- 博客(79)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 情感机器读书笔记: 精神活动中的本能反应
即“if 情况+目标 do 行动 then 结果”，“if 情况 +目标 do 行动”是升级版，它可用“if 情况 do 行动” 规则描述，例如，看到一条狂吠的狗会本能远离。也无法应对简单情况无限可能的组合，精神活动分为六个自底向上的层级，是一种“刺激-反应”的生存机制。这种规则无法应对情况特例的剧增，它描述困难问题下的精神活动机制，这是明斯基的精神活动分层模型。可视为上述规则的具体化与扩展。为此作者提出了更强大的模型，我需权衡多种后果而选择行动，即事先想象每种行动的后果，本能反应是最低级的活动，
2026-11-07 15:58:37
231
原创 R方指标的意义与计算实现
$R^2$-score用于衡量回归模型相对于基准模型（始终预测均值）的预测精度提升比例，其值介于负无穷至1之间。公式为 $ R^2 = 1 - \frac{\sum(\hat{y}_i - y_i)^2}{\sum(y_i - \bar{y})^2} $，反映模型误差减少的相对比例。相比均方误差，$R^2$更具可解释性，便于跨任务比较模型性能。虽scipy未直接提供，但可依公式轻松实现。
2026-10-18 21:26:33
130
原创 Kendall秩相关系数的意义与计算实现
Kendall秩相关系数（τ）衡量两组有序数据的一致性，基于配对的符号一致性判断。其值介于-1至1之间，绝对值越大表示单调关系越强。适用于等级数据、检测非线性单调关系，对异常值不敏感，小样本下更稳健，且解释直观。可通过scipy.stats.kendalltau实现计算。
2026-10-17 16:07:19
120
原创 Spearman秩相关系数的概念与计算实现
反映两个变量的单调相关性或排序一致性程度。它与pearson相关性的关系是，先计算两个变量的中每个变量的排序序号（变量的秩），然后对变量的秩进行pearson相关系数的计算。
2026-10-17 13:00:59
172
原创 pearson样本线性相关系数的概念和计算
皮尔逊相关系数衡量两组连续变量样本间的线性相关程度，取值范围[-1,1]。正值表示正相关，负值表示负相关，0表示无线性相关。计算公式为协方差除以标准差乘积。使用前提包括变量连续、近似线性关系、无异常值，小样本时建议正态分布。Python中可用scipy.stats.pearsonr实现。
2026-10-17 11:19:49
157
原创 关于自顶向下设计实践的思考
抽象是从具体，高阶是由低阶，大略是由细节生长出来的，离开了具体的，低阶的，细节的经验，顶就成了虚空，是无本之木，无源之水。任何的新的设计，都具有特殊性，先前的高层模式，在通过其下一层实现时，有可能局都甚至全局出现“抽象承诺与实现约束失配”的矛盾，及时地进行自底向上设计，也是非常必要的，比如主模块对对象A的最初的接口设计，在实际，的A具体实现时，发现现有的约束，比如现有的库的支持，并不能适配先前的接口设计，这时，必须及时的自底向上，重构A的接口设计。这是一个相对宽泛的反思，代替不了具体的业务场景的反思。
2026-10-15 22:55:05
175
原创 对统计学在机器学习领城基础地位的理性认识
统计学研究如何从随机现象中发现相对确定性，我的认识一直是感性的，片面的，非本质的，用具有强大非线性映射能力的神经网络组件，到服务于不同确定性推断目标的方法体系。直到与一位从事统计领域研究的朋友闲聊，它是理论数学走向工程实践的关键工具。一定存在着反映事物全体的相对确定性。这就是整个的机器学习的统计学基础，提供一套不专属于特定领域的工具，然而对它为什么建立在这个基础上，现实世界不存在完全确定的事物，在不确定性事物的各种现象背后，但那实际是一个自欺欺人的掩饰。机器学习存在利用统计学的现象，
2026-10-08 10:48:05
117
原创 论人工智能方法的分类视角
归为符号、连接、行为、统计、学习五类，二者是对同一事物不同视角的本质表达，将其方法归为符号推理与机器学习两类，前者从先验知识库中表示和利用知识，例如表示与利用物理学中公认的原理。书中把人工智能的基本方法或流派，故统计是随机性通向确定性的桥梁，后者从现实经验中归纳和利用知识，例如从视觉信号中归纳与利用模式。选择观察事物的统一层面与视角，智能则研究如何表示与运用知识，已成为人工智能方法的演进方向。归纳出兼具简洁与有效的模式，本质上是基于统计的模式归纳；关键参数的确定亦绕不开统计，强化学习也从交互经验中学习，
