，我们就可以利用误差e1=v1-x1和误差微 ......
【算法】【线性表】【链表】反转链表II
1 题目 给你单链表的头指针 head 和两个整数 left 和 right ，其中 left <= right 。请你反转从位置 left 到位置 right 的链表节点，返回 反转后的链表 。 示例 1： 输入：head = [1,2,3,4,5], left = 2, right = 4 输出 ......
【算法】【线性表】【链表】反转链表
1 题目 给你单链表的头节点 head ，请你反转链表，并返回反转后的链表。 示例 1： 输入：head = [1,2,3,4,5] 输出：[5,4,3,2,1] 示例 2： 示例 3： 输入：head = [] 输出：[] 提示： 链表中节点的数目范围是 [0, 5000] -5000 <= No ......
数据结构线性表
线性表的两种存储结构： 1.顺序存储（线性表若采用链式存储结构时，内存中可用存储单元的地址连续或不连续都可以） 2.链式存储（线性表若采用顺序存储结构时，必须占用一片连续的存储单元） 线性表的顺序存储结构 顺序存储结构在存、读数据时，不管是哪个位置，时间复杂度都是O(1)；而插入或删除时，时间复杂度 ......
R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据
全文下载链接：http://tecdat.cn/?p=21317 最近我们被客户要求撰写关于分布滞后非线性模型（DLNM）的研究报告，包括一些图形和统计输出。 本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联 数据集包含 ......
【前端】统计博客园阅读总量
✨效果展示 在博客后台页面运行以下代码 截止2024-1-9，阅读总量已达28w！！ ✨代码实现 /** 输入别人的博客园地址名称 */ function countBlogReadings(CnblogsName){ console.log("正在统计 "+CnblogsName+" 的博客的总阅 ......
python最新的画图神器seaborn
1、 安装：主页：http://seaborn.pydata.org/ pip3 install seaborn， 官方建议：python 3.8+，三个依赖：numpy，pandas，matplotlib ； 三个补充：statsmodels，scipy，fastcluster 2、例子：test ......
2023年阅读笔记4
《软件架构师的十二项修炼》 1、商务知识：读懂商务语言的能力和了解产品与顾客的能力。 了解商务： 营销、财务（投入产出比）和销售。了解他们的语言。 商务学位。 了解公司： 产品对客户的价值。 知道公司如何赚钱。 公司的历史、文化。 了解顾客： 真正接触顾客（通过公司网站、年度报告、交谈）。 了解领域 ......
2023年阅读笔记5
《软件架构师的十二项修炼》 1、透明化：使自我、团队关系和项目透明化的能力。 自我透明化： 自然真诚。 承认弱点。但这只是目前的弱项，之后要想办法弥补。 承认实力和兴趣。 赶在人前与上司沟通。主动暴露问题。如果不是自己说出去，信息传递过程中会经过加工，从而丧失上司的信任。 项目透明化： 掌握项目的全 ......
2023年阅读笔记6
《修改代码的艺术》 本书内容关于如何有效处理遗留代码，遗留代码是指没有编写测试的代码。因此，为遗留代码编写测试是改善遗留代码的首要任务。对一个大系统，不可能从头开始编写每一处的单元测试，一般只能从当前需要改动的地方开始，逐步添加单元测试，形成“软件夹钳”，进而修改并改善现有代码。遗留代码修改算法： ......