神经网络 精度 算法 模型
R语言主题模型LDA文本挖掘评估公司面临的风险领域与可视化|附代码数据
原文链接：http://tecdat.cn/?p=17996 最近我们被客户要求撰写关于主题模型LDA的研究报告，包括一些图形和统计输出。 随着越来越多的数据被数字化，获取信息变得越来越困难。我们在本文中重点关注的一个示例是评估公司面临的不同风险领域 介绍 为此，我们参考公司提交给证券交易委员会的年 ......
NLP自然语言处理—主题模型LDA案例：挖掘人民网留言板文本数据|附代码数据
全文链接：tecdat.cn/?p=2155 最近我们被客户要求撰写关于主题模型LDA的研究报告，包括一些图形和统计输出。 随着网民规模的不断扩大，互联网不仅是传统媒体和生活方式的补充，也是民意凸显的地带。领导干部参与网络问政的制度化正在成为一种发展趋势，这种趋势与互联网发展的时代需求是分不开的 ▼ ......
学习数据mining算法收集（1）聚类算法：DBSCAN算法
——————————非原创，来自知乎https://zhuanlan.zhihu.com/p/77043965———————————————————————————— 1.定义 DBSCAN将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚 ......
交通信号标志识别软件（Python+YOLOv5深度学习模型+清新界面）
交通信号标志识别软件用于交通信号标志的检测和识别，利用机器视觉和深度学习智能识别交通标志并可视化记录，以辅助无人驾驶等。本文详细介绍交通信号标志识别软件，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多目标进行识别... ......
机场航拍图像检测软件（Python+YOLOv5深度学习模型+清新界面）
机场航拍图像检测软件使用深度学习技术检测机场航拍图像中的飞机目标等，识别航拍目标等结果并记录和保存，辅助机场智能管理运行。在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。机场航拍检测系统主要检测飞机的数目、位置、预测置信度等；连接摄像头设备可开启实时检测功能，另... ......
智能扑克牌识别软件（Python+YOLOv5深度学习模型+清新界面）
智能扑克牌识别软件利用视觉方法检测和识别日常扑克牌具体花色与数字，快速识别牌型并标注结果，帮助计算机完成扑克牌对战的前期识别步骤。本文详细介绍基于深度学习的智能扑克牌识别软件，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5对图像中存在的多目标进... ......
智能火焰与烟雾检测系统（Python+YOLOv5深度学习模型+清新界面）
智能火焰与烟雾检测系统用于智能日常火灾检测报警，利用摄像头画面实时识别火焰与烟雾，另外支持图片、视频火焰检测并进行结果可视化。本文详细介绍基于智能火焰与烟雾检测系统，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多... ......
基于深度学习的瓶盖检测系统（Python+YOLOv5深度学习模型+清新界面）
基于深度学习的瓶盖检测系统用于传送带或日常场景中瓶盖检测识别，提供实时瓶盖检测定位和计数，辅助瓶盖生产加工过程的自动化识别。本文详细介绍基于深度学习的瓶盖检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集，以及PyQt的UI界面。基于YOLOv5算法实现对图像中存在的多目标进行识... ......
吸烟行为检测系统（Python+YOLOv5深度学习模型+清新界面）
吸烟行为检测软件用于日常场景下吸烟行为监测，快速准确识别和定位吸烟位置、记录并显示检测结果，辅助公共场所吸烟安全报警等。本文详细介绍吸烟行为检测系统，在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别，基于YOLOv5算法实... ......
智能零售柜商品检测软件（Python+YOLOv5深度学习模型+清新界面）
智能零售柜商品检测软件用于识别零售柜常见商品，检测商品名和位置以了解销售情况，为零售柜商品智能检测和自动销售提供检测功能。本文详细智能零售柜商品检测软件，在介绍算法原理的同时，给出Python的实现代码、训练数据集、以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的... ......
算法笔记的笔记——第6章 C++标准模板库（STL）
vector 变长数组 长度根据需要而自动改变的数组 可以用来以邻接表的方式储存图 使用 头文件：#include <vector> 命名空间：using namespace std; 定义 vector<typename> name; 相当于一维数组name[SIZE]，但长度可变。typenam ......
面试笔记——计算机网络
原文链接：javaguide 常见面试题 OSI 和 TCP/IP 网络分层模型 OSI 七层模型 OSI 七层模型 是国际标准化组织提出一个网络分层模型，其大体结构以及每一层提供的功能如下图所示： 每一层都专注做一件事情，并且每一层都需要使用下一层提供的功能比如传输层需要使用网络层提供的路由和寻址 ......
20201226马瑞婕《网络对抗》Exp2后门原理与实践
#1 实验基础 ##1.1 基础知识 ###1.1.1 后门的概念 后门就是不经过正常认证流程而访问系统的通道。后门可能出现在编译器中、操作系统中，最常见的是应用程序中的后门，还可能是潜伏于操作系统中或伪装成特定应用的专用后门程序。 #常用后门工具 NC和Netcat 底层工具，进行基本的TCP、U ......
第四章 网络层
第四章 网络层 1. 概述 网络层提供的服务是最大努力交付，也就是不可靠交付，存在 丢失 乱序 重复的问题 网络层向运输层提供的两种服务： 虚电路服务(面向连接的) 数据包服务（面向无连接的) 2. 网络层协议 网际协议IP 地址解析协议 ARP (Address Resolution Protoc ......
雪花算法(SnowFlake)
简介 现在的服务基本是分布式、微服务形式的，而且大数据量也导致分库分表的产生，对于水平分表就需要保证表中 id 的全局唯一性。 对于 MySQL 而言，一个表中的主键 id 一般使用自增的方式，但是如果进行水平分表之后，多个表中会生成重复的 id 值。那么如何保证水平分表后的多张表中的 id 是全局 ......
