qq_41196612的博客

先上问题import tensorflow as tf2020-11-30 09:54:16.112235: W tensorflow/stream_executor/platform/default/dso_loader.cc:59] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found2020-11-30 09:54:16.112420: I tensorflow/stream_

Description:Sudoku BackgroundSudoku is a game played on a 9x9 grid. The goal of the game is to fill all cells of the grid with digits from 1 to 9, so that each column, each row, and each of the nine 3x3 sub-grids (also known as blocks) contain all of the

2.1 设定优化目标这一部分引入是因为一个问题：在通过采样的方法(蒙特卡洛法)计算下面这个式子的时候可不可以走捷径(shortcut)？实际上(in practice)，对大多数的潜变量zzz而言，P(X∣z)P(X|z)P(X∣z)都是nearly zero的，因此它们对我们估计P(X)P(X)P(X)是没啥用的。这里就涉及到了VAE的核心思想了：尽量只采样那些对生成XXX 有贡献的zzz，然后用它们估计P(X)P(X)P(X) 。那么问题来了，从哪个分布里面去采样才能达到这个目的呢？不妨假设

OSError: [WinError 126] The specified module could not be found. Error loading "C:\Users\chunc\anaconda3\lib\site-packages\torch\lib\asmjit.dll" or one of its dependencies.这个问题简直坑人，我在CSDN等国内的博客网站找的解决办法都是更新numpy，可谁知numpy没更新好，我的Spyder倒是莫名其妙地卸了，弄的我只能重装Anaco

实现：%%Question 1 part(b)clear all;clc;t0 = 0;x0 = 1/2;dt = 0.1;tf = 1;t_range = t0:dt:tf;x_EU = zeros(1,length(t_range));x_EU(1)= x0;x_RK = zeros(1,length(t_range));x_RK(1)= x0;for k = 1:length(t_range) - 1 x_EU(k+1) = euler_scheme(x_EU...

有时候在求解规划问题时，我们想要让得到的解满足一定的条件，换句话说，如果得到的解不能满足一定的条件我们更加倾向于拒绝它，而且这种倾向还是比较大的。这种情况在实际应用中比较常见，比如在准备出去旅行时，我们肯定不太希望背包里面放置特别重的东西，这时候就可以加一个条件，如果物品的重量大于一个给定的临界值，那么它的价值将大大降低，而这种大大降低可以通过给其添加一个很大的系数实现。同样的，在求解神经网络损失函数的最小值时，我们希望自变量权重向量www满足一定的条件，如果不满足，就给其狠狠地惩罚一下。这时候我们就会在

Description:Given an array of positive or negative integersI= [i1,..,in]you have to produce a sorted array P of the form[ [p, sum of all ij of I for which p is a prime factor (p positive) of ij] ...]P will be sorted by increasing order of the prime nu

Description:John and Mary want to travel between a few towns A, B, C … Mary has on a sheet of paper a list of distances between these towns. ls = [50, 55, 57, 58, 60]. John is tired of driving and he says to Mary that he doesn’t want to drive more than t

Description:The aim is to calculate exponential(x) (written exp(x)in most math libraries) as an irreducible fraction, the numerator of this fraction having a given number of digits.We call this function expand, it takes two parameters, x of which we want

Description:Be u(n) a sequence beginning with:u[1] = 1, u[2] = 1, u[3] = 2, u[4] = 3, u[5] = 3, u[6] = 4,u[7] = 5, u[8] = 5, u[9] = 6, u[10] = 6, u[11] = 6, u[12] = 8,u[13] = 8, u[14] = 8, u[15] = 10, u[16] = 9, u[17] = 10, u[18]

Consider a sequence u where u is defined as follows:The number u(0) = 1 is the first one in u.For each x in u, then y = 2 * x + 1 and z = 3 * x + 1 must be in u too.There are no other numbers in u.Ex: u = [1, 3, 4, 7, 9, 10, 13, 15, 19, 21, 22, 27, …]

Description:Write a program that will calculate the number of trailing zeros in a factorial of a given number.N! = 1 * 2 * 3 * … * NBe careful 1000! has 2568 digits…For more info, see: http://mathworld.wolfram.com/Factorial.htmlExampleszeros(6) = 1#

说明：这道题是真难到我了，主要是我不清楚怎么把字母之间的数字匹配出来，我初始的时候想的是正则表达式，但是R语言的正则表达式与我在python中学到的不同，且更加麻烦复杂，再者我又对正则表达式一知半解的，脑子真就慢慢变得迷糊了，直接看了别人的解法(整半天经验没变化，难受啊)。Description:data and data1 are two strings with rainfall records of a few cities for months from January to December.

