神经网络 模型 神经 笔记
游戏AI行为决策——MLP（多层感知机/人工神经网络）
游戏AI行为决策（特别篇）——MLP（附代码与项目） 你一定听说过神经网络的大名，你有想过将它用于游戏AI的行为决策上吗？其实在（2010年发布的）《最高指挥官2》中就有应用了，今天请允许我班门弄斧一番，与大家一同用C#实现最经典的神经网络——多层感知机（Multilayer Perceptron， ......
R语言PLS-DA模型分析不同中医组别患者间差异指标数据可视化
全文链接 :https://tecdat.cn/?p=34809 原文出处：拓端数据部落公众号 PLS-DA (Partial Least Squares Discriminant Analysis) 是一种多变量统计分析方法，常用于处理具有多个预测变量和多个响应变量的数据。在本文中，我们帮助客户使 ......
学习笔记2
Spark启动和验证直接无参数启动./spark-shell ，运行的是本地模式： 启动./spark-shell –master yarn，运行的是on yarn模式，前提是yarn配置成功并可用： 在hdfs文件系统中创建文件README.md，并读入RDD中，使用RDD自带的参数转换，RDD默 ......
生成模型—VAE
生成模型—VAE(Variational Auto-Encoder) 为进一步了解面部反应生成模型的原理，故详细学习VAE。 Auto-encoder 感谢李宏毅老师的视频！ 自编码器是一种无监督学习的神经网络模型，可以用于数据降维、特征压缩、特征提取、数据生成等任务。其主要思想是尝试将输入数据通过 ......
Gorm 数据库表迁移与表模型定义
Gorm 数据库表迁移与表模型定义 一、Docker快速创建MySQL实例 1.1 创建 因为这里我们是测试学习使用，单独安装MySQL 比较费时费力，所以这里使用Docker方便快速掌握Gorm 相关知识。 如果你没有docker环境，可以参考：【一文搞定】Linux、Mac、Windows安装D ......
mall商城笔记-02
项目的搭建 一、搭建父工程 这里要注意父工程的boot版本与cloud版本的对照，否则无法启动 <parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-parent</artifactId> <vers ......
华山游览攻略笔记
目录交通索道登山游览路线游览图黄山黄山三大高峰是：莲花峰、光明顶、天都峰莲花峰介绍光明顶介绍：天都峰介绍： 华山景区为五岳之最，海拔2154.9米，素以奇险天下第一山著称，为了方便游客登山旅途的轻松，建议您轻装登山，不必要的物品尽量不要携带，食品、饮料、衣物等可根据个人情况酌量准备，夜爬华山到达山顶 ......
1/11 学习进度笔记
Spark的程序运行层次结构 4040：是一个运行的Application在运行过程中临时绑定的端口，用于查看当前任务的状态。4040被占用就会顺延到4041,4042等。 4040是一个临时端口，当前程序运行完成后，4040就会被注销。 8080：默认是StandAlone下，Master角色（进 ......
软件工程网课笔记
前言：课程是学堂在线清华大学的软件工程课程，但是没有按照正常顺序学习； 同样的个人还是更习惯使用飞书记录，所以这里先给出第一章的内容，后续内容请查看：https://f1g48hqfc05.feishu.cn/docx/V6WmdI0CAoPg1dxPTtocmNmUnnb?from=from_co ......
思科Cisco——网络实验
原是想直接把飞书内容粘贴过来，发现好像文件太大，那么这里给出链接：https://f1g48hqfc05.feishu.cn/docx/OzMEdymr0o05mixof25cCK6NnHc?from=from_copylink 对应实验的文件也在里面，点击对应超链接即可下载。（ps:思科是有点抽风 ......
Kubernetes 多集群网络方案系列 1 -- Submariner 介绍
https://cloudpods.csdn.net/657811c5b8e5f01e1e449b3e.html Kubernetes 多集群网络方案系列 1 -- Submariner 介绍 本文首先介绍了 Submariner 的架构，包括 Broker、Gateway Engine、Route ......
Kubernetes 多集群网络方案系列 2 -- Submariner 监控
https://juejin.cn/post/7222575963565015096 Kubernetes 多集群网络方案系列 2 -- Submariner 监控 2023-04-16 62 阅读10分钟 Submariner 是一个用于连接 Kubernetes 集群的跨集群网络解决方案，可以实 ......
扩散模型
该模型是学习从噪音中如何去除噪音生成一个他已经学会的图片，所以一开始输入模型的是噪音，但是经过一次处理效果不会非常好，所以要循环迭代很多次，得到最终生成结果。 模型预测的实际上是噪音，也就是说要将输入图片减去模型预测的噪音，得到生成结果。 这里没有讲的太细，我的理解是神经网络需要的输入是正态分布的噪 ......
