刘氏广传公家族七公子巨波公后裔V0.2

刘氏广传公家族七公子巨波公后裔V0.2

巨波公(公元1247 年~公元1330年),享寿八十四岁葬学堂背掌上悬球形

长子登科公(公元1266年~1338年),享寿七十三岁葬瑞金县三角塘背龙形

次子登榜公(公元1273年~公元1347年),享寿七十五岁葬会昌竹子坝凤形,壬山丙向

三子登国公(公元1274~公元公元 1327 年),享年五十四岁葬梅林狮子滚球形

四子登堂公(公元1279年~公元1358),享寿八十岁 葬信丰三隔坑五马归槽形

五子登祥公(公元1282年~公元1316 年),享年三十五岁 葬于横河圳木星形、 坐东向西

 

广传公派下《七房》 巨波公传下谱序 近代三世祖 巨波公 (广传公七子), 讳涛, 字牧村, 号才,妣曾氏、 谢氏、 梁氏、 万氏。(一说妣万氏、 陈氏、《七房》 氏。 ) 杨氏太生也。

公官授浙江衢州府判官、 左堂, 四川学政。 原住梅县大埔, 分居广东惠州归善县(惠阳) 学堂背, 后裔分居河源大埔围、 平远、 蕉岭、 径心村、 高陂、 翁源、 惠东、 深圳南头西丽官龙村, 兴宁县大坪、 罗浮、 罗岗、 坜陂镇, 江西瑞金、 龙泉、 会昌、 赣州, 福建漳州、 汀州、 武宁、 永安等地。

 

巨波公生于南宋淳祐七年丁未(公元 1247 年) 四月初十日午时, 卒于元朝元至顺元年年庚午(公元 1330 年) 二月初五日酉时, 享寿八十四岁, 葬学堂背掌上悬球形。

妣曾氏, 生于南宋淳祐八年戊申(公元1248 年)七月初四日寅时, 卒于元延佑四年丁巳(公元 1317 年) 六月初四日子时, 享寿七十岁, 与夫合葬。

妣谢氏, 生于南宋淳佑十年庚戌(公元 1250 年)十月十八日丑时, 卒年未详, 葬龟形。

妣梁氏, 生于南宋淳祐十二年壬子(公元 1252 年) 九月初八日午时, 卒于元朝泰定四年丁卯(公元 1327 年)

六月十七日申时, 享寿七十六岁, 葬三角湖坐东向西。

妣万氏, 生卒年及葬未详。

 

生五子: 1 登科、 2 登榜、 3 登国、 4 登堂、 5 登祥。

有谱载生八子: 1 桂科、 2 桂枝、 3 桂魁、 4 桂文、 5 桂祥、 6 桂和、 7 惠府、 8 志升。

饶平县三饶国平家谱载: 七房念七郎, 讳才, 号巨波公, 妣陈氏、 周氏, 住惠州府归善县背, 分支三角湖船凹梁休甘竹背后安南头城黄松岗, 龙门县永清河源大埔围各县立业。

生五子: 1 刘兰妣范氏十七娘、 2 刘益妣罗氏、3 刘花十公妣颜氏、 4 刘澄妣洪氏, 5 刘济妣余氏。

 

近代四世祖 登科公(巨波公长子) , 字漱荃、 乐耕, 号族科。

妣范氏、 万氏。

《七房》 1公子官授湖南常德府武陵县令。

由兴宁黄陂龙归洞迁居江西瑞金县, 住宁都州瑞金县塘背。 后裔分居归善、宜春, 梅县扶贵、 古塘, 大埔、 惠阳、 蕉岭, 兴宁大坪兰坑里、 罗岗德丰、 坜陂大窝里细窝里, 罗浮岩前、上佑、 江西信丰等地。

生于南宋咸淳二年丙寅(公元 1266 年) 二月初十日午时, 卒于元朝至元四年戊寅(公元1338 年) 九月初二日戌时, 享寿七十三岁, 葬瑞金县三角塘背龙形。

 

妣范氏, 生于南宋咸淳年丁卯(公元 1267 年) 十月初十日亥时, 卒于元朝泰定年乙丑(公元 1325 年) 正月二十日丑时, 享年五十九岁, 葬龟形。

 

妣万氏, 生于元至元九年(南宋咸淳八年)壬申(公元 1272 年) 十二月十一日子时, 卒元皇庆元年壬子(公元 1312 年) 九月初四日未时, 享年四十一岁, 葬苏坡坑。

生六子: l 刘兰(文、 献夫) 、 2 刘益(武、 荣夫) 、 3 刘华(秀) 、 4 刘云(季) 、 5 刘澄、 6 刘济(又名富, 高州、 信宣县有后裔) 。

(一说共生二子: l 献夫、 2 荣夫。 )

 

近代五世祖 刘兰公(登科公长子) , (一作刘文、 一作献夫) , 妣未详.

