- 博客(153)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 云计算导论（2）---云计算基础
3. 基础设施：云基础设施，即IaaS（Infrastructure as a Service），是经过虚拟化后的硬件资源和相关管理功能的集合，对内通过虚拟化技术对物理资源进行抽象，对外提供动态、灵活的资源服务。5. 平台：云平台，即PaaS（Platform as a Service），直接提供计算平台和解决方案作为服务，以方便应用程序部署，从而节省购买和管理底层硬件和软件的成本。(1) 选择合适的数据结构和算法：针对特定问题，选择时间和空间复杂度较低的数据结构和算法，减少不必要的计算和存储开销。
2024-05-10 17:04:00
814
原创 云计算导论（1）---云计算概述
1. 云是网络、互联网的一种比喻说法。云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。2. 云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池。3. 云计算具有虚拟化、自动化、高可靠性、高弹性扩展、安全性高等特点。
2024-05-07 19:39:19
355
1
原创 神经网络与深度学习期末复习（6）---损失函数与优化算法
2. 作用：损失函数可以衡量模型预测的好坏，有助于优化网络的参数。1. 梯度的概念：梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。2. 自适应学习率算法思想：如果损失对于某个给定模型参数的偏导保持相同的符号，那么学习率应该增加。用于计算损失的函数称为损失函数，模型每一次预测的好坏用损失函数来度量。，那么我们就有理由相信，这些对应的特征在患病分析上面提供的信息是巨大的，决策性的。
2024-04-22 19:54:55
692
原创 手写BP神经网络（简答易懂）
1. 经典的BP神经网络通常由三层组成：输入层、隐含层与输出层。通常输入层神经元的个数与特征数相关，输出层的个数与类别数相同， 隐含层的层数与神经元数均可以自定义。
2024-04-20 23:22:57
347
原创 神经网络与深度学习期末复习（5）---深度学习中的相关问题
1. 拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。拟合的曲线可以用函数表示，根据这个函数的不同有不同的拟合名字。拟合的方法包括回归、插值、和逼近。2. 拟合是一种数据处理的方式，不特指哪种方法，简单的说就是你有一组数据，觉得这组数据和一个已知的函数（这个函数的参数未定）很相似，为了得到最能表示这组数据特征的这个函数，通过拟合这种方式（具体的数学方法很多）求得参数。1. 反向传播过程中，会利用链式法则求梯度，比如一个常见的式子如下：2. 如果每一项∣ζ∣1|ζ|
2024-04-20 17:17:05
758
原创 神经网络与深度学习期末复习（4）---自编码器
在整个训练过程中，自编码器的目标是最小化输入数据和重建数据之间的差异，以学习到更加有效的特征表示。因为稀疏的表达往往比其他的表达要有效（人脑好像也是这样的，某个输入只是刺激某些神经元，其他的大部分的神经元是受到抑制的）。编码过程是按照从前向后的顺序执行每一层自编码器的编码，解码过程按照从后向前的顺序执行每一层自编码器的解码。1. 栈式自编码器是一个由多层稀疏自编码器组成的神经网络，其前一层自编码器的输出作为其后一层自编码器的输入。(4) 将最后一个隐含层的输出作为有监督层的输入，并且初始化有监督层的参数。
2024-04-19 21:11:53
520
原创 神经网络与深度学习期末复习（1）---神经网络模型
