临溪而渔

原创 GPSDO （by obbo）

GPSDO是“GPS Disclipined Oscillator（GPS受控振荡器）”的缩写，指的是一种频率发生器，其频率根据GPS系统提供的高度精确的参考信号进行校正。

原创 监督学习之随机梯度下降法20211112

import numpy as npimport randomimport mathimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D seita0 = random.randint(0,1)seita1 = random.randint(0,1)seita2 = random.randint(0,1)eg = 1e-4alpha = 0.01delta0 = 1delta1 = 1delta

原创 西瓜决策树推导笔记20211026

原创 强化学习——Actor Critic Method

演员-评论家网络这个网络学习两个功能：演员Actor：它将环境的状态作为输入，并为其动作空间中的每个动作返回一个概率值。评论家Critic：它将的环境状态作为输入，并返回对未来总回报的估计。当代理在环境中执行操作和移动时，它将观察到的环境状态映射到两个可能的输出：推荐动作：动作空间中每个动作的概率值。代理中负责此输出的部分称为actor（演员）。未来预期回报：它预期在未来获得的所有回报的总和。负责此输出的代理部分是critic（评论家）。演员和评论家学习执行他们的任务，这样演员推荐的动作就

原创 使用卷积神经网络进行图像分类211015

import paddleimport paddle.nn.functional as Ffrom paddle.vision.transforms import ToTensorimport numpy as npimport matplotlib.pyplot as plttransform = ToTensor()cifar10_train = paddle.vision.datasets.Cifar10(mode='train',

原创 飞桨AI Studio进行波士顿房价预测

import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport numpy as npimport osimport randomdef load_data(): # 导入数据 datafile = '/home/aistudio/data/data95203/housing.data' data = np.fromfile(datafile, sep=' ', dtype=

原创 前端代码规范20211012

如图所示：最大的盒子（如图所示：红色）可以命名容器container；最上面的导航栏黄色以及内容部分的黄色可以命名为nav，body-content；body-content里蓝色导航栏可以命名为content-nav…命名规范：页头：header内容：content/container页面主体：main页尾：footer导航：nav侧栏：sidebar栏目：column菜单：menu子菜单：submenu标题: title摘要: summary标志：logo广告：bann.

原创 主成分分析（PCA）

例题来源于：http://blog.csdn.net/zhongkelee/article/details/44064401import numpy as npimport matplotlib.pyplot as pltx = np.array([2.5, 0.5, 2.2, 1.9, 3.1, 2.3, 2, 1, 1.5, 1.1])y = np.array([2.4, 0.7, 2.9, 2.2, 3.0, 2.7, 1.6, 1.1, 1.6, 0.9])x_avg = np.ave

原创 维特比算法

import numpy as npinvisible = ['Sunny','Rainy']activity = ['walk', 'shop', 'clean']pi = [0.4, 0.6]trainsion_prob = [[0.3, 0.7],[0.6, 0.4]]emission_prob = [[0.6, 0.3, 0.1], [0.1, 0.4, 0.5]]obs_seq=[0,1,2]# 最后返回一个Row*Col的矩阵结果 def viterbi(transiton_

原创 改进欧拉公式例题20210924

import numpy as npimport matplotlib.pyplot as pltx = 0y = 1m = 0n = 1t = 0.1list_1=[]list_2=[]list_3=[]list_4=[]for i in range(100): print(x,y) #改进欧拉公式 k1 = t*(y - (2*x)/y) k2 = t/2*(y + k1 - (2*(x+t)/(y+k1))) y = y + (k1+k2)/..

原创 全链接神经网络bp算法公式推导20210917

原创 朴素贝叶斯20210916

朴素贝叶斯与贝叶斯的显著不同就是朴素贝叶斯进行了独立性假设，假设各个特征之间不相关。P(分类∣特征)=P(分类)P(特征∣分类)P(特征) P(分类|特征)=\frac{P(分类)P(特征|分类)}{P(特征)} P(分类∣特征)=P(特征)P(分类)P(特征∣分类)​后验概率=先验概率*调整因子例题：在夏季，某公园男性穿凉鞋的概率为1/2，女性穿凉鞋的概率为2/3，并且该公园中男女比例通常为2:1。问：若你在公园中随机遇到一个穿凉鞋的人，请问他的性别为男性或女性的概率分别为多少？解：设事件A为{公

原创 欧拉公式例题20210914

import numpy as npimport matplotlib.pyplot as pltx = 0y = 1t = 0.1list_1=[]list_2=[]for i in range(10): y = 1.1*y - (0.2*x)/y x = x + t print(x,y) line1 = x #line为每一次获取的数据 line2 = y list_1.append(line1) #将每一次获取到的数据存放到总的列

原创 神经网络感知器算法20210908

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D w0 = 0.1w1 = 0.1w2 = 0.1eg = 0.01alpha = 0.01delta0 = 1delta1 = 1delta2 = 1e = 2.7x1 = np.array([1,1,0,0])x2 = np.array([1,0,1,0])t = np.array([1,0,0,0].

原创 监督学习代码20210903

import numpy as npimport randomimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D seita0 = random.randint(0,1)seita1 = random.randint(0,1)seita2 = random.randint(0,1)eg = 1e-4alpha = 0.01delta0 = 1delta1 = 1delta2 = 1i = 1

原创 Numpy入门练习与理解20210903

Numpy入门练习与理解目录索引一、灵活的Array二、广播机制三、数组拆分四、取行操作五、矩阵删除、插入、尾部添加操作(delete,insert,append)六、按要求生成数组和计算成绩七、返回轴的最大值的索引值八、星号(*)的作用与乘法之间的区别九、拉平操作 ravel()和faltten()及reshape(1,-1)的区别联系(补充[None,:]操作)十、把矩阵大于或小于N的元素置M的技巧十一、几种random生成随机数的区别十二、numpy.empty() 创建指定