Cait_的博客

题目：Empirical software engineering experts on the use of students and professionals in experimentsESE 2018一、论文背景论文动机论文对实证研究的定义、规划、执行与分析个人评价和理解

系统分析与设计课程个人感悟学号任课老师20215102衣杨年级姓名2020蔡倓本次课程作业我们小组选择在iOS环境下开发一款名为微头条的应用。在需求分析阶段，我负责整个系统的用例图的设计；在架构分析阶段，我负责系统关键类抽象和系统合并分析类图；在部件设计阶段，我负责分析并解决浏览咨询过程引起的并发冲突。在项目开发阶段，我主要负责服务端部分的开发⼯作，包括：（1）按照MVC三层架构，部署服务端代码；（2）设计MySQL数据库；（3）为客户端提供可访问的接⼝。在

基于R语言的数据分析报告学号：20215102姓名：蔡倓一、数据说明本文进行数据分析所使用的数据是共享单车运营数据，记录了共享单车租赁的时间、地点、环境（包括季节，温度，湿度）等数据。该数据集来自 kaggle 上的开源项目：https://www.kaggle.com/c/bike-sharing-demand/data。通过分析这份数据，我们能观察到共享单车被使用的一般规律，用户的使用习惯，环境对共享单车运营带来的影响等有用信息，能够更好地帮助共享单车运营方的管理和研究城市的流动性。二、数据

一、问题背景多皇后问题是一个经典的问题，在一个 N x N 的棋盘上放置 N 个皇后，使其不能互相攻击 (每行、每列、每一斜线上分别只能放置一个皇后) ，求解 N 皇后问题的复杂度随 N 呈指数级增加；传统的求解方法采用基于回溯算法的策略，当 N 过大时不再适用，转而使用启发式算法求解，目前常见的启发式算法包括模拟退火法、遗产算法、蚁群算法等，这些算法引入了随机因素，一般能快速地找到满意解；二、模拟退火法2.1 模拟退火的原理模拟退火法的原理和金属退火类似，在温度较高时更容易改变金属结构，在温度变

人工神经网络笔记（一）后向传播、随机最优化、设定超参数Background propagationStochastic optimizationHyper-parameter tuning1、一个简单的神经网络其中，l(y,f(x:θ)l(y,f(x: \theta)l(y,f(x:θ) 代表损失函数，表示真实值和预测值之间的差距，模型参数 θ=[Wh,Wo,bh,bo]\thet...

数据挖掘（一）主题模型（Topic Modeling）1. 主题建模的目的从文档集合中自动地找出一系列的主题（topics），每个文档集内可能有多个主题；主题：由众多词汇的概率分布（distribution）组成；常用模型：LDA, pLSA， pLSI等，是一种无监督的学习过程；Input： An unorganized collection of documents;Output...

人工神经网络笔记（二）后向传播、随机最优化、设定超参数Gradient exploding and vanishingMini-batch issueOver-fitting issue1、Gradient exploding and vanishing1.1 模型训练过程STEP0: 预设超参数STEP1: 初始化模型参数STEP2: 重复训练过程（次数为epoch）STE...