4. BP（back propagation）神经网络的学习有信息的正向传播和误差的反向传播两个过程组成，学习规则采用Widrow-Hoff学习规则（最小均方差规则，梯度下降法），通过反向传播，不断调整网络的权重和阈值，使网络的误差平方和最小。2. 带动量因子算法：该方法是在反向传播法的基础上，在每一个权值的变化上加上一项正比于前次权之变化的值，并根据反向传播法来产生新的权值变化。(2) 误差曲线可能会出现局部的最小值，在网络学习时，应尽可能摆脱误差的局部最小值，而达到真正的误差最小值。
2024-04-18 15:17:18
671
原创 计算机视觉之三维重建（7）---多视图几何(下)
1. 透视结构恢复问题：摄像机为透视相机，内外参数均未知。2. 问题：已知nnn个三维点XjX_jXj在mmm张图像中的对应点的像素坐标为xijx_{ij}xij，且xijMiXjxijMiXj，其中MiM_iMi为第iii张图片对应的摄像机投影矩阵，求解nnn个三维点XjX_jXj的坐标以及mmm个摄像机投影矩阵MiM_iMi。
2024-04-05 20:48:32
1062
原创 计算机视觉之三维重建（6）---多视图几何(上)
1. 欧式结构恢复问题：摄像机内参数已知，外参数未知情况。2. 对于欧式结构恢复问题，已知摄像机内参数，根据投影矩阵的计算公式可知xijMiXjKiRiTiXjxijMiXjKiRiTiXj。那么求解投影矩阵MMM只需要求解外参数RT[R,T]RT。1. 仿射结构恢复问题：摄像机为仿射相机，内外参数均未知。一般来说仿射相机代表为弱透视投影摄像机。2. 下面图中所有坐标使用欧式坐标，对于仿射变换而言zzz。
2024-04-03 19:42:21
1474
原创 计算机视觉之三维重建（5）---双目立体视觉
2. (1) 平行视图中的视差图：根据两台平行摄像机在不同角度观察同一物体或场景时，由于视角差异造成的图像的差异进而推断出物体的深度和距离，得到一幅信息图，可以用于对物体或场景的三维重建和识别。作为相关性标准，该方法可行依据在于，一般情况下一个图像上像素颜色或灰度的变化是平滑的，这样近似相同点平方的最大值的和在理论上大于高偏差点平方的最大值的和。对于较小的窗口：会引入更多的噪声，更容易受到噪声影响，但反之也会在没有噪声影响的地方提供更精确的信息。点一定在扫描线上，这样可以进一步缩小的检索范围。
2024-03-30 20:17:36
1433
原创 神经网络与深度学习期末复习（2）---卷积神经网络扩展机制
1. 分组卷积（Group convolution ）最早在AlexNet中出现，由于当时的硬件资源有限，训练AlexNet时卷积操作不能全部放在同一个GPU处理，因此把特征图分给多个GPU分别进行处理，最后把多个GPU的结果进行融合。2. 一般的卷积会对输入数据的整体一起做卷积操作。而组卷积则是在深度上进行划分，即某几个通道编为一组，对输入数据做组合卷积操作。1. 在深度可分离卷积（depthwise separable convolution）中，通常将卷积操作拆分成多个步骤。
2024-03-27 20:45:54
847
原创 计算机视觉之三维重建（4）---三维重建基础与极几何
那么我们可以根据这两个式子，对于同一个点以及两个像平面点之间的对应关系，写出四个齐次方程，但是未知数只有三个，所以是一个超定齐次线性方程组，可以用齐次方程的最小二乘解来进行计算。2. 基础矩阵作用：基础矩阵中包含了摄像机内参数信息，所以给了基础矩阵，我们无需知道两个摄像机的内外参数就可以建立相同场景在不同视图的对应关系。通过极几何的约束，可以将搜索范围缩小到对应的极线上，而并没有做到对应点，所以存在一个方向上的误差问题。基础矩阵：对一般的透视摄像机拍摄的两个视点的图像间的极几何关系进行代数描述。
2024-03-27 00:54:25
1200
