机器 线性lda 25
数论——线性同余方程、乘法逆元 学习笔记
数论——线性同余方程、乘法逆元 众所周知： 说明 除非特殊说明，以下提到的 exgcd 函数均定义为： // ax + by = gcd(a, b) ll exgcd(ll a, ll b, ll &x, ll &y, ll d = 0) { if (b == 0) x = 1, y = 0, d ......
25_linux c 多进程
linux c 多进程 什么时候用进程&线程？ 1、需要频繁创建销毁的优先使用线程;因为对进程来说创建和销毁一个进程代价是很大的。 2、线程的切换速度快，所以在需要大量计算，切换频繁时用线程,还有耗时的操作使用线程可提高应用程序的响应。 3、多进程可以使用在多机分布式系统,需要扩展到其他机器上,使用 ......
机器学习算法原理实现——随机森林，核心是就是行列抽样，可以并行
记得参考之前的文章 机器学习算法原理实现——cart决策树：分类&回归 随机森林算法训练步骤： 代码实现（决策树复用了之前的深度剪枝实现）： # 导入numpy库 import numpy as np from sklearn.metrics import accuracy_score class ......
线性插值
线性插值 public static void interpolate(List<Double> list) { int start = -1; for (int i = 0; i < list.size(); i++) { if (list.get(i) == null) continue; if ......
提高机器 CPU 、内存、硬盘的使用率
CPU使用率 下载地址一：http://todo.sercretcore.cn/cpu.zip 下载地址二：https://cdn.wyr.me/files/cpu.zip 使用方法 例1：所有CPU核心负载30%运行10秒钟 ./cpu -p 30 -t 10 例2：所有CPU核心负载30%持续运 ......
第二章 线性表-单链表
线性表 2.5.1 单链表的定义和表示 存储结构（物理位置）可以不连续。（非顺序映像/链式映像） typedef struct LNode { ElemType data; // 数据域 struct LNode *next; // 指针域 } LNode, *LinkList; // （同一结构体 ......
机器人如何有效采摘苹果？
摘要：本文利用动捕数据构建拟人运动模型，对比观察两种苹果采摘模式，并对系统性能进行全面评估，为提高机器人采摘效率提供创新方法。 近期，一项关于苹果采摘机器人的有趣研究—— "Design and evaluation of a robotic apple harvester using optimi ......
使用网线连接电脑和Fanuc机器人控制柜，运行python脚本，实现上传（或下载）TP程序（或LS程序）
废话不多书，直接上干货！使用网线连接电脑和Fanuc机器人控制柜，运行python脚本，实现上传（或下载）TP程序（或LS程序）首先找一根网线，连接电脑和Fanuc控制柜，并在电脑端或者机器人示教器操作一下ping命令，确保机器人和电脑之间通讯是ok的。例如下图这样。 其次运行python脚本，该脚 ......
每天一个linux命令(25)：linux文件属性详解
Linux 文件或目录的属性主要包括：文件或目录的节点、种类、权限模式、链接数量、所归属的用户和用户组、最近访问或修改的时间等内容。具体情况如下： 命令： ls -lih 输出： [root@localhost test]# ls -lih 总计 316K 2095120 lrwxrwxrwx 1 ......
机器学习算法原理实现——lightgbm，核心leaf-wise生长结合数据和特征并行+直方图算法+单边梯度抽样+互斥特征捆绑
算法亮点： 1、leaf-wise生长策略+特征并行和数据并行 让我们通过一个简单的例子来详细解释 LightGBM 的 Leaf-wise 生长策略。假设我们有以下的数据集：| 年龄 | 收入 | 购买 || | | || 20 | 3000 | 0 || 25 | 3500 | 0 || 30 ......
线性表之单链表（上）
单链表就是一个表结构最后存储的位置是下一个表结构的地址，一般通过p->next表示存储的下一个位置的地址 // link_list.h typedef int data_t; typedef struct node{ data_t data; struct node *next; }listnode ......
第二章 线性表
线性表 2.5.3 循环链表 最后一个结点的指针域指向头结点 终止条件：p != L && p -> next != L 循环链表的合并：设立尾指针。将第一个表的尾指针指向第二个表的第一个结点，第二个表的尾指针指向第一个表的头结点，然后释放第二个表的头结点。时间复杂度是O（1） 2.5.4 双向链表 ......
线性代数——高斯消元 学习笔记
线性代数——高斯消元 引入 消元法 消元法是将方程组中的一方程的未知数用含有另一未知数的代数式表示，并将其带入到另一方程中，这就消去了一未知数，得到一解；或将方程组中的一方程倍乘某个常数加到另外一方程中去，也可达到消去一未知数的目的。消元法主要用于二元一次方程组的求解。 矩阵表示线性方程组 例如，将 ......
ABB机器人EIP从站配置( OmniCore版) _ WAN口为例
1, 网络设置( 示教器操作) 设置WAN口IP地址为192.168.1.10 2, EtherNet/IP协议选择WAN口连接 3, ......
java开发之个微机器人的开发
简要描述： 根据消息回调收到的xml转发文件消息，适用于同内容大批量发送 请求URL： http://域名地址/sendRecvFile 请求方式： POST 请求头Headers： Content-Type：application/json Authorization：login接口返回 参数： ......