学习进度笔记
Requests模块简单入门 #HTTP请求类型 #get类型 r = requests.get('https://github.com/timeline.json') #post类型 r = requests.post("http://m.ctrip.com/post") #put类型 r = r ......
前端学习-HTML/CSS刷题笔记01
1 清除浮动 方法1 双伪元素法：在style中给父元素添加伪元素代码 了解zoom:1; <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=devi ......
项目管理--PMBOK 读书笔记（6）【项目进度管理】
1、紧前关系绘图法（PDM）： 2、三点估算（PERT）： 最可能时间（Tm）、最乐观时间（To）和 最悲观时间（Tp）； 三角分布： 平均估算值=（Tm+To+Tp）/3； 3、估算方法对比及应用场景： 4、储备分析 1）应急储备（进度计划内）：应急储备于“已知-未知”风险相关，需要加以合理估算， ......
2024.1.12-学习进度笔记
今天，我尝试安装了git并尝试安装了PaddleOCR。 参考：https://blog.csdn.net/mukes/article/details/115693833 参考：https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.6/doc ......
项目管理--PMBOK 读书笔记（5）【项目范围管理】
知识点： 1、范围管理计划与需求管理计划： 需求大于范围 2、项目管理的成果线： 3、收集需求的跟踪： 需求跟踪矩阵（RTM）：溯源、商业价值、监控过程输出 4、项目范围说明书： 相关方之间就项目达成的共识，项目章程是一个高层次描述而项目范围说明书是一个详细描述， SMART 原则（specific ......
解析flywheel飞轮模型以及它的落地路径
Brian Halligan提出的flywheel飞轮模型，比RARRA模型更进了一步。不止关注用户留存，更关注的是现有用户如何推动企业增长。 HubSpot创始人Brian Halligan在Inbound2018大会上说，他们从此以后就彻底跟营销漏斗说再见了，要用flywheel飞轮模型。 我本 ......
大模型调优方法：提示工程、RAGs 与微调对比
每一个搭建大语言模型应用的AI工程师都会面临一个难题，如何选择一个合适调优方法。就算是强大的预训练LLM也可能无法直接满足项目中的特定需求。如项目需要一个特定结构的应用程序，如预训练缺失上下文的重要文件，再比如有特定术语和结构的高专业性的行业领域，面对这些问题，需要有特定的方法来调整LLM。 要决定 ......
难道你还敢忽视网络安全吗？
所有的计算机程序都是由人类编写的，然而人类是整个过程中最容易出错的环节。据统计，平均每千行代码就可能存在6个安全漏洞。如今，网络诈骗和欺诈行为层出不穷，人们对此已经有了一定的安全意识，这主要得益于网络报道和短视频的普及。然而，黑客们却并没有停下他们的步伐。一旦犯下错误，往往后悔莫及。因此，网络安全变... ......
大语言模型LLM幻觉的解决方法：检索增强生成RAG
当你向大语言模型LLMs集成的问答系统平台咨询医疗方面的问题，比如呼吸道感染应该怎么治疗，它可能直接给出答案，但不会提供这个答案的依据来源，这是因为大语言模型应用过程中还存在答案透明度不足的缺陷导致。此外，大语言模型还有知识更新的滞后性、在处理复杂任务时的准确性的问题。 为了解决这些问题，检索增强生 ......
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 ......
[NLP复习笔记] Transformer
1. Transformer 概述 1.1 整体结构 \(\text{Transformer}\) 主要由 \(\text{Encoder}\) 和 \(\text{Decoder}\) 两个部分组成。\(\text{Encoder}\) 部分有 \(N = 6\) 个相同的层，每层包含 一个 \( ......
神经网络学习笔记（1）
1、神经元 神经元是神经网络中的基本单元。 每一个神经元包括两个参数：权重系数和偏置系数b。 神经网络的学习过程就是通过优化更新每一个神经元的权重和偏置系数，使得输出值Y更接近其真实值。 假设神经元的输入向量为 ,那么输出，其中 是该神经元选定的激活函数。 x1、x2表示输入量 w1、w2为权重，几 ......
常见3D模型汇总
3D模型查看器： 3D查看器 (Windows自带) Blender MeshLab (基于VCGlib) 3D模型来源： 美工建模 (fbx) 三维重建 (ply/obj) 3D-AIGC 3D模型格式： obj fbx glb (glTF2.0)：https://github.com/Khron ......
海亮01/11网络流专题
海亮01/11网络流杂题 题单链接 T1 题意 一共有 \(n\) 个飞行员，其中有 \(m\) 个外籍飞行员和 \((n - m)\) 个英国飞行员，外籍飞行员从 \(1\) 到 \(m\) 编号，英国飞行员从 \(m + 1\) 到 \(n\) 编号。 对于给定的外籍飞行员与英国飞行员的配合情况 ......
软件生命周期模型定义与选择策略
 ![](https://img2024.cnblogs.com/blog/3351537/202401/33515... ......