原创 计算机视觉之三维重建（3）---单视几何
个自由度，而一般我们只能找到三组互相垂直的平行线，如下图这种典型的三个平面互相垂直，在三个平面上选择三组平行线，那么最多只能得到三个方程，而三个方程不能精确的解出五个未知数，所以一般我们规定零倾斜，正方形像素，此时内参矩阵中的。对于透视和仿射变换而言，仿射变换后的无穷远点还是无穷远点，透视变换后的无穷远点不再是无穷远点。4. 同一平面直线（在2D平面上均为同一平面）的无穷远点均位于同一无穷远线上，我们定义无穷远线为。上，所以通过式子的代换得到了线与线之间变换是乘以一个变换矩阵的转置的逆的映射关系，即。
2024-03-23 00:47:15
1135
原创 神经网络与深度学习期末复习（3）---卷积神经网络
的输出特征图，上面每一个结果的得到都经过一个神经元。即一个神经元对应一个输出，与像素点个数相同。(3) 连接数的计算如下。每一个像素点的得到，都经过卷积，一个卷积核大小。从下图中可发现：偏置数量=输出通道数；卷积核种类=输出通道数。(3) 连接数按我们老师上课讲的，就先看一次卷积，加。这里早期设计改为了部分连接，有。(2) 按照正常思维，卷积核的数量有。(4) 可训练参数套公式就可以。(2) 一个池化对应两个参数。是偏置，再乘上神经元数。个卷积求和后加一个偏置。图像共用一个偏置，有。个图像，所以偏置数为。
2024-03-21 16:11:20
967
原创 Easy Connect下载（Windows版）
3. 安装完成，双击Easy Connect打开软件，主界面如下图所示。输入服务器地址，这个地址一般是公司或校园的Vpn地址，点击 “连接” 即可。界面显示正在初始化，等待一段时间后，即可进入帐号登录界面。输入用户名以及密码，勾选记住密码，点击箭头处的 “登录” 即可。2. 耐心等待Easy Connect安装完就可以了，点击完成。1. 下载安装包解压后，双击.exe文件就可以安装软件。
2024-03-19 00:00:45
3203
1
原创 计算机视觉之三维重建（1）---摄像机几何
这个平面的坐标原点一般设定在图像的中心，即主光轴与图像传感器的交点，以便更准确地描述图像的物理位置和关系，常常使用物理单位如毫米来描述像素在图像中的位置。具体来说，当物体上离相机较远的点P在胶片上成像时，如果物体上较近的点在胶片上映射到多个位置，那么就无法形成清晰的焦点，从而产生虚像。当光线经过透镜时，由于透镜的制造精度或组装工艺的偏差，光线在远离透镜中心的地方比靠近中心的地方更加弯曲，从而导致图像的失真。在没有建立用户坐标系之前，画面上所有点的坐标都是以该坐标系的原点来确定各自的位置的。
2024-03-18 20:40:52
1439
1
原创 ubuntu 18.04安装教程（详细有效）
注：这里这样选择可以直接安装 ubuntu，这样后续也不需要再手动安装 Vmware-tools。
2024-03-11 00:30:09
2962
原创 中国大学生计算机设计大赛--智慧物流挑战赛基础
1. ROS（Robot Operating System）是一个为机器人软件开发提供灵活框架的开源元操作系统。它主要用于编写机器人软件程序，并具备高度的灵活性。ROS为机器人提供了一个软件平台，类似于操作系统为计算机提供的功能。具体来说，ROS提供了硬件抽象、底层设备控制、常用功能实现、进程间消息传递以及包管理等功能。
2024-03-10 16:27:45
1115
原创 深度学习（8）---Diffusion Modle原理剖析
1. 在整体思路部分我们已经知道了正向过程其实就是一个不断加噪的过程，于是我们考虑能不能用一些公式表示出加噪前后图像的关系呢。上图为等式右边三个高斯分布表达式，这个结果怎么得的大家应该都知道叭，就是把各自的均值和方差代入高斯分布表达式即可。和所加的噪声共同决定的，也就是说后一时刻的图像主要由两个量决定，其一是上一时刻图像，其二是所加噪声量。的权重随着时刻增加越来越大，表明我们所加的高斯噪声越来越多，这和我们整体思路所述是一致的，即越往后所加的噪声越多。是预先给定的值，它是一个随时刻不断增大的值。