2026-10-04 18:17:04
244
原创 理解强化学习中的策略梯度
基于策略的强化学习算法，其理解的关键在于策略梯度，策略梯度的本质，是策略更新的方向。有了正确的方向，策略才会在迭代中趋向更优，方向不对，再怎么努力，也是枉然，劳而无功。这就好像我们要在社区中首次拜访一位友人，一开始不知道他家的门牌号，只能一家家随机敲门确认，假如我们的寻访方向错了，就会白费力气。当前位置的寻访方向，就是当前的策略梯度。我们期望动作的选择，朝着我们期望的目标趋近，因此，必须搞清楚我们的真正目标。也是随机变量，我们的真正目标不是最大化累计回报，而是最大化累计回报的期望。确定的动作是随机的，故。
2026-09-26 19:45:41
54
原创 AI结对编程的轻松开启方式
与自然语言注释相互配合优势互补。通常是一将无能累死三军的先兆。以类或函数使用的形式表达出来，我把需要AI实现的具体功能，让AI将自身优势发挥到极致。想清产品必备的功能与外观。用众人皆知的形式描绘出来，AI成了我的超级得力干将。想清楚最终产品该有的样子，AI只需按需实现类或函数，我甚至可以与AI互换角色，让我有了从容不迫的掌控感，这是我与AI的反复碰撞中，将组织团队开发一款产品，必须首先从使用者的角度，如果我不能清晰描述产品，通常还要就这个模块划分，在它真正为我生成代码前，但它表达意图灵活性有余，
2026-09-20 21:44:05
111
原创 从本原到本质
本原是事物某个层面的本来面貌，在我的感官能触及的宏观层面，是不依赖于主观而存在的本原。将用品维持在一定高度的平面。不仅要看其达到目标的有效性，简洁性意味着认知负荷的降低，也隐含着达到目标成本的降低。一定比单模态识别方法更本质。则认为它反映了事物的本质。因此其模式反映了人脸本质。本质传达了事物对我的意义，它总是位于本原的特定层面，在认识或改造事物的边界内，则可以说A比B更接近本质。不能说多模态模式识别方法，达到简洁与有效的高度统一，对事物本原不变性的表示，能快速识别当前人脸模式，它的表示不仅取决于本原，
2026-09-19 17:53:28
154
原创 对AI结对编程的反思
写一个能支持全部学习范式的通用训练框架。写出一个能支撑这类神经网络训练的框架，让我不满足AI生成的就事论事的代码，写一个能完整支撑监督学习的训练框架，这个想法进一步激发了更大的“野心”，一个具体神经网络训练上给我的折腾，它几乎100%能写出满意的代码，则AI通常能给出较为满意的输出，AI擅长有清晰边界的编码任务，通常可获得较为精确的AI方案，最好是从当前感受到的痛点出发，让AI生成更大颗粒度代码时，例如一个垂直业务场景的模式，但对AI和人提出了更高挑战，这个想法又激活了另一个想法，
2026-09-12 11:37:37
159
原创 关于LLM时代软件开发者应有的思维模式的思考
不仅受其对软件所涉及领域知识理解程度的制约，我们始终需要它们在真实的世界中行走跌倒爬起，以便对大语言模型输出所表达的思路进行评估，才能构建一个连接真实世界与语言世界的模型。LLM时代，不是降低了对软件开发者的要求，使大语言模型天然具备实现需求的编码能力，还受着其自身所具备的计算思维能力的制约。才能从数字世界的真实摸爬滚打中生长出来，但高阶的抽象性是建立在低阶的具体性之上。大语言模型可取代需求实现的大部分工作，以便与大语言模型进行多轮有效的交互，则基于领域知识发现与思考问题的能力，
2026-08-29 13:20:14
281
原创 深入理解模拟退火算法
本文全面解析了模拟退火算法的原理与实现。该算法通过模拟金属退火过程寻找最优解，以温度参数控制搜索过程，具有全局优化能力。文章重点阐述了六个核心模块：主控流程、能量计算、解生成、初始温度估计、降温策略等，其中初始温度估计方法（基于扰动采样和Metropolis准则）是工程实现的关键创新点。算法适用于各类优化问题，但对大规模问题效率较低。全文结构清晰，兼顾理论深度与工程实用性，可作为技术开发参考或AI代码生成的依据，特别适合需要平衡全局搜索与计算效率的优化场景。
2026-08-18 13:38:10
358
原创 以系统论视角看待优化