「ACM 算法实践」[解题报告]麦田
分析 首先，前缀和的思路是很显然的。然后我们很容易想到暴力枚举矩形的左上角和右下角，然而 $\mathcal{O}(n^4)$ 的算法过不去，哪怕把最后一维用二分，倒数第二维加一点剪枝也还是会 T 两个点。 这时候应该考虑将多行/列压缩为一行/列，然后再使用双指针枚举列/行。详细来说就是将 $i$ ......
「ACM 算法实践」[解题报告]组队
分析 因为时间不多了，我一开始只考虑了 $a_i$ 互不相等的情况，没想到居然拿到了 60 昏（ 正确解法是贪心 + 优先队列。~~而不是从「使得人数最少的队伍人数最多」中得到的二分~~ 首先肯定要将 a 数组排序，要使人数最少的队伍人数最多，我们优先将当前的数 $a[i]$ 放到以 $a[i]-1 ......
「ACM 算法实践」[解题报告]时间管理大师
分析 一开始想着应该要分情况讨论，如果每台电脑的耗电量都小于 $e$ ，那么可以知道小 Q 是可以一直学习下去的，如果存在电脑的耗电量大于等于 $e$ ，贪心的想法是将每台电脑能用的时间从小到大排序，然后丢进优先队列里，再考虑给谁充电，这样一来情况就非常复杂了。 正确的做法是二分答案 $t$ ，计算 ......
高精度算法-高精度加法
为什么要用高精度 因为有的题目的数据很大，超出long long的范围，所以我们需要用高精度来计算： 首先是高精度加法： 高精度加法就是仿照我们竖式加法进行操作，逐位相加，注意进位！！！ 题目传送门 Tiling Time Limit: 1000MS Memory Limit: 65536K Tot ......
K8S实战集训第一课 Ansible自动化部署k8s、弹性伸缩、Helm包管理、k8s网络模型介绍
K8S实战集训第一课 Ansible自动化部署k8s、弹性伸缩、Helm包管理、k8s网络模型介绍 Ansible自动化部署K8S集群 一、Ansible自动化部署K8S集群 1.1 Ansible介绍 Ansible是一种IT自动化工具。它可以配置系统，部署软件以及协调更高级的IT任务，例如持续部 ......
Json Long 类型精度丢失
1.现象 在 SpringBoot 项目中，使用 Jackson 将Java 对象转为 Json 传给前端，但 Java 对象有 Long 类型字段，传给前端后会出现精度丢失的现象。 比如发送的 Json 字符串如下所示： 但在前端显示时，却出现了精度丢失 2.原因 这是因为在JavaScript中 ......
蚁群算法及 TSP 问题上的应用
群智能（Swarm intelligence） 自然界动物群，称之为群。 群的特征： 相互作用的相邻个体的集合 个体的行为简单，既有竞争又有协作 智能化的集体行为（1+1>2）： 个体间不仅能够交互信息，还能够处理信息，根据信息改变自身行为 没有一个集中控制中心，分布式、自组织 作为群体协同工作时， ......
扩展用户模型注意事项
1、AbstractUser from django.contrib.auth.models import AbstractUserfrom django.db import models# Create your models here.class MyUser(AbstractUser): ph ......
代码随想录算法训练营Day50 动态规划
#代码随想录算法训练营 代码随想录算法训练营Day50 动态规划| 123.买卖股票的最佳时机III 188.买卖股票的最佳时机IV 123.买卖股票的最佳时机III 题目链接:123.买卖股票的最佳时机III 给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。 设计一个算法来计算 ......
使用axios+vue在离开页面时中断网络请求
最近做到一个需求需要在离开页面时中断未完成的网络请求 第一步： 引入axios和CancelToken实例子 import axios from 'axios' const CancelToken = axios.CancelToken 第二步：在封装好的接口方法中加入cancelToken配置属性 ......
ASP.NET Core API模型绑定和Action数据返回格式
参考文档：https://www.cnblogs.com/FlyLolo/p/ASPNETCore2_20.html 模型绑定 [FromQuery] - 从URL中取值。 [FromRoute] - 从路由中取值。 [FromForm] - 从表单中取值。Postman使用form-data或x- ......
django模型models常用字段以及参数简要说明
一、常用字段 1、models.AutoField 自增列 = int(11) 如果没有的话，默认会生成一个名称为 id 的列，如果要显式的自定义一个自增列，必须设置primary_key=True 2、models.CharField 字符串字段，必须设置max_length参数 3、models ......
前缀和算法
前缀和算法 什么是前缀和？ 前缀和是指某序列的前n项和，可以把它理解为数学上的数列的前n项和，而拆分可以看成前缀和的逆运算。合理的使用前缀和与拆分，可以将某些复杂的问题简单化。 具体做法： 首先做一个预处理，定义一个sum[]数组，sum[i]代表a数组中前i个数的和。 求前缀和运算： for(in ......
【HuggingFace】Transformer结构的大模型训练过程最消耗算力的操作
在消耗算力上，Transformers 结构包括三部分的操作符，了解这些知识可以帮助分析性能瓶颈。 一、张量缩并 Tensor Contractions 线性层和多头注意力组件都要进行批量矩阵-矩阵乘法。这些操作是训练Transformer中最compute-intensive的部分。 二、统计归一 ......
计算机网络 | 自顶向下
1 应用层 1.1 体系结构 1.1.1 客户-服务端体系结构 客户端和服务端通过网络连接进行通信，客户端向服务端发送请求，服务端对请求进行处理，并返回响应；请求和响应数据流向一般都是单向的，服务端在处理请求时，可以访问本地的数据和资源，能够提供更加复杂的服务和功能。 1.1.2 P2P 体系结构 ......