2024-02-26 16:07:43
501
原创 深度学习（7）---Diffusion Model概念讲解
在扩散模型中，CLIP可以作为打通文本和图像的桥梁的核心模块，用于控制图像生成的过程。它分为正向的扩散过程和反向的逆扩散过程。正向扩散过程是往图片上加噪声的过程，即从无到有地添加噪声，直到得到纯噪声图片。(2) 每步添加高斯噪声的量是变化的，且后一步比前一步添加的高斯噪声更多。去噪过程不是说由一张图片生成另一张图片，而是在一张高噪声图片的基础上，减掉一个噪声图片从而得到另一张低噪声图片。3. 逆向过程：首先，我们会随机生成一个服从高斯分布的噪声图片，然后一步一步的减少噪声直到生成预期图片。
2024-02-04 17:21:14
1725
原创 深度学习（6）---Transformer
Transformer是一个Seq2Seq（Sequence-to-Sequence）的模型，这意味着它能够处理从输入序列到输出序列的问题。在Seq2Seq模型中，输入是一段序列，输出也是一段序列，输出序列的长度通常由模型自身决定。这种模型在自然语言处理（NLP）领域有广泛的应用，例如语音识别、机器翻译、语音合成、聊天机器人训练等。
2024-01-25 23:52:45
1309
2
原创 深度学习（5）---自注意力机制
1. 有时候我们输入转化后的一组向量之间会有关联。比如 “I saw a saw-----我看见一把锯子” 这句话，对于传统的模型，可能会将第一个 saw 和第二个 saw 输出相同的结果，但事实上两个 saw 是完全不一样的意义，第一个 saw 意思是"看见"，而第二个 saw 意思是"锯子"。2. 所以出现了自注意力机制（Self-attention）模型来解决上述这个问题。对于输入 Seg 中向量不确定多的情况，Self-attention会考虑所有向量。
2024-01-23 00:09:49
1175
1
原创 大数据导论（4）---大数据应用
这些数据中蕴含着惊人的能量，释放这些能量可以颠覆企业的传统营销模式，产生新的商业业态，让企业的营销效率提高的同时，使消费者能够得到更好、更加个性化的服务。例如，推荐同一风格的歌曲，或是推荐同一歌手的其他歌曲。推荐系统是大数据在互联网领域的典型应用，它可以通过分析用户的历史记录来了解用户的喜好，从而主动为用户推荐其感兴趣的信息，满足用户的个性化推荐需求。推荐系统通过发掘用户的行为记录，找到用户的个性化需求，发现用户潜在的消费倾向，从而将长尾商品准确地推荐给需要它的用户，进而提升销量，实现用户与商家的双赢。
2024-01-21 17:00:07
1114
原创 大数据导论（3）---大数据技术
大数据技术主要包括数据采集与预处理、数据存储、数据处理与分析、数据可视化、数据安全和隐私保护等几个层面的内容。技术层面功能数据采集与预处理利用ETL工具将分布的、异构数据源中的数据，如关系数据、平面数据文件等，抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础；利用日志采集工具（如 Flume、Kafka 等）把实时采集的数据作为流计算系统的输入，进行实时处理分析；利用网页爬虫程序到互联网网站中爬取数据数据存储和管理。
2024-01-20 17:02:04
1117
原创 大数据导论（2）---大数据与云计算、物联网、人工智能
