示例 机器人 机器github
去年最火的 JS 开源项目「GitHub 热点速览」
去年最火的 JS 开源项目「GitHub 热点速览」 近日，「Best of JS」发布了过去一年在 GitHub 上 Star 数增速最快的 JavaScript 开源项目（2023 JavaScript Rising Stars），前 10 的开源项目 Star 增长竟然都是令人惊叹的 1.5w ......
AntDesignBlazor示例——暗黑模式
本示例是AntDesign Blazor的入门示例，在学习的同时分享出来，以供新手参考。 示例代码仓库：https://gitee.com/known/BlazorDemo 1. 学习目标 暗黑模式切换 查找组件样式 覆写组件样式 2. 添加暗黑模式切换组件 1）双击打开MainLayout.raz ......
GitHub常用搜索技巧
普通关键词搜索 搜索关键词为javascript的所有项目，可以搜索到数量为 2 百万的项目，数量庞大，不利于筛选。 高级搜索（添加限定词） 搜索写法 含义 in:name XXX 按照项目（仓库）名称搜索 in:description XXX 按照项目（仓库）描述搜索 in:readme XXX ......
实验七：Spark机器学习库Mtlib编程实践
1、数据导入 导入相关的jar包： import org.apache.spark.ml.feature.PCA import org.apache.spark.sql.Row import org.apache.spark.ml.linalg.{Vector,Vectors} import org ......
机器视觉 - YoloV8 命令行安装
创建python 环境 下载并安装 miniconda 安装包, 注意miniconda和 python 版本对应关系, 不要选择python最新的版本, 以免yolo或pytorch不能兼容最新版python. 这里到安装到 C:\miniconda3 配置 conda 环境, 修改conda配置 ......
机器学习-概率图模型系列-隐含马尔科夫模型-33
目录1. Hidden Markov Model2. HMM模型定义 注：参考链接 https://www.cnblogs.com/pinard/p/6945257.html 1. Hidden Markov Model 隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较 ......
简易机器学习笔记（十一）opencv 简易使用-人脸识别、分类任务
前言 前段时间摸了下机器学习，然后我发现其实openCV还是一个很浩瀚的库的，现在也正在写一篇有关yolo的博客，不过感觉理论偏多，所以在学yolo之前先摸一下opencv，简单先写个项目感受感受opencv。 流程 openCV实际上已经有一个比较完整的模型了，下载在haarcascades 这里 ......
net8实现MediatR小示例C#
MediatR是.net下的一个实现消息传递的库，简洁高效，它采用中介者设计模式，通过进程内消息传递机制，进行请求/响应、命令、查询、通知和事件的消息传递，可通过泛型来支持消息的智能调度，用于领域事件中。 实践： 新建一个net8 WebApi标准项目，选择启用OpenAPI支持和使用控制器； 添加 ......
GitHub OAuth2的授权指南
一.OAuth2简介 OAuth 2.0（开放授权 2.0）是一种用于授权的开放标准，旨在允许用户在不提供他们的用户名和密码的情况下，授权第三方应用访问其在另一网站上的信息。它是在网络服务之间安全地共享用户资源的流行协议。 以下是OAuth2的主要组成部分和概念： 资源所有者（Resource Ow ......
YAML示例：nginx使用configmap配置并开启镜像
# use nginx to be a proxy, mirror each request to other services, 10.96.2.58 send back the reponse to user client. m1 and m2 just mirror the request, ......
C# MemCached学习笔记（三）-MemCached使用示例 (4个月前)
代码地址：CSharp_DistributedCache_Simple 一、WinForm版（System.Runtime.Caching） 1、MemoryCache示例 2、引用Negut包 3、MemoryCacheHelper 查看代码 二、Web应用Net7版（框架内置） 1、Memory ......
YAML示例：创建单幅本nginx容器到指定节点及其service
# one rc deployment, schedule it to the node that has a label "ip" equals to "172.18.8.241" apiVersion: apps/v1 kind: Deployment metadata: name: 241-d ......
【机器学习】逻辑回归
目录感知器的种类sigmoid（logistics）函数代价/损失函数（cost function）——对数损失函数（log loss function）梯度下降算法（gradient descent algorithm）正则化逻辑回归（regularization logistics regres ......
【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 ......
线程安全问题的例子以及解决方案示例代码
1.多线程安全问题，出现重复卖票的现象 package net.bbd.spider.lock; public class Ticket implements Runnable { static Integer tickets = 10; @Override public void run() { ......
【LeetCode 2989. 班级表现】T-SQL 动态sql编程示例
题目地址 https://leetcode.cn/problems/class-performance/description/ 题目大意 编写一个查询，计算学生获得的 最高分 和 最低分 之间的 总分差（3 次作业的总和）。 代码 /* Write your T-SQL query stateme ......
