526互联

miniapi dotnet webapi learn

Learning Off-Policy with Online Planning

**发表时间：**2021（CoRL 2021） **文章要点：**这篇文章提出Off-Policy with Online Planning (LOOP)算法，将H-step lookahead with a learned model和terminal value function learne ......
Off-Policy Learning Planning Policy Online

【C#】WebApi 添加过滤器，实现对请求参数和响应内容的日志记录

filter的介绍 filter在Web API中经常会用到，主要用于记录日志，安全验证，全局错误处理等；Web API提供两种过滤器的基本类型：actionfilterattribute，exceptionfilterattribute；两个类都是抽象类，actionfilter主要实现执行请求方 ......
过滤器 参数 内容 WebApi 日志

WebAPI中添加参数,并获取数据

public static string PostData(DataTable dt,int m) { string strPostData = ConfigurationManager.AppSettings["APIPost"].ToString(); //"http: //218.78.103 ......
参数 数据 WebAPI

论文解读（VAT）《Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning》

论文信息 论文标题：Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning论文作者：Takeru Miyato, S. Maeda, Masanori Koya ......
Supervised Semi-Supervised Regularization Adversarial Training

装了.Net 7.0后，工程框架用 net6 的 dotnet watch 出错临时解决方案 Could not load file or assembly 'System.Runtime,7.0.0.0

升级vs或者装了.Net 7.0后, 工程框架用 net6 的 dotnet watch 出错 ‘Unhandled exception. System.IO.FileNotFoundException: Could not load file or assembly ‘System.Runtime ......
框架 assembly 解决方案 Runtime 方案

论文解读（PGD）《Towards deep learning models resistant to adversarial attacks》

论文信息 论文标题：Towards deep learning models resistant to adversarial attacks论文作者：Aleksander Madry, Aleksandar Makelov, Ludwig Schmidt, Dimitris Tsipras, Ad ......
adversarial resistant learning Towards attacks

基于RL(Q-Learning)的迷宫寻路算法

强化学习是一种机器学习方法，旨在通过智能体在与环境交互的过程中不断优化其行动策略来实现特定目标。与其他机器学习方法不同，强化学习涉及到智能体对环境的观测、选择行动并接收奖励或惩罚。因此，强化学习适用于那些需要自主决策的复杂问题，比如游戏、机器人控制、自动驾驶等。强化学习可以分为基于价值的方法和基于策 ......
迷宫 算法 Q-Learning Learning RL

ASP.NET CORE WEBAPI 登录 JWT 鉴权 ，接口权限验证

###JWT的简单使用 ####介绍 当今Web开发中，API的使用越来越广泛，而API的安全性也变得越来越重要。其中，JWT（JSON Web Token）鉴权和授权是一种常见的解决方案。 本篇文章将会介绍JWT鉴权和授权的原理、实现方式以及注意事项。 ####什么是JWT？ JWT是一种基于JS ......
接口 权限 WEBAPI CORE ASP

如何在 .NET Core WebApi 中处理 MultipartFormDataContent 中的文件

在上一篇文章（如何在 .NET Core WebApi 中处理 MultipartFormDataContent）中，我们有描述过如何以最简单的方式在 .NET Core WebApi 中处理 MultipartFormDataContent 。基于框架层面的封装，我们可以快速的从 Request. ......
MultipartFormDataContent 文件 WebApi Core NET

1、题目：Engineering Design Thinking, Teaching, and Learning

期刊信息 （1）作者：Dym，Clive L.，Agogino，Alice M.，Eris，Ozgur，Frey，Daniel D.，Leifer，Larry J. （2）期刊：Journal of Engineering Education：94-1-103-120，01/2005 （3）DOI： ......
Engineering Thinking Teaching Learning 题目

M3AE: Multimodal Representation Learning for Brain Tumor Segmentation with Missing Modalities

摘要 提出SimCLR，用于视觉表征的对比学习，简化了最近提出的对比自监督学习算法，为了理解是什么使对比预测任务能够学习有用的表示，系统研究了提出框架的主要组成部分，发现： （1）数据增强的组成在定义有效的预测任务中起着关键的作用 （2）在表示和对比损失之间引入一个可学习的非线性变换，大大提高了已学 ......
Representation Segmentation Multimodal Modalities Learning

阅读文献《SCNet：Deep Learning-Based Downlink Channel Prediction for FDD Massive MIMO System》

该文献的作者是清华大学的高飞飞老师，于2019年11月发表在IEEE COMMUNICATIONS LETTERS上。 文章给出了当用户位置到信道的映射是双射时上行到下行的确定映射函数；还提出了一个**稀疏复值神经网络( sparse complex-valued neural network，SC ......
Learning-Based Prediction 文献 Learning Downlink

【Dotnet 工具箱】跨平台图表库 LiveCharts2

【Dotnet 工具箱】跨平台图表库 LiveCharts2 你好，这里是 Dotnet 工具箱，定期分享 Dotnet 有趣，实用的工具和组件，希望对您有用！ LiveCharts2 LiveCharts2 是一个简单、灵活、交互式以及功能强大的跨平台图表库。 LiveCharts2 现在几乎可以 ......
图表 工具箱 LiveCharts2 LiveCharts 工具

如何在 .NET Core WebApi 中处理 MultipartFormDataContent

最近在对某个后端服务做 .NET Core 升级时，里面使用了多处处理 MultipartFormDataContent 相关内容的代码。这些地方从 .NET Framework 迁移到 .NET Core 之后的代码改动较大，由于本身没有测试覆盖，导致在部署 QA 环境后引发了一些问题。这里做一个 ......
MultipartFormDataContent WebApi Core NET

【Dotnet 工具箱】WPF UI - 现代化设计的开源 WPF 框架

1.WPF UI - 现代化设计的开源 WPF 框架 WPF UI 是一个基于 C# 开发的, 拥有 4k star 的开源 UI 框架。WPF UI 在 WPF 的基础上，提供了更多的现代化，流利的，直观的设计和组件。重要的是，WPF UI 完全免费！ 如果你对 WPF 比较熟悉，那么可以很快的上 ......
工具箱 WPF 框架 工具 Dotnet

如何在现有项目中使用`Masa MiniApi`?