总的来说，云计算、分布式计算、网格计算、对等计算、并行计算都是一种特定的计算方法或架构，它们在实现上有所差异，但都是为了解决大规模的计算问题而发展出来的技术。而雾计算可以看作是云计算的一种延伸和发展。1. 物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式连在一起，形成人与物、物与物相连，实现信息化和远程管理控制。（6）雾计算：雾计算是云计算的延伸概念，是一种分布式的计算架构，雾计算处于设备与云之间，为设备提供数据存储和网络通信等功能。
2024-01-19 20:35:56
1719
原创 大数据导论（1）---大数据概述
ETL过程是数据从源系统提取、转换并加载到目标系统或数据库的过程，包括三个主要阶段：数据抽取、数据转换和数据加载。因此，网络语音数据和视频监控数据属于非结构化数据，而财务系统表格数据属于结构化数据，电子邮件既可以是结构化数据也可以是非结构化数据，具体取决于如何处理和存储。4. 数据爆炸对科学研究提出更高要求，需要设计出更加灵活高效的数据存储、处理和分析工具，应对大数据时代的挑战，必将带来云计算、数据仓库、数据挖掘等技术和应用的提升或者根本性改变。而数据则是构成信息的基本单位，离散的数据没有任何实用价值。
2024-01-19 00:00:31
1023
原创 最优化理论与方法复习（6）---凸集和凸函数
设SSS为nnn维欧式空间RnR^nRn一个集合，对于任意的X1X^{(1)}X1X2∈SX^{(2)}∈SX2∈S，及每个实数λ∈01λ∈[0,1]λ∈01，有λX11−λX2∈SλX11−λX2∈S，则称SSS为凸集。
2024-01-08 23:54:10
810
原创 最优化理论与方法复习（5）---最优性条件
矩阵的行列式大于0，则矩阵正定；矩阵的行列式等于0，则矩阵半正定。1. 无约束问题就是只给出函数表达式。
2024-01-08 23:52:59
745
原创 Java---网络编程
1. 计算机网络：是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统、网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。2. 网络编程：在网络通信协议下，实现网络互连的不同计算机上运行的程序间可以进行数据交换。3. 网络编程三要素：IP地址、端口和协议。4. 协议：IPv4协议和IPv6协议。常用命令：(1)ipconfig：查看本机IP地址。(2)ping IP地址：检查网络是否连通。
2024-01-02 00:45:29
1037
原创 传感器原理及应用复习（10）---应变式传感器、电感式传感器、电容式传感器
1. 电阻应变式传感器的工作原理：它是以电阻应变片为转换元件的传感器。电阻应变片粘贴在被测试件表面上，由于被测件的形变使其表面发生应变，从而引起电阻应变片的阻值变化，通过测量电阻的变化即反映了应变(或应力)的大小。2. 差动变压器式传感器原理：铁芯可以活动，将被测量的变化转换为铁芯的位移，进而转换为初级绕组和次级绕组间的互感量变化。时，两个应变片因温度相同而引起的电阻变化量相等，电桥仍处于平衡状态，即。，而补偿片因不承受应变，故不产生新的增量，此时电桥输出电压为。由上式可知，电桥的输出电压。
2023-12-30 16:36:59
1090
原创 传感器原理及应用复习（9）---压电式传感器、霍尔式传感器、光电式传感器
1. 压电效应：某些电介质，当沿一定方向对其施力而使它变形后，内部就产生极化现象，同时在它的两个表面上产生符号相反的电荷，当外力去掉后，又重新恢复到不带电的状态。2. 压电式传感器的基本原理：利用压电材料的压电效应这个特性，即当有力作用在压电材料上时，传感器就有电荷(或电压)输出。(2) 串联接法：上、下极板的电荷量与单片相同时，总电容量为单片的一半，输出电压增大了。压电材料在交变力的作用下，电荷可以不断补充，以供给测量回路一定的电流，故适用于动态测量。引线为霍尔输出引线，称霍尔电极。
2023-12-30 02:11:56
