- 博客(29)
- 收藏
- 关注
原创 【ROS2】install micro_ros
本文参考b站up:“照祥同学”的教程来的,中间一些细节的操作谨以此文作为补充,或者说是我在按照教程走的时候遇到的问题记录。
2023-05-26 11:24:01
1305
原创 【机器学习】(西瓜书)第1章 绪论 & 第2章 模型评估与选择
一、 绪论1. 什么是机器学习(Machine Learning)?致力于研究如何通过计算的手段,利用数据(经验)来改善系统自身的性能。主要研究内容:是关于在计算机上从数据中产生“模型”(model)的算法,即“学习算法”(learning algorithm)——将经验数据提供给学习算法,学习算法就能基于数据产生模型;在面对新的情况时,模型会给我们提供相应的判断。(模型泛指数据中学到的结果。)2. 基本术语data set: 数据集,数据记录的集合。sample(or ins.
2022-03-16 01:39:55
810
原创 【总结】Clustered Sampling 小结
(2条消息) 【论文复现3】算法2——Clustered sampling based on model similarity_admin11111111的博客-CSDN博客https://blog.csdn.net/admin11111111/article/details/121072203#comments_19068693一、对于梯度的修改接着上篇的思路,只有在local_learning中对梯度进行修改才算是真正意义上的worker遭受到攻击。于是有下面的代码:def local_l
2021-11-29 00:39:25
2729
2
原创 【论文复现3】算法2——Clustered sampling based on model similarity
【论文代码复现2】Clustered sampling based on sample size_admin11111111的博客-CSDN博客https://blog.csdn.net/admin11111111/article/details/120817883接着上篇的来写。算法2流程:1. 根据梯度计算相似性矩阵,相似性用cosine来衡量。2. 对相似性矩阵进行层次凝聚聚类,cluster之间的距离用ward方式衡量。3. 根据聚类结果得到新的权重矩阵,(最大的10...
2021-11-15 01:01:53
1198
8
原创 【论文代码复现2】Clustered sampling based on sample size
【论文代码复现】Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Fede_admin11111111的博客-CSDN博客https://blog.csdn.net/admin11111111/article/details/120499243上一篇文章最后留了一个疑惑,经过检验确实是有问题的,那样写逻辑是错误的。并不符合论文中将所有clients都采样的说法。然后在更改了epsil
2021-10-18 01:22:01
896
6
原创 【论文代码复现】Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Fede
目录一、前言二、论文内容概要1. 论文背景:2. 已有解决方案3. 论文方法三、实验1. 实验设置2. 代码3. 修改后试验结果和论文结果对比:参考:一、前言1. 论文地址:[2105.05883v2] Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Federated Learning (arxiv.org)...
2021-09-27 00:29:22
2203
5
原创 多层感知机multiLayerPercetrons
目录1. 感知机:2. 常用非线性的激活函数3. 多层感知机——多隐藏层4. 代码实践1. 感知机:感知机(perceptron)是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别。线性模型在处理一些问题时好用,但是在处理XOR问题时就出现了问题。因为线性模型无法将①④和②③同时分类,但是通过增加隐藏层来逐步分类,如上图黄线和蓝线,两个步骤就能分出来。所用感知机为单分类单隐藏层感知机。隐藏层需要非线性的激活函数,不然本质的运算还是线性模型。.
2021-09-20 00:19:54
856
原创 【聚类】专题总结——概览 + 划分聚类
目录一、 聚类的概念二、聚类分析中需要考虑的关键问题: 三、详细介绍1. 数据相似性2. 聚类优化方法(1)划分聚类(partitioning clustering) (2)层次聚类(hierarchical clustering) (3)基于数据密度的聚类(density based clustering) (4)基于空间网格的聚类(grid based clustering) (5)基于统计模型的聚类(model based ...
2021-09-12 23:37:20
3790
原创 softmax线性回归的简洁实现
1. 读取数据# 读取并加载数据集,定义load_data_fashion_mnist函数def load_data_fashion_mnist(batch_size, resize=None): """下载fashion-MNIST数据集,然后将其加载到内存中""" # ToTensor操作 trans = [transforms.ToTensor()] # 因为当前trans里面包含的图片tensor大小是28x28,到后面训练时需要更大一点的数组就用resize
2021-09-05 23:40:32
874
原创 C#面向对象基础(一)【对象操作之对象复制】
对象的“复制”,指的是把一个现有的对象“克隆(clone)”一份,得到一个新对象,这个新对象与老对象“一模一样”,但……新、老对象是完全独立的。1.对象的”浅复制”使用简单的字段值拷贝方法复制一个对象,称为对象的“浅复制(shallow copy)”方式。 public static MyClass CloneObject(MyClass obj) { MyClass newObj = new MyClass(); ..