《七房》 1 后裔未详。

 

近代五世祖 刘益公(登科公次子) , 字开元, (一作刘武、 一作荣夫) , 妣罗氏。

《七房》 1 公为大埔阴那乡 开基祖。 葬大埔阴那山口, 原住梅县篷辣乡 竹园下角, 因元初之乱, 散居各处。

生四子: 1念一郎、 2 念二郎、 3 念三郎、 4 念四郎。

近代六世祖 念一郎公(刘益公长子) , 妣马氏、 邓氏。

《七房》 1 公原住梅县篷辣乡 竹园下角, 因元初之乱, 散居各处. 生一子: 敦厚。

近代七世祖 敦厚公(念一郎公之子) , 妣未详。

《七房》 1 住篷辣乡 竹园下角, 后失传, 今乡 亦毁。 近代六世祖 念二郎公(刘益公次子) , 妣未详.

《七房》 1 遭元兵之乱, 不知去向, 其裔孙有诗叹曰: 乱世茫茫不顾宗, 失却次房刘大公; 前唐后汉皆有谱, 谁知程邑失祖踪。 近代六世祖 念三郎公(刘益公三子) , 妣朱氏。

《七房》 1 公原住梅县篷辣乡 竹园下角, 因元初之乱, 散居各处。 生一子: 刘寿. 近代七世祖 刘寿公(念三郎公之子) , 妣陈氏. 《七房》 1 生二子: 1 文旺、 2 文渊, 近代八世祖 文旺公(刘寿公长子) , 字河九, 妣未详. 《七房》 1 住大埔阴那坑. 后裔未详。 近代八世祖 文渊公(刘寿公次子) , 字汉清, 妣田氏。 《七房》 1 公迁居梅县云贵堡古塘坪创业, 尊父为古塘坪开基祖. 后裔未详。 传至廿四世: 维贞。

近代 24 世祖 维贞公(文渊公传至) , 号吉堂, 妣陈氏、 苏氏。 《七房》 1 公艺勇兼备, 清同治十二年癸酉(公元 1873 年) , 以平桂滇黔粤战功, 擢升花翎游击. 光绪二十九年癸卯(公元 1903 年) 署琼州海口营参将, 升琼州总兵。

 

生三子: 1 志来, 2 志明、 3 志陆.

近代 25 世祖 志来公(维贞公长子) , 妣未详。 《七房》 1 后裔未详。

近代 25 世祖 志明公(维贞公次子) , 妣未详。 《七房》 1 后裔未详。

近代 25 世祖 志陆公(维贞公三子) , 号伟军, 妣未详。

《七房》 1 民国六年丁巳(公元 1917 年) 冬任潮梅镇守使. 后裔未详。

近代六世祖 念四郎公(刘益公四子) , 妣郭氏. 《七房》 1 公原住梅县篷辣乡 竹园下角, 因元初之乱, 散居各处. 今念三郎妣朱氏, 念四郎妣郭氏与母罗氏共葬一穴,在大埔阴那山口架上金盆形. 生一子: 刘仁.

 

近代七世祖 刘仁公(念四郎公之子) , 字刚义, 妣未详. 《七房》 1 生二子: l 文潜、 2 文兴。

近代八世祖 文潜公(刘仁公长子) , 字伏龙, 妣罗氏. 《七房》 1 后裔未详。

近代八世祖 文兴公(刘仁公次子) , 妣未详. 《七房》 1 后裔未详。

 

近代五世祖 刘华公(登科公三子) , 字开万, (一作刘秀) , 妣未详. 《七房》 1 后裔未详。

近代五世祖 刘云公(登科公四子) , (一作刘季) , 妣未详. 《七房》 1 后裔未详。

近代五世祖 刘澄公(登科公五子) , 妣未详. 《七房》 1 后裔未详。

近代五世祖 刘济公(登科公六子) , 字既元, 又名刘富, 妣未详.

《七房》 1 住高州、 信宜县, 后裔未详。

 

近代四世祖 登榜公(巨波公次子) , 字仲咸, 号族榜, 妣徐氏。

 《七房》 2 公进士出身。 官授江西会昌、 龙泉(遂州) 知县。 住江西赣州府会昌县城内, 后裔分居龙泉县罗昌百家村三角塘新安上犹, 广东梅县南口、 丙村、 西阳、 黄坑、 平远, 丰顺汤坑, 潮阳深溪等地。

生于元至元十年(南宋咸淳九年)癸酉(公元 1273 年) 七月十九日戌时, 卒于元朝至正七年丁亥(公元 1347 年) 正月初十日卯时, 享寿七十五岁, 葬会昌竹子坝凤形,壬山丙向。

 

妣徐氏, 生于元至元年(南宋咸淳年)壬申(公元 1272 年) 十月十九日卯时, 卒元朝至正五年乙酉(公元 1345 年) 九月二十四日巳时, 享寿七十四岁, 葬龟形。

 