1141
原创 传感器原理及应用复习（8）---微波传感器、辐射式传感器、热电偶传感器
4. 微波传感器特点：(1) 有极宽的频谱可供选用，可根据被测对象的特点选择不同的测量频率。(2) 在烟雾、粉尘、水汽、化学气氛以及高、低温环境中对检测信号的传播影响极小，因此可以在恶劣条件下工作。(3) 介质对微波的吸收与介质的介电常数成比例，水对微波的吸收作用最强。2. 热释电效应：电石、水晶、酒石酸钾钠、钛酸钡等晶体受热产生温度变化时，其原子排列将发生变化，晶体自然极化，在其两表面产生电荷的现象称为热释电效应。(1) 反射式微波传感器是通过检测被测物反射回来的微波功率或经过的时间间隔来测量被测量的。
2023-12-29 20:53:30
910
原创 传感器原理及应用复习（7）---超声波传感器
超声波在流体中传播时，在静止流体和流动流体中的传播速度是不同的，利用这一特点可以求出流体的速度，再根据管道流体的截面积，便可知道流体的流量。2. 超声波在气体和液体中传播时，由于不存在剪切应力，所有仅有纵波的传播。如果在流体中设置两个超声波探头，它们既可以发射超声波又可以接收超声波，一个装在上游，一个装在下游，其距离为。在实际应用中，超声波探头安装在管道的外部，从管道的外面透过管壁发射和接收超声波。超声波发射器和接收器简称为超声波探头，其中以压电式最为常用。1. 振动在弹性介质内的传播称为波动，简称波。
2023-12-29 17:10:48
839
原创 传感器原理及应用复习（6）---测量加速度
端与被测振动体相连，此时传感器作为加速度测量中的惯性元件，此时传感器作为加速度测量中的惯性元件，它的位移与被测加速度成正比，使加速度测量转变为位移的测量。运动时，质量块受到一个与加速度方向相反的惯性作用力作用，是悬臂梁变形，该变形被粘贴在悬臂梁上的应变片感受到并随之产生应变，从而使应变片的电阻发生变化。它是一种简谐振子的结构形式。应变式传感器主要用于物体加速度的测量，其基本工作原理是：物体运动的加速度与作用在它上面的力成正比，与物体的质量成反比，即。因此，测得加速度传感器输出的电荷便可知加速度的大小。
2023-12-27 17:20:40
1346
1
原创 传感器原理及应用复习（5）---测量厚度
上传输波导管传输到上终端器，由上终端器发射到被测物体的上表面上，微波在被测物体上表面全反射后又回到上终端器，再经过传输导管、环行器。电容测厚传感器测厚的工作原理是：在被测带材的上下两侧各置放一块面积相等、与带材距离相等的极板，这样极板与带材就构成了两个电容器。(3) 因此被测物体的厚度与微波传输过程中的行程长度有密切关系，当被测物体厚度增加时，微波传输的行程长度便减小。如果带材的厚度发生变化，将引起电容量的变化，用交流电桥将电容的变化测出来，经过放大即可由电表指示测量结果。
2023-12-26 23:55:13
372
原创 传感器原理及应用复习（4）---测量转速
转盘的输入轴与被测转轴相连，当被测转轴转动时，转盘也随之转动，固定在转盘附近的霍尔传感器便可在每一个小磁铁通过时产生一个相应的脉冲，检测出单位时间的脉冲数，便可知被测转速。当旋转体转动时，涡流传感器与旋转体的间距也在不断地变化，涡流传感器输出周期信号，该信号经放大、整流后，输出与转速成正比的脉冲频率信号。1. 霍尔效应：置于磁场中的静止载流导体，当它的电流方向与磁场方向不一致时，载流导体上垂直于电流和磁场的方向上将产生电动势。时，由于电流的变化，在线圈周围产生交变磁场。有关，还与线圈与被测导体间的距离。
2023-12-26 20:31:46
182
MySQL版数据库原理与应用PPT
2023-11-03
计算机算法设计与分析第五版王晓东PPT课件
2023-10-25
答案正确率百分之五十，不知道哪里有问题
2021-11-30
TA创建的收藏夹 TA关注的收藏夹
TA关注的人