2021-08-29 23:30:48
4473
原创 C#面向对象基础(一)【对象操作之对象组合】
对象组合:正在运行的程序=对象+对象之间的合作关系“对象组合”是对象合作关系中的一种,其含义是“一个对象包容另一个对象”。1. “一对一”对象组合的两种类型两种典型的对象组合方式:方式一:A对象完全包容B对象,容器对象管理被包容对象的生命期namespace ObjectEmbodied{ /// <summary> /// 被包容的对象类 /// </summary> class InnerClass {
2021-08-22 23:35:21
1093
原创 Back Propagation 反向传播
目录BP学习目标BP计算图BP的链式法则chain rule计算流程:前向网络传播反向传播过程完整的计算图举例:代码剖析:练习:练习代码:结果:总结:BP学习目标对权重w进行更新,随机梯度下降采用的是loss对w进行求导求梯度,使得w的更新来减少loss,并尽可能是loss最小。 BP计算图 这个结构就成为神经网络中的一层完整的两层神经网络如下图。 具体的Matrix multiplicati...
2021-08-01 23:33:20
294
原创 基于CNN的车牌识别
一、车牌识别背景介绍随着经济社会的迅猛发展,人们的生活水平的提高,机动车辆的数量也越来越多。为了提高车辆的管理效率,缓解公路上的交通压力,我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌,是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据,设计一种车牌识别系统监控各个车辆的情况。传统的车牌识别需要先检测出车牌,检测出车牌后通过“像素映射”或者“联通区查找”的方法分割出单个的文字,然后基于模板匹配的方法单独识别每个文字。而一旦车牌上有物体遮挡到了文字的一部分,基于模板匹配的方法则完全不
2021-07-25 23:35:36
8544
7
原创 pintools的简单使用
目录一、利用pintools分析bwa程序(1)分析函数的调用次数,给出函数调用次序的排序1. 将写好的插桩程序进行make ,参考Intel官网步骤2. 下载bwa程序3. 利用写好的pintools插桩程序来分析bwa的函数调用次数。(2)分析函数的执行时间,按照执行时间排序。1. 问题二的执行操作思路和上述相同。2. 在pin的ManualExaples的目录下依次执行以下命令即可:二、源代码(1)分析函数的调用次数,给出函数调用次序的排序(2)分析函数的执
2021-07-18 23:49:02
3338
3
原创 【论文阅读】深度学习系统的对抗攻击及其对抗样本
目录前言 1. DeepXplore1.1 DeepXplore工作流程1.2 DeepXplore主要的贡献是:1.3 论文中的示例2. DEEP CONTRACTIVE NETWORK—深度压缩网络3. DeepFool参考文献:前言 传统软件需要测试,对于深度学习系统的对抗攻击会使得深度学习模型产生错误的行为,因此对于深度学习系统也需要测试。DLFuzz,是检测深度神经网络健壮性的差分模糊测试框架。...
2021-07-11 23:49:29
1930
2
原创 基于深度学习的三维人体姿态估计
目录一、技术背景1.1 人体姿态估计1.2三维人体重建1.4构建多人场景研究情况二. 技术方法2.1基础架构2.2重叠loss2.3深度顺序感知loss四.存在的问题与未来研究热点4.1 本实验方法存在的问题4.2 未来研究热点参考文献:一、技术背景1.1 人体姿态估计人体姿态估计(human pose estimation, HPE)已经发展了几十年,一直围绕着从传感器的输入来构建人体姿态。在摄影领域...
2021-07-04 23:41:43
4278
1
原创 线性回归模型
之前的线性回归模型预测波士顿房价的主要是利用Python的库函数来,也就是调包的。试考完了,就开始从头学了。这个逻辑似乎有点奇怪,不过因为平时做实验都是调包总觉得味同嚼蜡,不够味道。回到正题。线性回归是利用线性函数对自变量与因变量建立线性组合关系的回归分析。一个自变量对应一个因变量,则是一元线性回归;多个自变量则是多元线性回归。也就是使得输入数据集D中的数据满足其中就是线性回归模型的参数(超参数)。线性回归的目标就是使得恒成立。不过,在计算过程中总会有数据不是完全满足线性的要求,但是又.
2021-06-27 22:54:03
4694
原创 Python绘图 多个文件 多条线段组合绘图
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport os# 路径path = './woker16/'# 文件列表 accfiles_AlexNet_acc = []for file_acc in os.listdir(path): if file_acc.endswith("AlexNet_acc.txt"): files_AlexNet_acc.append(p.
