TZZtangtangtang的博客

Toast通知以其轻量级、自动消失的特性，有效地为用户提供即时反馈、状态更新或操作指引，从而在不打断用户当前任务流程的同时，增强应用的交互性和信息透明度。

git常用指令；提交GitHub项目

JSP 通过MySQL的JDBC驱动访问MySQL数据库

如果你是联想的电脑，看这篇文章就够了。如果不是，文中也附带好几个解决方法可以试试。刚买了联想的电脑，打开edge浏览器时默认是启动百度页面。因为我实在用不惯百度，加上小小的强迫症，我就是要让它启动的时候默认打开的是新建标签页！我点开了edge 的设置然后发现在启动时那个地方选择的分明是“打开新标签页”！我十分的不解，然后一顿查，，，找到一个看起来靠谱的文章说，win11的edge想要修改设置要从旧版的ie浏览器去设置。（附上一个有的能成功修改的链接）于是我又开始查在win11上如何打开旧版的

用jformdesigner插件写界面，使用到的一些方法

卷积神经网络应用领域检测任务追踪任务分类检索超分辨率重构医学任务无人驾驶人脸识别卷积的作用卷积神经网络与传统网络区别传统神经网络（nn）特征是二维的CNN特征是三维的，直接输入原始数据卷积神经网络的整体架构输入层卷积层池化层全连接层输入层图像数据，例如：28x28的数据卷积层提取特征计算过程将图像进行一个分割，分成多个小块，目的是在不同的区域，得到的特征不一样。卷积特征值计算方法图像颜色通道一张图是三维的，分为R,G,B三个通道分别单独

一、BP神经网络—从推导到实现1 BP神经网络结构BP神经网络是一个非常经典的网络结构。整个网络结构包含了：一层输入层，一到多层隐藏层，一层输出层。它既可以处理线性问题，也可以处理非线性问题。学习过程由信号的正向传播和误差的反向传播两个过程组成。我们可以利用误差反向传播算法进行迭代，使误差逐渐减少到我们的接受范围内。2 算法原理2.1 网络结构输入层——神经网络中的第一层。它需要输入信号并将它们传递到下一层。它不对输入信号做任何操作，并且没有关联的权重和偏置值。隐藏层——除输入层和输出层以外的

1、SVM支持向量机（support vector machines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM 适合中小型数据样本、非线性、高维的分类问题。1.1、svm基本概念将实例的特征向量（以二维为例）映射为空间中的一些点，SVM 的目的就是想要画出一条线，以“最好地”区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。注：线是有无

KNN算法学习——入门1 KNN算法介绍KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。由图可清楚看出，当k值不同，圈内的红色圆圈和蓝色三角数量也不同。当k值固定时，圈内的数量多的图像占优势，中间的绿色圆形图像即x被判断为优势的图像。由此可得K值的选取和点距离的计算有一定关系。2 算法原理2.1 距离计算常见的度量空间中点距离的计算有：曼哈顿距离计算欧式距离计算通常KNN算法中使用的是欧式距离，二维空间两个点的欧式距离计算公式如下：