MrsBaek-CSDN博客

原创【分布式计算】java消息队列机制

消息队列是一种在不同组件或应用之间进行数据传递的技术，通常用于处理异步通信。它允许消息的发送者（生产者）和接收者（消费者）之间进行解耦。

2024-06-16 22:34:42 821

原创【java分布式计算】控制反转和依赖注入（DI &IOC& AOP）

在 IOC 中，控制权从应用程序转移到了外部的框架或容器，即应用程序的组件不再直接控制依赖关系的创建和生命周期管理，而是由外部容器来控制。简单来说，IOC 的核心思想就是将程序中各个组件之间的依赖关系的创建和管理交给了外部容器（通常是 IOC 容器）来完成，而不是在组件内部自己创建或者查找依赖对象。在传统编程中，应用程序代码主动控制程序的流程和对象的创建，而在 IOC 中，这种控制权被反转，交给了容器来处理。：在依赖查找中，组件仍然负责自己的创建，但是依赖对象的查找是由外部容器来完成的。

2024-06-16 16:52:39 329

原创【java分布式计算】分布式计算程序设计基础

期末复习自留重点只抓考点。

2024-06-16 15:24:34 991

原创【机器学习】朴素贝叶斯解决实际问题

然后基于此模型，对于给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯是一个基于贝叶斯定理的简单概率分类器，它假设给定目标值时特征之间的条件独立性。在这里 P(A|B) 是在给定 B 的情况下 A 的概率， P(B|A)是在给定 A 的情况下观察到 B 的概率，P(A)和P(B)分别是 A 和 B 的边缘概率。: 在训练过程中，分类器会通过数据集计算特征与类别之间的关系，即每个类别下特征的条件概率。这是朴素贝叶斯分类器的核心，它提供了给定某个类别下观测到某些特征的概率。

2024-04-21 22:24:47 982 1

原创【机器学习】knn邻近算法解决实际问题

采用kNN算法回答红色字体提出的问题。要求写出算法过程和预测结果。

2024-04-16 11:08:09 904

原创【机器学习】推荐系统——矩阵分解

初始化模型参数，包括样本特征矩阵 X、潜在维度数量 k、学习率 alpha、正则化参数 beta 和迭代次数 iterations。在初始化过程中，计算了样本特征矩阵的行数和列数，并创建了一个布尔型的索引数组 not_nan_index，用于标识非 NaN 值的位置。

2024-03-14 17:49:36 707

原创【ctfshow】_萌新 web2 web3

程序现在对输入的 `id` 参数进行了更加严格的过滤，包括对一些特殊字符的检测，如 `-`, `\`, `*`, `<`, `>`, `!`, `x`, `hex`, `+` 等等。如果输入的 `id` 参数包含这些特殊字符中的任何一个，程序都会输出 "id error" 并终止执行。正则表达式 `"/or|\+/i"` 的作用是检查 `$id` 变量是否包含 `or` 或 `+` 字符。例如，通过绕过对数字大小的检查，使得程序接受输入的 `id` 参数为非数字，然后构造恶意的 SQL 查询。

2024-02-06 18:28:52 446

原创【ctfshow】_萌新web1

1. 使用其他参数：看看是否有其他参数可以用来获取文章，例如可能存在一个名为 `article_id` 或者 `post_id` 的参数，尝试将这些参数设置为 1000 并查看结果。但请注意，这需要对目标网站的数据库结构有一定的了解。：尝试使用其他的参数或方式来绕过限制，例如可能存在其他的参数或者方法可以绕过对 `id` 参数的限制，从而获取到 `id = 1000` 的结果。- 如果 `$var` 是一个布尔值，`intval()` 将返回 1（对应于 `true`）或 0（对应于 `false`）。

2024-02-06 18:00:09 851

原创【java期末速成】I/O与文件操作

System.out.println("4. 把所有员工信息保存到 salary.dat");char array[]={'文','本','输','入','输','出','实','例','。System.out.println("2. 按员工的姓名的升序显示员工信息");System.out.println("5. 修改某个员工的工资");System.out.println("salary 文件还没创建，没有员工薪酬数据\n\n");System.out.println("6. 删除某个员工");

2024-01-07 22:46:11 864 1

原创【java期末速成】面向对象，类，继承和多态

的基本格式如下：<类声明>{<类主体>Java。

2024-01-07 21:15:31 1080 1

原创【java期末速成】Java语言基础

java期末系列1

2024-01-07 16:35:10 910 1

原创【微信小程序】JS逻辑交互

文件中可以定义处理页面事件的函数，例如按钮的点击事件、表单的提交事件等。文件中，可以使用原生的JavaScript语法和函数，也可以使用小程序框架提供的特定函数和API，以便更好地进行小程序开发。文件中可以定义和处理页面中的数据，包括变量的定义、数据的获取和处理等。通过对数据的操作，可以实现页面的动态展示和交互。文件中可以使用小程序提供的API进行各种功能的调用，例如网络请求、本地存储、界面跳转等。这些生命周期函数会在页面生命周期的不同阶段被触发，用于执行相应的逻辑。文件是用来编写小程序的逻辑代码的文件。

2023-07-12 20:55:03 456 1

原创【微信小程序】WXSS样式

这些基本的选择器在WXSS中提供了基本的样式选择能力，可以根据元素的类型、类名、ID和状态来选择元素并应用样式。需要注意的是，相比CSS，WXSS的选择器支持范围较小，不支持复杂的选择器如后代选择器、子选择器、属性选择器等。而WXSS仅支持基本的选择器，如元素选择器和类选择器，不支持ID选择器和属性选择器。只在微信小程序中有效，在Web开发中并不支持该单位，因此在使用其他前端框架或开发Web页面时，需要使用其他适合的尺寸单位，如像素（px）、百分比（%）等。，它会被等比例换算成屏幕上的物理像素。