2021-06-20 23:42:03
2183
3
原创 基于机器学习的新冠疫情预测模型
预测确诊患者数量的机器学习算法最小二乘准则(LSE)预测可以利用回归算法对确诊患者进行预测,有线性回归和非线性回归,根据SIR模型等一般的疫情传播模型。S 类,易感者,指未得病者;I 类,感病者,指染上传染病的人;R 类,康复者,指被隔离或因病愈而具有免疫力的人。线性回归明显是不符合整体疫情的走势,这里不做讨论。同时SIR模型对人群的分类不够细致,没有考虑政府等人为干预的情况,且模型中未引入反馈机制,所以需要对SIR模型进行改进来进行预测。因此在这里先利用最小二乘准测(least square er
2021-06-13 22:50:58
17467
5
原创 DFS算法小析
本周大部分时间在赶小论文的实验,终于是赶在ddl之前三小时提交了论文,希望能有机会被审稿人看中,看不中拿回来改一改再中也行。不过虽然没有做其他事情,但是研究了一下排队论,不知不觉就写了6千多字,在这里不方便发出来。本篇文章只能水一下了,下次一定好好做实验写好并发出来。还有要反思一下,本周设置的读书任务没完成,看游戏去了,不过MSI今晚就结束了,希望来一句:“恭喜RNG”!那就写一下本周完成的英文版的DFS算法小析。Depth first search traversal process:Dept
2021-05-23 22:13:48
301
1
原创 梯度下降法 线性回归方程
一、基础概念1.梯度下降法的原理梯度法思想的三要素:出发点、下降方向、下降步长。梯度方向:步长设为常数Δ:如果用在梯度较大的时候,离最优解比较远,W的更新比较快;然而到了梯度较小的时候,也就是较靠近最优解的时候,W的更新竟然也保持着跟原来一样的速率,这样会导致W很容易更新过度反而远离了最优解,进而出现在最优解附近来回震荡。所以用λ|W|来代替Δ,而这里的λ就是学习率。[1]在单变量的函数中,梯度其实就是函数的微分,代表着函数在某个给定点的切线的斜率 在多变量函数中,梯...
2021-05-16 22:47:06
992
原创 支持向量机SVM Iris数据集 分类预测
支持向量机对iris数据集进行分类预测1. 基础概念SVM的主要思想是:建立一个超平面作为决策平面,使得正例和反例之间的隔离边缘被最大化。SVM也是结构风险最小化方法的近似实现。2. 实验步骤与分析 序号 任务名称 任务具体要求 1 数据理解 理解数据集背景以及数据含义。 2 数据读入 可使用sklearn中自带的i
2021-05-09 22:09:43
12792
5
原创 4月回顾
4月计划完成阅读任务:1. 读完《多样性团队》 4月10日开始 done2.《Python从入门到实践》 4月22日开始 done论文撰写: 题目:简明扼要 摘要:论文主要贡献 引言:论文要解决的基本问题和其主要意义 相关工作:该问题目前主流的解决方案 方案论述:详细设计,数学模型,工作流程 分析评价: 模拟或者分析数据 和主要的相关工作进行比较 结论和进一步的研究工作...
2021-05-05 15:57:28
153
原创 线性回归 波士顿房价预测
线性回归对波士顿房价进行预测主要从以下八个方面来对本次内容进行实验。 序号 任务名称 任务具体要求 1 数据理解 理解数据集背景以及数据含义。 2 数据读入 使用pandas 读入数据并输出读入的数据 3 定义特征值,目标值 使用'crim', 'rm', 'l
2021-05-02 22:21:57
31565
7
原创 《统计学习方法》阅读随笔
《统计学习方法》作者 李航第一章 统计学习方法概论第二章 感知机第三章 K近邻法第四章 朴素贝叶斯第五章 决策树第六章 逻辑斯蒂回归与最大熵模型第七章 支持向量机第八章 提升方法第九章 EM算法及其推广第十章 隐马尔可夫模型第十一章 条件随机场第十二章 统计学习方法总结第一章 统计学习方法概论先挖个坑,怕忘记了。争取接下来每周内容写一下,菜鸡的提升之路,欢迎大家来一起讨论学习。1. 统计学习定义统计学习(statistical ..
2021-05-02 21:44:22
110
原创 Google B4 and After 论文阅读二
目录一、B4的发展与挑战1.扁平拓扑的问题2. 层次化拓扑拓扑容量不对称2.1 旁路技(sidelink)术2.2 层次化TE架构3.高效的交换机规则管理3.1 层次化FG匹配3.2 高效的流哈希划分二、运维经验与未来展望1. 简化网络管理工作2.旁路容量规划3. 入口流量均衡管理三、总结这篇文章主要讲的内容是Google在假设好B4后,从2013年以来到2018年5年时间内对B4的升级改造和技术更新,以及在运维过程中遇到的问题解决问题的经验总结,..
2021-05-02 20:16:59
818
2
原创 Google B4 论文阅读一
Google B4 文献阅读文章目录目录Google B4 文献阅读文章目录一、B4网络介绍1. 全局控制层(global)2. 局部网络控制层(site controllers)3. 物理设备层(switch hardware)二、B4网络的效果三、B4网络的改进和展望一、B4网络介绍Google的数据中心之间传输的数据可以分为三大类:1、用户数据远程数据中心备份,如邮件、文档、音视频文件等;2、跨数据中心的分布式存储访问,例如计算资源.
2021-04-25 21:23:57
1749
转载 用anaconda prompt安装tensorflow
本文转载自:https://www.cnblogs.com/ming-4/p/11516728.html安装tensorflow是基于Python的,并且需要从Anaconda仓库中下载。所以我们的步骤是:先下载Anaconda,再在Anaconda中安装一个Python,(你的电脑里可能本来已经装了一个Python环境,但是Anaconda中的Python是必须再装的),然后再下载安装tensorflow。因为anaconda支持的python版本与TensorFlow支持的python版本不
2021-01-27 23:20:06
1863
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人