而优化算法反过来制约目标函数的构造。目标函数决定了优化算法的选择空间，优化算法描述了决策变量的调整规则，系统及环境决定了决策变量的定义域，人类对系统的偏好往往“既要又要”，但却为人类满足自身需求的最终选择，提供了合乎逻辑的多种可能性的参考。通过输入、输出与状态的关系刻画，这也决定了优化是带着镣铐的舞蹈。目标函数值的改变就能被准确预判，决策变量调整就可做到更精准超前，而是多个目标函数值构成的向量，人类对标量大小有本能的直觉，它是施加在目标函数上的约束，于是就有了多目标优化的问题，这是领域经验走向科学的关键。
2026-08-09 21:00:27
295
原创 解析式布局-二次线长布局
二次线长布局是一种解析式布局方法，通过最小化元胞间距离平方和来优化全局布局。其核心是构建二次线长代价函数L(P)，其中元胞i和j的距离平方和由c(i,j)加权。该方法的优势在于利用可导的凸函数保证可解性，尽管相比曼哈顿距离对线长估计不够精确。算法流程包括：1)对可移动元胞编号；2)构建对称正定矩阵A；3)求解线性方程组AX=bx和AY=by，通常采用共轭梯度法等数值解法。该方法通过数学优化直接获得全局最优解，避免了迭代调整过程，但存在对远距离元胞线长估计偏高的缺陷。
2026-08-07 23:22:29
213
原创 从数字电路开始理解信息系统
基本功能单元最终由半导体物质世界实现，是当前状态与输入到未来状态的映射。是输入与状态到记忆单元输入的映射。思考的层面是如何利用这些已有元件，又有了实现模型基本功能单元的元件，这个结构可以分解为基本功能单元，但都用三组变量的定量关系来描述，值域决定了数字电路的系统类型，状态也就没有存在于模型的必要，体现为基本的门电路及记忆元件，以及模型的工程实现–系统设计，且构造系统的底层逻辑万流归宗。模型不仅刻画系统的运行规律，实际上隐含了数字系统的结构，无需关注元件如何被制造出来，用与之匹配的模型去刻画自身。
2026-08-05 12:39:18
236
原创 集成电路布局方法概述
集成电路全局布局的目标是确定待布局的电路网表中各个元件在物理版图上的粗略位置，使得粗略位置对应的近似代价函数值最小，从而在后续详细布局阶段，只需微调可移动元件的位置，即可得到合法且结果质量尽可能趋向最优的最终布局。
2026-08-04 21:17:08
264
原创 谈谈知识蒸馏
知识蒸馏”这个词听起来高大上，挺吓唬人的。这种感觉你有过吗，反正我有过。那么，它究竟是何物？首先去魅，所谓“知识蒸馏”，其是：用一个精简模型，一个已知的复杂模型。获得这个精简模型的，即所谓的“”，更直白一点，就是：在教师模型的指导下，，训练。
2026-08-04 12:00:46
209
原创 对于两类智能体价值的思考
这是一篇笔记，比较了两种智能体的差异：仅提供对话的网页版智能体A和具备操作能力的客户端智能体B。实验发现，智能体B虽然能自动执行操作但消耗更多资源，而智能体A虽然需要人工操作却能促进用户思考。作者由此引发深层思考：我们需要的智能体应该是辅助思考的工具，还是完全替代人类与外界互动的全能机器？这个问题反映了人工智能发展中关于人机协作本质的哲学探讨。（149字）
2026-07-29 11:17:30
208
原创 Deepin系统字体优化实操：公式字体贴近LaTeX + Windows中文字体迁移
本文详细介绍了Deepin系统字体优化的两个实用方案：1）通过安装CMU字体使LibreOffice Math公式排版贴近LaTeX风格，包括字体配置、符号替换等关键步骤；2）将Windows常用中文字体迁移到Deepin系统的方法，包含图形化界面和终端命令两种操作方式。文章提供了完整操作流程、常见问题解决方案及效果验证方法，帮助用户解决公式排版不规范和中文字体缺失的痛点，提升Deepin系统的办公体验。所有步骤均经过实测验证，适合各类用户操作。
2026-03-08 17:03:57
499
原创 python开发环境搭建的轻量化方案：gvim+python虚拟环境，让你有掌控一切的感觉
本文介绍了使用gvim搭建Python开发环境的经验。作者作为PyCharm/VSCode用户，发现这些工具内存占用高且操作不够便捷，转而探索gvim的轻量化方案。文章详细说明了环境搭建步骤：安装Python并配置环境变量、使用venv创建虚拟环境，以及如何在gvim中编辑、运行和调试Python程序（通过命令行调用python/pdb命令）。重点突出了gvim的高效键盘操作、强大扩展性，以及结合虚拟环境的开发优势，为追求轻量、定制化开发环境的用户提供了实用解决方案。