2023-07-12 20:42:32 1044 1

原创【微信小程序】WXML和HTML区别

HTML和WXML是两种不同的标记语言，用于构建网页和小程序的用户界面。它们有以下区别：用途：HTML（Hypertext Markup Language）是用于构建网页的标记语言，而WXML（Wechat Mini Program XML）是微信小程序中用于构建页面结构的标记语言。平台限制：HTML可以在各种Web浏览器上运行，而WXML主要用于微信小程序平台。标签和属性：HTML使用一系列预定义的标签和属性来描述网页结构和样式。

2023-07-12 20:30:52 3001 1

原创【微信小程序】入门Day1

B站黑马程序员微信小程序笔记自留

2023-07-12 20:11:00 95 1

原创【机器学习笔记】聚类算法

聚类是一种经典的方法，，即不依赖于训练数据集的类标记信息。聚类则是试图将数据集的样本划分为若干个互不相交的类簇，从而每个簇对应一个潜在的类别。聚类算法是一类无监督学习方法，用于将数据集中的样本划分为不同的组或簇，使得同一簇内的样本相似度较高，而不同簇之间的相似度较低。聚类算法的目标是发现数据中的内在结构和模式，并将相似的样本聚集在一起。以下是几种常见的聚类算法：K-Means聚类算法：K-Means是最常用和简单的聚类算法之一。它将数据集划分为K个簇，其中K是预先设定的。

2023-06-13 17:54:56 136

原创【机器学习笔记】降维与度量学习

接着使用拉格朗日乘子法求解上面的优化问题，得到：

2023-06-13 17:49:17 773

原创【机器学习笔记】强化学习

在使用蒙特卡罗搜索树进行多次采样后，每次采样都会反馈后续的局面信息（利用局面函数进行评价），根据反馈回来的结果信息自动调整两个估值函数的参数，这便是强化学习的核心思想，最后基于改进后的策略函数选择出当前最优的落子动作。，即以填表格的形式自底向上，先求解每个状态的单步累积奖赏，再求解每个状态的两步累积奖赏，一直迭代逐步求解出每个状态的T步累积奖赏。：对采样轨迹中的每一对状态-动作，记录其后的奖赏值之和，作为该状态-动作的一次累积奖赏，通过多次采样后，使用累积奖赏的平均作为状态-动作值的估计，并。

2023-06-13 17:30:47 87

原创【机器学习笔记】k近邻

接下来，我们通过计算新样本与训练数据集中每个样本之间的距离，选择最近的K个样本。距离度量常用的有欧式距离，曼哈顿距离，余弦距离等，一般使用欧氏距离，对于文本分类，常用余弦距离。5. 预测分类：根据K个最近邻的类别标签，确定新样本的类别。在分类问题中，可以采用多数表决的方式，即选择K个最近邻中最常见的类别作为预测结果。在应用KNN算法时，需要注意选择合适的K值、合适的距离度量和适当的数据预处理（如归一化）。它的工作原理很简单，基于实例之间的距离度量，将新样本的类别标签预测为其K个最近邻居中最常见的类别。

2023-06-04 11:29:57 53 1

原创【机器学习笔记】误差逆传播

其中输入层神经元接收外界输入，隐层与输出层神经元对信号进行加工，最终结果由输出层神经元输出:换言之，输入层神经元仅是接受输入，不进行函数处理，隐层与输出层包含功能神经元.因此，图。误差逆传播（Error Backpropagation）是一种用于训练神经网络的算法，通过将网络的误差从输出层向输入层传播，更新网络的权重和偏置，从而提高网络的性能。误差逆传播算法是训练深度神经网络的基础，它为神经网络提供了学习和适应数据的能力，使得网络能够在大规模、复杂的问题上取得优秀的性能。任意参数v的更新估计式为。

2023-06-04 11:00:07 925 2

MrsBaek的博客

原创【分布式计算】java消息队列机制

原创【java分布式计算】控制反转和依赖注入（DI &IOC& AOP）

原创【java分布式计算】分布式计算程序设计基础

原创【机器学习】朴素贝叶斯解决实际问题

原创【机器学习】knn邻近算法解决实际问题

原创【机器学习】推荐系统——矩阵分解

原创【ctfshow】_萌新 web2 web3

原创【ctfshow】_萌新web1

原创【java期末速成】I/O与文件操作

原创【java期末速成】面向对象，类，继承和多态

原创【java期末速成】Java语言基础

原创【微信小程序】JS逻辑交互

原创【微信小程序】WXSS样式

原创【微信小程序】WXML和HTML区别

原创【微信小程序】入门Day1

原创【机器学习笔记】聚类算法

原创【机器学习笔记】降维与度量学习

原创【机器学习笔记】强化学习

原创【机器学习笔记】k近邻

原创【机器学习笔记】误差逆传播

原创【机器学习笔记】神经网络：感知机前馈计算和参数学习

原创【机器学习笔记】最小二乘法&最小平方损失函数

原创【机器学习笔记】朴素贝叶斯（从先验分布到后验分布）

原创【机器学习笔记】绪论

原创数据结构实验

原创【java】自定义封装工具和继承多态练习（自留）

原创【Java】字符串类之String

原创【Java】Object类

原创【Java】习题集

空空如也

空空如也