生七子: 1 乾清(清文) 、 2 法宪(清武) 、 3 钦郎(清泰) 、 4 法明(清福) 、 5 钦三、 6 法旺、 7 万五郎。

近代五世祖  乾清公(登榜公长子) , (一作清文) , 妣未详. 《七房》 1 后裔未详。

 近代五世祖 法宪公(登榜公次子) , (一作清武) , 妣未详. 《七房》 1 后裔未详。

近代五世祖  钦郎公(登榜公三子) , (一作清泰) , 妣未详. 《七房》 1 后裔未详。

近代五世祖 法明公(登榜公四子) , (一作清福) , 妣未详. 《七房》 1 后裔未详。

近代五世祖 钦三公(登榜公五子) , 妣未详. 《七房》 1 后裔未详。

近代五世祖 法旺公(登榜公六子) , 妣未详. 《七房》 1 后裔未详。

近代五世祖 万五郎公(登榜公七子) , 妣未详. 《七房》 1 住梅县南口, 分丰顺汤坑, 又分潮阳洋乌都深溪。 后裔未详。

 

 

近代四世祖 登国公(巨波公三子) , 字炳寅、 陶发, 号柱用、 族国。 

妣邝氏、 黄氏、 郭氏。

《七房》 3 公子,进士出身。

官授四川重庆知府, 荣禄大夫。 住赣州府信丰县, 后裔分居赣州梅林、 南安、 南康、 崇义、兴国、 永丰等地。

生于南宋咸淳十年甲戌(公元 1274 年) 十一月初六日子时, 卒于元朝泰定四年丁卯(公元 1327 年) 二月二十日午时, 享年五十四岁, 葬梅林狮子滚球形。

 

妣邝氏, 生于南宋德祐二年丙子(公元 1276 年) 九月十九日戌时, 卒于元朝至正八年戊子(公元 1348 年) 二月十三日未时, 享寿七十三岁, 与夫合葬。

妣黄氏, 生于元至元十八年辛巳(公元 1281 年) 八月十五日未时, 卒于元朝至元四年戊寅(公元 1338 年) 七月初九日戌时, 享年五十八岁, 葬梅林田下金鸡形甲山庚向。

妣郭氏, 生卒年及葬未详。

 

生二子: 1仲清、 2 仲平。

(一说生四子: 1 仲贵、 2 仲清、  3  仲明、 4  仲全。

有谱载生四子: 1 源宝(仲清) 、 2 ? 宝(仲平) 、 3 贵宝、 4 天贵。

又一说生二子: 1 堂、 2 月明。

又一说生五子: 1 仲贵、 2 仲清、 3 仲明、 4 仲金、 5 仲平(梅遵, 字宣义) 。

 

 近代五世祖 仲清公(登国公长子) , 妣未详. 《七房》 1 后裔未详。

 近代五世祖 仲平公(登国公次子) , 妣未详. 《七房》 1 后裔未详。

 

 

近代四世祖 登堂公(巨波公四子) , 字寿山、 乐善, 号族堂, 妣周氏、 易氏。

《七房》 4 公住赣州府信丰县三江城内。

后裔分居江西万安、 泰和、 武宁、 永新、 永宁, 福建漳州、 长汀、 永安等地。

登国公生于元朝至元十六年己卯(公元1279 年) 正月十八日未时, 卒于元顺帝至正十八年戊戌(公元1358年) 八月初九日未时, 享寿八十岁, 葬信丰三隔坑五马归槽形。

 

妣周氏, 生于元至元十八年辛巳(公元 1281 年) 九月十三日寅时, 卒于元朝至正元年辛巳(公元 1341 年) 九月二十五日未时, 享寿六十一岁, 葬龟形。

妣易氏, 生卒年未详, 葬龟形。

生二子: 1 仲贤、 2 仲明。 (一说生一子: 百一郎。 传至十一世: 中兴, 十二世: 振川。

有谱载生四子: l 永真(百一郎) 、 2 永 ? 、 3 永祥、 4 永才。

又一说生二子: 1 法栋、 2 法傲。 )

近代五世祖 仲贤公(登堂公长子) , 妣未详.

《七房》 仲贤公 后裔未详。

 近代五世祖 仲明公(登堂公次子) , 妣未详.

《七房》 仲明公 后裔未详。

 

近代 11 世祖 中兴公(登堂公传至) , 妣未详.

《七房》 1 移居陆丰博美桥头, 后裔未详。

近代 12 世祖 振川公(登堂公传至) , 妣未详。

《七房》 4 葬鹅埠冈下村苦竹径。 裔居海丰鹅埠锡坑村。 后裔未详。

 

近代四世祖 登祥公(巨波公五子) , 妣朱氏、 赖氏。

《七房》 5 公子住广东博罗县横河圳, 生于元朝至元十九年壬午(公元 1282 年) 二月二十四日未时, 卒于元延祐三丙辰(公元1316 年) 二月十五日戌时, 寿三十五岁, 葬于横河圳木星形、 坐东向西。

妣朱氏、 赖氏, 生卒年及葬未详。 后裔未详。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

littletigerat

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值