学了1个月机器学习的总结
书实在是厚，看不下去，还是看视频容易接受。 总结： 入门应该从如何把点拟合成一条线开始。 先从统计学里的方差开始，扩展最小二乘法，引出线性回归。然后是逻辑回归，引出机器学习核心——求代价函数最小值。进而引出正则、学习率、过拟合欠拟合、偏差方差、准确率召回率、训练集验证集测试集等机器学习基础。 进而扩 ......
线性搜索中设置哨兵
能想到的最直接的一个应用就是c语言中字符串中`\0`的角色。 N个元素的数组中搜寻元素X，分配N+1个元素的空间，最后一个元素放入待搜索的元素X。检查第一个值为X的元素，下标为N即原数组没有该元素；小于N即包含该元素。 好处, 不需要每次判断是否越界。 坏处，数组长度从N变为N+1。 其实可以做个更 ......
2021-2-25-Onenet摸索道路
layout: post title: Onenet摸索道路 categories: 日志 tags: - 开发 - 开发任务 BGImage: 'https://github.xutongxin.me/https://raw.githubusercontent.com/xutongxin1/Pic ......
线性代数——矩阵 学习笔记
线性代数——矩阵 引入 矩阵 一般用圆括号或方括号表示矩阵，形如： \(A = \begin{pmatrix} a_{11} & \cdots & a_{1n} \\ \vdots & \ddots & \vdots \\ a_{m1} & \cdots & a_{mn} \end{pmatrix} ......
文本翻译,机器翻译序列(Seq2seq)
# Seq2seq # 进行机器翻译 import collections import math import os import torch from torch import nn from d2l import torch as d2l import matplotlib.pyplot as ......
王道数据结构：设线性表中每个元素有两个数据项k1和k2,现对线性表按一下规则进行排序：先看数据项k1，k1值小的元素在前，大的在后
题目：设线性表中每个元素有两个数据项k1和k2,现对线性表按一下规则进行排序：先看数据项k1，k1值小的元素在前，大的在后；在k1值相同的情况下，再看k2，k2值小的在前，大的在后。满足这种要求的排序方法是（ ）A.先按k1进行直接插入排序，再按k2进行简单选择排序B.先按k2进行直接插入排序，再按 ......
机器学习算法原理实现——xgboost，核心是加入了正则化和损失函数二阶泰勒展开
先看总的图： 本质上就是在传统gbdt的决策树基础上加入了正则化防止过拟合，以及为了让损失函数求解更方便，加入了泰勒展开，这样计算损失函数更方便了（除了决策树代码有差别，其他都是gbdt一样，本文仅实现xgboost的决策树）。如下： 再解释各个步骤： 。。。 让gpt来汇总下： 好了，我们直接写下 ......
机器学习算法原理实现——gbdt
前面的文章介绍了决策树的实现，我们基于之前决策树的实现（https://www.cnblogs.com/bonelee/p/17691555.html），写一个gbdt： import numpy as np from sklearn.model_selection import train_tes ......
Adobe Photoshop 2024 v25.0 (macOS, Windows) - 照片和设计软件
Adobe Photoshop 2024 v25.0 (macOS, Windows) - 照片和设计软件 Acrobat、After Effects、Animate、Audition、Bridge、Character Animator、Dimension、Dreamweaver、Illustrat ......
机器学习算法原理实现——adaboost，三个臭皮匠顶个诸葛亮
adaboost算法的基本原理是什么？举一个简单的例子说明呢 AdaBoost（Adaptive Boosting）是一种集成学习方法，其基本原理是结合多个弱学习器来构建一个强学习器。AdaBoost的工作方式如下： 权重初始化：给定一个训练数据集，首先为每个训练样本分配一个权重，开始时这些权重都是 ......
Python机器学习——鸟类图像分类
（一）选题背景： 1.生物多样性保护：鸟类是地球上最为丰富和多样的脊椎动物类群之一，对于生态系统的稳定和生物多样性的维持起着重要作用。通过开展鸟类图像分类研究，可以帮助精确地辨别鸟类物种，有助于监测鸟类的分布、数量和迁徙情况，从而更好地实施生物多样性保护和生态环境管理。 2.环境监测和生态学研究：鸟 ......
基于机器学习的情绪识别算法matlab仿真,对比SVM,LDA以及决策树
1.算法理论概述 情绪识别是一种重要的情感分析任务，旨在从文本、语音或图像等数据中识别出人的情绪状态，如高兴、悲伤、愤怒等。本文介绍一种基于机器学习的情绪识别算法，使用三种常见的分类算法：支持向量机（SVM）、线性判别分析（LDA）和决策树，通过对比这三种算法在情绪识别任务上的性能，选取最优的算法进 ......
机器学习从入门到放弃：如果优化让机器学习的更好？
一、前言 在真正的工程应用中，模型训练也许更为重要，特别是对于生成式模型来说，无论是 NLP 领域或者 GNN 领域所产生的内容是否适用，在直觉上我们可以可以清晰的辨别。但是具体在模型上我们怎么调整就是一个类似黑盒的概念，我们一般通过更多的特征向量，和更深层次的神经网络架构来实现我们所期望的内容。但 ......