2025-06-03 12:01:04
474
原创 强化学习扩展库PARL的架构设计
PARL是百度推出的基于paddlepaddle深度学习框架构设计并实现的深度强化学习扩展库。它主打轻量级，意味着，其使用简单，架构简单实用，易于理解，但许多常规代码需要开发者定制。而要基于它熟练地把强化学习方法落地到实际场景，就必须了解其架构设计，以便在具体问题场景中既能遵循规范，加快开发速度，又能发挥框架提供的灵活的可扩展性。
2025-04-10 12:25:07
768
原创 如何使用unittest和pytest进行python脚本的单元测试
单元测试是个辛苦活，掌握了python单元测试框架，这个活就不再过于辛苦。人生苦短，我用本文介绍的unittest+pytest进行单元测试。
2024-08-13 21:14:14
1142
原创 如何把命令行创建python虚拟环境与pycharm项目管理更好地结合起来
我在linux或windows下的某个目录如“X”下使用命令行的方式创建了一个python虚拟环境，对应的目录为myvenv, 现在我想使用pycharm创建python项目myproject，并且利用虚拟环境myvenv，怎么办？
2024-08-13 15:13:15
551
原创 cmake构建的C项目中调用了C数学库却无法构建成功的解决方法
linux系统下使用cmake构建项目,该项目调用了C数学库函数,总是构建失败,怎么解决?
2024-04-15 11:23:50
535
4原创 latex宏包pythontex使用简明手册
如何在latex中插入python代码并执行代码，显示输出结果？pythontex提供了将latex文档创作的强大功能与python的编程强调功能相结合的方法。
2024-03-02 19:20:27
2045
原创 linux系统下latex排版系统最新版发行包texlive2023的完全安装指南
如何在linux系统（如deepin、uos等）下从零开始安装latex排版系统texlive的最新版？这个过程涉及到软件的下载、一步步安装、测试、启动latex的学习之旅的整个流程。本文将带你完整地执行该流程，是你能尽快学会使用Latex。
2024-02-28 16:26:47
3409
原创 linux平台下latex中最简单的加粗楷体/仿宋等中文字体的方法
deepin for linux 下latex文档中的中文字体加粗问题的最简单解决方案
2024-01-24 11:31:25
2449
原创 22. 离线MC强化学习算法（1）
深入理解重要性采样定理，对于离线MC强化学习至关重要。本篇介绍了重要性采样定理，并推导了离线MC强化学习中如何根据采样策略获得的轨迹数据，估计待评估策略的行为值函数的数学公式。
2024-01-22 22:45:28
1522
原创 20. 完整的蒙特卡洛强化学习算法
本篇给出较为完整的MC强化学习算法框架，主要采用面向对象方式描述环境和算法。这可以使我们从整体上把握MC强化学习的精髓。在这个基础上，又引出了新的问题。
2024-01-13 20:53:53
611
deepin操作系统的应用程序快捷方式创建器（GUI版）
2025-08-01
你安装了vim 8或vim 9后，紧接着，干什么？安装在vim中的各种插件，这个需要一定的技巧和一些操作 这个文件帮你快速搞定
2024-09-24
linux系统下（如uos,deepin,麒麟等）vim最常用插件一键式配置及安装，适合vim 9版本
2024-01-18
deepin系统下创建应用程序桌面快捷方式的脚本
2024-03-05
环境动力学已知条件下策略迭代与值迭代的强化学习算法
2024-01-15
deepin linux 下的网络下载工具“我要下载"－能下载浏览器／迅雷下载失败的文件
2022-09-01
deepin-linux+python虚拟环境下程序如何一键运行？
2022-08-23
经验总结-asp.net程序中如何使用swfupload进行大文件上传
2010-06-04
Java GUI程序开发插件-WindowBuilder简介.pdf
2021-02-03
我实现的用于调用客户端播放器的类--gcjPalyer
2011-05-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人