中国历史年代史的一些总结-缕清上下五千年

经常爱看电视剧,抽时间整理了中国编年史,一下子发现清楚了不少


**************************************************************************************

1、朝代的划分和记忆

公元后几个关键的历史节点

    1、公元元年~220年----------------------------------------西汉向东汉过度时期-------------------------------------电视剧三国演义

    2、581年-618年---------------------------------------------隋朝实现统一---------------------------------------------电视剧隋唐英雄演义,

    3、618年~907年--------------------------------------------唐朝时期----------------------------------------------------电视剧隋唐英雄演义,武媚娘传奇,西游记

    4、960年~1127年------------------------------------------北宋时期----------------------------------------------------电视剧杨家将,穆桂英挂帅,包青天,水浒传、天龙八部

    5、1127年~1279年----------------------------------------南宋时期----------------------------------------------------电视剧精忠岳飞,射雕英雄传,神雕侠侣,大宋提刑官

    6、1271年~1368年----------------------------------------元朝时期----------------------------------------------------电视剧窦娥冤,元世祖忽必烈、成吉思汗、少年张三丰、倚天屠龙记

    7、1368年~1644年----------------------------------------明朝时期----------------------------------------------------电视剧倚天屠龙记、   大明王朝,刘伯温传奇

    8、1636年~1912年----------------------------------------清朝时期----------------------------------------------------电视剧努尔哈赤,康熙王朝、雍正王朝、戏说乾隆等等很多

    9、1912年~1949年----------------------------------------民国时期----------------------------------------------------电视剧末代皇帝传奇,走向共和、民国往事,闯关东,亮剑

    10、1949年~2010年--------------------------------------共和国时期-------------------------------------------------电视剧老农民,活着,阳光灿烂的日子

公元前几个关键的历史节点

    1、前2029年~前1559年-------------------------------------夏朝时期---------------------------------------------------电视剧嫦娥

    2、前1519年~前1046年-------------------------------------商朝时期---------------------------------------------------电视剧封神榜

    3、前1046年~前771年---------------------------------------西周时期--------------------------------------------------暂无

    4、前771年~前256年----------------------------------------·东周时期--------------------------------------------------电视剧东周列国,孔子,屈原,赵氏孤儿,寻秦记

    5、前221年~207年--------------------------------------------秦朝时期--------------------------------------------------电视剧寻秦记、吕不韦传奇

    6、前202年~8年-----------------------------------------------西汉时期---------------------------------------------------电视剧楚汉传奇,吕后,汉武大帝


**************************************************************************************

2、两个特殊的时期

     1、420年~589年----------------------------------------------南北朝时期------------------------------------------------东晋灭亡到隋朝建立前的大分裂时期,持续160年

     2、907年~960年----------------------------------------------五代十国时期---------------------------------------------唐朝灭亡到宋朝建立的大分裂时期,持续60年

**************************************************************************************

3、整体划分记忆

      1、公元前1000年前的,截止商朝封神榜

      2、公元前1000年到200年经历800年,周朝时期,一大堆小国割据争霸,十分动乱

      3、公元前200年到公元200年经历400年,经历秦汉大一统,相对国家比较统一

      4、公元200到公元400年,近乎统一,三国归晋

      5、公元400年~公元600年,又开始动乱,开始分裂了近200年,后被隋朝统一

      6、公元600年~公元900年,隋朝唐朝统一时期

      7、 公元960年-公元1279年,宋朝统一管理

      8、元朝管理100年,后被明朝管理公元1368年~1644年

      9、公元1644年~1912年~1949年清朝民国时期



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
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