首先我们现有创建一个空的WebApi的项目模板，这个项目模板和MasaFramework本身没有任何关联，我们本博客只是使用的MasaFramework的MiniApi的包 创建Asp.NET Core 空的项目模板 项目名称MFMiniApi 其他信息看图，取消Https配置，也可以选择， 这就是 ......
MiniApi 项目 Masa

文献阅读《AcsiNet: Attention-Based Deep Learning Network for CSI Prediction in FDD MIMO Systems》

这篇文献的作者是南华大学的林文斌老师，于2023年3月3日发表在IEEE WIRELESS COMMUNICATIONS LETTERS。 文章直接对上行 CSI 矩阵使用离散傅里叶逆变换进行压缩，然后将其输入一个基于注意力（attention-based）的深度学习网络，该网络可以专注于关键的 C ......
Attention-Based Prediction Attention 文献 Learning

WebApi和WebService的区别

.NET Web API 和 Web Services 都是通过 HTTP 协议来提供服务的方式，它们的主要区别在于以下几个方面： 接口方式的不同 Web API 通常使用 RESTful API，即使用 HTTP 动词对资源进行 CRUD 操作，比如 GET、POST、PUT 和 DELETE 请 ......
WebService WebApi

GCR Gradient Coreset based Replay Buffer Selection for Continual Learning

GCR: Gradient Coreset based Replay Buffer Selection for Continual Learning 摘要：本文提出了一种创新的重放缓冲区选择和更新策略，梯度核心集重放（GCR），使用一种设计优化标准。 该方法选择和维持一个“coreset” ，它非常 ......
Continual Selection Gradient Learning Coreset

论文解读《Automatically discovering and learning new visual categories with ranking statistics》

论文信息 论文标题：Automatically discovering and learning new visual categories with ranking statistics论文作者：K. Han, Sylvestre-Alvise Rebuffi, Sébastien Ehrhard ......
Automatically discovering categories statistics learning

五天学会Deep Learning

五天学完deep learning。。。。。。是时候来证明chatGPT和new bing的能力了。。。。。。 DAY1 Sigmoid function Sigmoid 函数是一种常用的激活函数，它将输入值映射到 0 和 1 之间。它的公式为 f(x) = 1 / (1 + e^-x)。Sigmo ......
Learning Deep

论文解读（PAWS）《Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples》

论文信息 论文标题：Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples论文作者：Mahmoud Assran, Mathi ......
Non-Parametrically Semi-Supervised Parametrically Assignments Predicting

迁移学习（CLDA）《CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation》

论文信息 论文标题：CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation论文作者：Ankit Singh论文来源：NeurIPS 2021论文地址：download 论文代码：download视屏讲解：click 1 简介 ......
CLDA Semi-Supervised Contrastive Adaptation Supervised

FastGCN Fast Learning with Graph Convolutional Networks via Importance Sampling

Chen J., Ma T. and Xiao C. FastGCN: fast learning with graph convolutional networks via importance sampling. ICLR, 2018. 概 一般的 GCN 每层通常需要经过所有的结点的 prop ......
Convolutional Importance Learning Networks Sampling

Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning

Li Q., Han Z. and Wu X. Deeper insights into graph convolutional networks for semi-supervised learning. AAAI, 2018. 概 本文分析了 GCN 的实际上就是一种 Smoothing, 但是 ......
Semi-Supervised Convolutional Supervised Insights Networks

标准的WebApi应该有哪些元素

提问 标准的WebApi应该有哪些元素 回答 声明完整的响应码200,404,401,400 添加Operation 添加Tag聚合业务 申明请求和响应类型 标注参数来源FromHeader 使用IActionResult代替ActionResult [Tag("查询类服务")] [HttpGet, ......
元素 标准 WebApi

Pytorch深度学习全流程代码框架——Base Codes for Deep Learning Using Pytorch

# 导入必要的库 import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, Dataset # 定义超参数 epochs = 10 # 训练轮数 lr ......
Pytorch 框架 深度 Learning 流程

scikit-learn 中 Boston Housing 数据集问题解决方案

scikit-learn 中 Boston Housing 数据集问题解决方案 在部分旧教程或教材中是 sklearn，现在【2023】已经变更为 scikit-learn 作用：开源机器学习库，支持有监督和无监督学习。它还提供了用于模型拟合、数据预处理、模型选择、模型评估和许多其他实用程序的各种工 ......
scikit-learn 解决方案 Housing 方案 数据

基于强化学习（Q-learning算法）的需求响应动态定价研究

代码关键词：需求响应 强化学习 动态定价 编程语言：python平台 主题：16、基于强化学习（Q-learning算法）的需求响应动态定价研究 代码内容： 代码提出了一种考虑服务提供商（SP）利润和客户（CUs）成本的分层电力市场能源管理动态定价DR算法。 用强化学习（RL）描述了动态定价问题为离 ......
算法 Q-learning learning 需求 动态

dotnet commands

dotnet --list-sdks dotnet new webapi --no-https dotnet new page -n Counter dotnet new globaljson --sdk-version 6.0.100 --output FirstProject dotnet ne ......
commands dotnet
共786篇  :23/27页 首页上一页23下一页尾页