我的 .NET/C# 开源项目清单，同步维护于 Github 和 Gitee
我的 .NET/C# 开源项目清单，同步维护于 Github 和 Gitee 我的开源项目过去一直托管在 Github 上。目前也同步上传到了国内的 Gitee 平台，同步维护。本文整理了所有开源项目的链接和简介，希望对你有用。 分类：软件产品 技术开发 标签: .Net 开源 2021/3/15 ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
GitHub Pull request 同步解决代码冲突
参考： https://zhuanlan.zhihu.com/p/337949346 git remote -vgit remote add upstream git@gitee.com:src-anolis-os/bpftrace.gitgit remote -vgit fetch upstrea ......
机器学习如何改变缺陷检测的格局？
机器学习在缺陷检测中扮演着重要的角色，它能够通过自动学习和识别各种缺陷的模式和特征，改变缺陷检测的格局。以下是机器学习在缺陷检测中的一些应用和优势： 自动化检测：机器学习技术可以自动化处理大量的数据，通过学习和识别缺陷的模式和特征，实现自动化检测。这大大提高了缺陷检测的效率和准确性，减少了人工干 ......
DM7_SQL语言使用手册_第 2 章 手册中的示例说明
第 2 章 手册中的示例说明 为方便读者阅读并尽快学会使用 DM 系统，本手册在介绍利用 DM 建立、维护数据库以 及对数据库进行的各种操作中，使用了示例库 BOOKSHOP。本章将对该示例库进行说明。 2.1 示例库说明 示例库 BOOKSHOP 模拟武汉代理图书的某销售公司，该公司欲建立在线购物 ......
机器学习-决策树系列-贝叶斯算法-概率图模型-29
目录1. 复习条件概率2. 正式进入3. 生成式 与判别式 这个阶段的内容，采用概率论的思想，从样本里面学到知识（训练模型），并对新来的样本进行预测。 主要算法：贝叶斯分类算法、隐含马尔可夫模型、最大熵模型、条件随机场。 通过本阶段学习，掌握NLP自然语言处理的一些基本算法，本阶段的理解对于后续完成 ......
机器学习-梯度下降法
1、名称解释 （1）什么是无约束优化问题？ 无约束优化问题是指在给定目标函数的情况下，寻找使目标函数取得最大值或最小值的变量取值，而不受任何约束条件限制的优化问题。 具体来说，无约束优化问题可以形式化地表示为以下形式： 最小化 f(x)，其中 x 是 n 维向量，f(x) 是一个实值函数，称为目标函 ......
机器学习-半正定规划
1、概念解释 （1）什么是半正定规划？ 半正定规划(Semi-Definite Programming，简称SDP) 是一类凸优化问题，其中的变量可组织成半正定对称矩阵形式，且优化问题的目标函数和约束都是这些变量的线性函数。 （2）什么是对称矩阵？ 对称矩阵是指一个矩阵的元素关于主对角线对称。换句话 ......
机器学习-二次规划
1、概念解释 （1）什么是半正定矩阵？ 半正定矩阵是指一个方阵（即行数等于列数的矩阵），满足以下条件之一： 对于任意非零向量x，都有x^T * A * x ≥ 0，其中 A 表示该矩阵的转置。 所有特征值（eigenvalue）都大于或等于零。 简单来说，一个半正定矩阵的特点是它的所有特征值非负，或 ......
机器学习-拉格朗日乘子法
1、概念解释 （1）什么是拉格朗日乘子法？ 拉格朗日乘于法(Lagrange multipliers) 是一种种寻找多元函数在一组约束下的极值的方法。通过引入拉格朗日乘子，可将有d个变量与k个约束条件的最优化问题转化为具有d+k个变量的无约束优化问题求解。 2、基本演算 ......
机器学习-奇异值分解
1、概念介绍 （1）什么是线性无关的行？ 线性无关的行指的是矩阵中不可由其中一个或多个行的线性组合表示的行。换句话说，如果一个矩阵中有两个或多个行，且它们不能通过某些系数相乘和相加得到一个零向量，则这些行就是线性无关的。 例如，考虑一个包含三行的3x3矩阵： 1 2 3 4 5 6 7 8 9 我们 ......
测试驱动的Spring Boot应用程序开发数据层示例
前言 在敏捷开发中，学会纵向划分产品需求，可以在构建软件时节省大量时间。这意味着不需要等待一个完整的层完成后再进行下一层的开发，而是要进行多层开发确保业务功能可正常运行。这种开发方式也有助于构建更好的产品或服务。 通过前面的前后端开发，完成了用户猜数游戏，可以进行试用，那么，就可能得到更进一步的需求 ......