clustering spectral机器 笔记
机器学习——注意力汇聚：Nadaraya-Watson 核回归
上节介绍了框架下的注意力机制的主要成分 图10.1.3： 查询（自主提示）和键（非自主提示）之间的交互形成了注意力汇聚； 注意力汇聚有选择地聚合了值（感官输入）以生成最终的输出。 本节将介绍注意力汇聚的更多细节， 以便从宏观上了解注意力机制在实践中的运作方式。 具体来说，1964年提出的Nadara ......
机器学习-小样本情况下如何机器学习
交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓 ......
机器学习——注意力提示
查询、键和值 自主性的与非自主性的注意力提示解释了人类的注意力的方式， 下面来看看如何通过这两种注意力提示， 用神经网络来设计注意力机制的框架， 首先，考虑一个相对简单的状况， 即只使用非自主性提示。 要想将选择偏向于感官输入， 则可以简单地使用参数化的全连接层， 甚至是非参数化的最大汇聚层或平均汇 ......
《敏捷开发》阅读笔记
《轻松Scrum之旅》这本书主要是以关毅团队的实例来展开对敏捷开发的讲述的。 在读这本书前，已经对敏捷开发有所耳闻。相比于传统的项目管理，敏捷开发更注重的是灵活与跟随计划的变化而变化。 最开始我以为的敏捷开发是以团队展开的，所有人都有决定权，带入过以多数否决少数这样的结论。看完书才发现这种做法的害处 ......
Java学习笔记
Java学习笔记 Day 3-5：变量、数据类型和运算符 1. 基本数据类型 2. 变量 3. 常量 4. 命名规范 第4天：算术运算符 第5天：关系和逻辑运算符 1. 关系运算符 2. 逻辑运算符 Java学习笔记 Day 3-5：变量、数据类型和运算符 1. 基本数据类型 在 Java 中，有以 ......
VisionPro脚本学习练习笔记
VisionPro脚本学习练习笔记 练习1 零件的匹配分数显示 练习重点：模板匹配工具 关于CogPMAlignTool工具心得： 首先明确一点，模板匹配的分数是通过匹配的特征来确定的。匹配的特征越多，获得的分数越高。 我们为了让匹配的模板分数越高，可以在做模板的时候适当考虑选取必要的特征 实操Pa ......
学习笔记10
目录知识点归纳第12章 块设备I/O和缓冲区管理块设备和I/O缓冲区Unix缓冲区管理子系统Unix算法的优点：1.数据的一致性；2.缓存效果；3.临界区；Unix算法的缺点：Unix算法的一些具体说明:新的I/O缓冲区管理算法苏格拉底挑战遇到的问题与解决方案实践过程 知识点归纳 第12章 块设备I ......
考研数学笔记：一个例子让你明白什么是自由未知数什么是非自由未知数
什么是自由未知数？什么是非自由未知数？举例来说就是——非自由未知数就像阻挡入侵的“战士”，而自由未知数就是被这些“战士”保护的平民 >>>【查看详情】 ......
零基础机器学习数字识别MNIST（on going）
本人之前并未涉及机器学习，但是在嵌入式中都会涉及视觉，借校内比赛从零学习，进行MNIST数字识别模型的搭建。 随着学习进度更新，每天更新。2023-11-15 21:38:55 星期三 一、环境搭建 进行本模型的搭建，需要以下内容： Python环境：利用Anaconda管理 开源机器学习平台：Py ......
【操作系统MIT 6.1810笔记】xv6讲义：第一章
第1章-操作系统接口（Operating system interfaces） 设计一个好的接口是困难的：“简单易用的接口” vs “强大复杂的接口功能”是一对主要矛盾。 解决这一矛盾的主要方式：设计可组合在一起以提供更广泛用途的少量机制。 kernel xv6系统中，每个进程（process）包含 ......
《人件》阅读笔记（二）
第三篇：适当人选 这一篇主要讨论了如何雇佣并留住优秀的员工问题。 对于有战略眼光的经理而言，这样的方法将激励你的成功：即雇佣合适的人、使他们觉得开心（这样他们就不想离开）、宽松对待他们。与聪明的人在一起共事，经理们几乎可以从起点开始就可以毫不费力地前行。 那么如何寻找聪明的人一起共事呢？即使是第一次 ......
代码整洁之道笔记2
三.函数短小，只做一件事 每个函数一个抽象层级 1.要确保函数只做一件事，函数中的语句都要在同一抽象层级上 2.自顶向下读代码：向下规则，让代码拥有自顶向下的阅读顺序，让每个函数后面都跟着下一抽象层级的函数，这样一来，在看函数列表时，就能循抽象层级向下阅读了，我把这叫做向下规则 switch语句 1 ......
【论文阅读笔记】【Image Retrieval】 Global Features are All You Need for Image Retrieval and Reranking
SuperGlobal ICCV 2023 读论文思考的问题 论文试图解决什么问题？ 图片检索方法通常由粗粒度图片检索和精确的结果重排列两个模块组成。人们通常认为图片的 local feature 在结果重排列中是不可或缺的，但对大量的 local feature 的计算需要较高的计算资源和时间 能 ......
【笔记】判环
【笔记】判环 整理一下主流且比较好写的两种方法： 一、Tarjan（有无向图都推荐这种写法） 有向图就用强连通分量，无向图的话同样魔改一下：每一条边不能反着再走一遍。 有向图： #include<bits/stdc++.h> #define F(i,l,r) for(int i=l;i<=r;++i ......
