- 博客(22)
- 收藏
- 关注
原创 一些多线程的小demo:生成者-消费者模式、循环打印ABC、哲学家吃饭
【代码】一些多线程的小demo:生成者-消费者模式、循环打印ABC、哲学家吃饭。
2023-07-14 19:32:19
116
原创 Spring/SpringBoot/SpringCloud
从某种程度是可以简单的理解为,微服务是一个概念、一个项目开发的架构思想。微服务架构模式(Microservices Architecture Pattern)的目的是将大型的、复杂的、长期运行的应用程序构建为一组相互配合的服务,每个服务都可以很容易得局部改良。Spring Boot 的设计是为了让你尽可能快的跑起来 Spring 应用程序并且尽可能减少你的配置文件。Spring 不排斥各种优秀的开源框架,其内部提供了对各种优秀框架(如 Struts2、Hibernate、MyBatis 等)的直接支持。
2023-07-14 16:29:30
171
1
原创 AQS(AbstractQueueSynchronizer)详解
自定义同步器实现的相关方法也只是为了通过修改 State 字段来实现多线程的独占模式或者共享模式AQS 使用了模板方法模式,自定义同步器时需要重写下面几个 AQS 提供的钩子方法:钩子方法是一种被声明在抽象类中的方法,一般使用 protected 关键字修饰,它可以是空方法(由子类实现),也可以是默认实现的方法。模板设计模式通过钩子方法控制固定步骤的实现。
2023-07-14 15:31:53
438
1
原创 MySQL主从复制的原理与实现
主节点将每次写入的数据都记录在`二进制日志(binlog)` 2. slave连接到Master,多少个从数据库就建立多少个`binlog dump(二进制日志转储线程)` 3. `从库 I/O 线程`会连接到主库,向主库发送请求更新 Binlog。这时从库的 I/O 线程就可以读取到主库的binlog dump thread发送的 Binlog 更新部分,并且拷贝到本地的`中继日志(Relay log)` 4. `从库 SQL 线程`会读取从库中的中继日志,并且执行日志中的事件,将从库中的数据与主库
2023-07-14 11:05:22
108
1
原创 StringRedisTemplate中execute、executePipelined原理及使用
Redis事务本质:一组命令的集合 要么一起成功 要么一起失败,一个事务中的所有命令都会被序列化,在事务执行过程中会按照顺序执行注意:Redis单条命令是保证原子性的,但是事务是不保证原子性的Redis没有隔离级别的概念开启事务:multi执行事务:execRedisTemplate中如何开启并执行事务?更常见的写法仍是采用 RedisTemplate 的默认配置,即不开启事务支持。可以通过使用 SessionCallback,该接口保证其内部所有操作都是在同一个Session中。
2023-07-13 19:18:20
4316
1
原创 归并排序、快速排序、堆排序
稳定性:稳定时间复杂度:最佳:O(nlogn), 最差:O(nlogn), 平均:O(nlogn)空间复杂度:O(n)
2023-07-13 16:23:40
84
1
原创 软测量---论文阅读(三)PIST -CVAE
二十多年来,数据驱动软传感器广泛应用于工业过程中。由于复杂的物理和化学机制、反馈控制和动态噪声,工业过程往往表现出非线性和时变行为。最近,变分自动编码器(VAE)已成为无监督学习复杂分布的最流行方法之一。尽管在深度特征提取和不确定数据建模方面取得了成功,但由于原始输入空间的潜在子空间表示中的随机采样,它仍然存在不稳定性和重构误差。为了克服这些局限性,本文利用输入样本信息提出了约束VAE(constrained VAE)。
2022-09-22 10:18:31
1222
翻译 软测量---论文阅读(二)LSTM-DeepFM
软传感器作为工业智能的重要范例,广泛应用于工业生产中,以实现对包括产品质量在内的生产状态的有效监测和预测。数据驱动的软测量方法已经引起了人们的关注,但由于具有不同特征的复杂工业数据、非线性关系和大量未标记样本,这些方法仍然具有挑战性。本文提出了一种用于工业软测量的数据驱动自监督长短期记忆深度因子分解机(LSTM DeepFM)模型,其中提出了一个主要包括预处理和微调阶段的框架,以探索不同的工业数据特征。在预处理阶段,首先对LSTM自动编码器进行无监督预处理。
2022-09-21 10:56:47
1768
4
原创 软测量---论文阅读(一)DBN
为了提高基于深度学习的软传感器的预测精度,大多数研究人员主要关注网络设计,以帮助他们从过程数据中提取更好的特征。对于这些模型,它们通常是先离线训练,然后在线应用于质量预测的全局模型。通常,对比度发散(CD)采样算法the contrast divergence (CD) sampling algorithm可用于有效计算上述梯度的近似值。计算欧式距离,选择前k个最近样本,重新微调网络,得到预测模型。方程第二项的计算涉及v和h的联合分布,很难直接计算。效率方面,原文说迭代几次就可以,效率不算慢。
2022-09-20 16:58:09
814
1
原创 模型预测控制与强化学习-论文阅读(一)Integration of reinforcement learning and model predictive
随着生物过程数字化改造的进展,一些研究建议应用基于数据的方法来获得一种基质供给策略,以最小化半间歇式生物反应器的运行成本。然而,由于可用数据量有限,疏忽应用无模型强化学习(RL)很可能无法改进现有控制策略。在本文中,我们提出了一种双深度Q网络和模型预测控制的集成算法。该方法以off-policy(异策略)的方式学习行动值函数,并解决了基于模型的最优控制问题,其中终端成本由动作价值函数分配。为了进行模拟研究,将所提出的方法、基于模型的方法和无模型方法应用于工业规模的青霉素过程(我也打算选用这个过程做研究)。
2022-09-17 13:09:26
3593
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人