11.15每日总结（阅读笔记5）
《人月神话》是一部我近期阅读的书籍，它给我留下了深刻的印象。这本书主要探讨了项目管理和人际关系之间的复杂性和挑战，让我有了许多新的思考和认识。 首先，书中的每个章节都引人入胜，作者通过生动的案例和有趣的故事，让读者更好地理解了项目管理和人际关系的实质。特别是在处理项目延期和人员配置方面，我深受启发。 ......
机器码备份_二
[yhzr]有意合作联系扣扣:1176769884$$$AA24C7BD5A0A8FE8E06E1FB53BBE8AD4:00|66|88_CF4DF748256261B751D029853C3DA5BC:00|01|02|03|04|10|11|12|13|14|20|21|22|23|24|30 ......
python初学者学习笔记-第十章-pandas
Chapter10/pandas 10.1 dataframe简介 dataframe是pandas中最基础的数据结构，当然它也是pandas中最常见的对象，它跟表格类似。 dataframe的行和列是分别存储的数据集；这种存储方式，加快了列和行的操作效率。 10.1.1 创建dataframe 一 ......
FPGA入门学习笔记001
1、assign assign为连续赋值语句，通常用于组合逻辑电路，例如： assign led_out = (key_in == 0)? a : b; 2、timescale 例如： `timescale 1ns/1ps 定义了一个仿真精度。 '1ns'为仿真步进，例如设置100的延时'#100' ......
机器学习——束搜索、贪心搜索、穷举搜索
束搜索（Beam Search）、贪心搜索（Greedy Search）和穷举搜索（Exhaustive Search）是在搜索领域常用的三种搜索算法，它们在不同的场景下有着不同的特点和应用。 束搜索（Beam Search）： 束搜索是一种用于寻找最有可能的输出序列的搜索算法，常用于序列生成任务， ......
图论——差分约束 学习笔记
图论——差分约束 学习笔记 定义 差分约束系统是一种特殊的 \(n\) 元一次不等式组： 包含 \(n\) 个变量 \(x_1,x_2,\dots,x_n\)； 包含 \(m\) 个约束条件，形如 \(x_i-x_j \le c_k\)，其中 \(1 \le i, j \le n, i \neq j ......
【课程】算法设计与分析——第八周 题解笔记
第八周 算法题解笔记 1极值点 题目描述 给定一个单峰函数f(x)和它的定义域，求它的极值点 该单峰函数f(x)保证定义域内有且只有一个极值点，且为极大值点 题解 本题感觉和dp关系不大，主要思路是三分法，和二分法非常类似，但没有二分法常用，主要用途是用来求单峰函数的极值 对于任意一个上凸函数，选取 ......
机器学习——序列到序列学习（seq2seq）
我们将使用两个循环神经网络的编码器和解码器， 并将其应用于序列到序列（sequence to sequence，seq2seq）类的学习任务。 编码器 由于这里使用的是门控循环单元， 所以在最后一个时间步的多层隐状态的形状是 （隐藏层的数量，批量大小，隐藏单元的数量）。 如果使用长短期记忆网络，st ......
机器学习中的分类和回归
机器学习中的分类和回归是两种主要的预测建模任务，它们分别处理不同类型的输出变量。 分类（Classification）： 定义： 分类是一种监督学习任务，其目标是将输入数据映射到预定义的类别中。在分类问题中，模型的输出是一个离散的类别标签。 例子： 例如，垃圾邮件过滤是一个二分类问题，其中模型需要将 ......
统计学强调低维空间问题的统计推导，机器学习强调高维预测问题
统计学和机器学习在处理数据和模型时的侧重点确实有一些区别，其中涉及到低维和高维空间的问题。 统计学强调低维空间问题的统计推导： 统计学通常关注的是从一组有限样本中获得总体特征的推断。在传统统计学中，数据通常被认为是在低维空间中采样的，即特征的数量相对较少。例如，在古典统计中，可能会考虑一些变量对某个 ......
Python3 协程 await async 相关的用法和笔记
想要提供可以进行协程切换的awaitable，可以使用下面的方法： 1 任务task async def func(): print("yes Wait") task = asyncio.create_task(func()) await task 2 协程对象，可以使async def 定义的协程 ......
【做题笔记】NOIP真题们
[NOIP2022] 种花 题意 不太好描述，感性理解（ 题意 一道计数类问题。不难发现 F 形只需要在 C 形的基础上在末尾伸出一小支就好了。所以我们先考虑 C 形的计数方案。 图形计数类一个基本的 trick 就是枚举拐点，因此我们考虑枚举下面这一行的拐点（也就是首个种花的位置）\((i,j)\ ......
图论——最小生成树 学习笔记
图论——最小生成树 学习笔记 本文仅对于无向连通图。 生成树，Spanning Tree（ST），在一个 \(n\) 个点的图中选取 \(n-1\) 条边，构成一棵树。 最小生成树，Minimum Spanning Tree（MST），通常是边权和最小的生成树。 算法分类： 算法 Prim Prim ......
微信机器人开发文档
请求URL： http://域名地址/acceptUser 请求方式： POST 请求头Headers： Content-Type：application/json Authorization：login接口返回 参数： 参数名必选类型说明 wId 是 string 登录实例标识 v1 是 stri ......
第十二章学习笔记、知识完整性总结
摘要：本章讨论了块设备 I/O和缓冲区管理;解释了块设备I/O的原理和I/O缓冲的优点;论述了Unix 的缓冲区管理算法，并指出了其不足之处;还利用信号量设计了新的缓冲区管理算法，以提高 I/O缓冲区的缓存效率和性能;表明了简单的PV算法易于实现，缓存效果好，不存在死锁和饥饿问题;还提出了一个比较 ......