Description:Define a function that takes in two non-negative integers a and b and returns the last decimal digit of a^b. Note that a and b may be very large!For example, the last decimal digit of 9^7 is 9, since 9^7 = 4782969. The last decimal digit of (

Description:A bookseller has lots of books classified in 26 categories labeled A, B, ..., Z. Each book has a code c of 3, 4, 5 or more characters. The 1st character of a code is a capital letter which defines the book category.In the bookseller’s stockli

代码前部分是求解偏微分方程，后面一部分是绘图。在绘图的过程中，主要难点有两个：第一， 如何使用python或MATLAB绘制等高线以及热力图，并把它们叠加在一张图上。第二，如何使用python或MATLAB绘制二维的向量图。MATLAB实现代码：% Solution of 2D Stokes and continuity equations with finite differences% on a regular grid using stream function - vorticit

例1clear,clc%% 数据准备x1 = [7 1 11 11 7 11 3 1 2 21 1 11 10]';x2 = [26,29,56,31,52,55,71,31,54,47,40,66,68]';x3 = [6 15,8,8,6,9,17,22,18,4,23,9,8]';x4 = [60,52,20,47,33,22,6,44,22,26,34,12,12]';y = [78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9

例1例2例3

加入高斯白噪声并作平滑处理clear,clc%% (1) 读取数据A = imread('LenaRGB.jpg');%% (2)在数据中加入高斯白噪声作平滑处理% 加入高斯白噪声B = double(A)/255;[m,n,p] = size(B); % 大小white_noise = 0 + 0.1*randn(m,n); % 白噪声C = B + white_noise; % 加白噪声D = C*255; %将像素范围扩大至0--255D2 = uint8(D);

---title: "Summary of Reading"author: "ChenWei"date: "2020/6/24"output: word_document---```{r setup, include=FALSE}knitr::opts_chunk$set(echo = TRUE)    这一次我阅读的是Francisco Martinez等著的《Time Series Forecasting with KNN in R: the tsfknn Package》，这篇文章

理论实现数据：2,4,4,2,3,3,02,2,3,2,1,2,12,3,3,2,2,3,12,2,3,2,5,2,12,3,4,3,2,2,01,5,4,2,2,1,02,5,4,4,4,1,02,4,4,4,4,7,01,4,2,2,2,4,02,3,3,2,5,2,01,2,2,2,1,3,02,5,4,2,5,2,01,5,3,4,4,2,12,6,2,2,4,1,02,4,4,3,4,2,02,2,4,3,5,3,01,6,3,3,4,7,01,4,4,

一、理论二、实战分析x1 <- c(5,7,3,6,6)x2 <- c(7,1,2,5,6)X <- cbind(x1,x2)# 计算初始距离矩阵dist(X) # 默认计算欧式距离dist(X,diag=TRUE) # 显示对角线元素dist(X,diag=TRUE,upper = TRUE) # 显示对角线元素和上三角元素dist(X,method = 'manhattan')dist(X,method = 'minkowski',p=1)

现在很多工作都转移到了线上，有些情况下需要将签名插入word，但是我们有时候是没法打印后再签名的，因此我就写了这么个程序。一、读取图片%% 读取图片pic = imread('C:\Users\cw817615\Desktop\签名.jpg');threshold = graythresh(pic);%确定二值化阈值pic_bw = im2bw(pic,0.55);%对图像二值化，黑色的为0，白色的为1imshow(pic_bw) % 展示处理前的二值化图片pic_backup = p

文章目录数值解符号解数值解问题Matlab实现main.m 主函数clear,clcx0 = 0; % xminx1 = 1; % xmaxh = 0.1; % 步长y0 = 1/2; % y0为初始值% 欧拉法[xy{1}(:,1), xy{1}(:,2)] = forwardEuler(x0, y0, x1, h);% 改进欧拉法[xy{2}...

本文给出了含指数函数的不定积分的几种形式，并通过例子来归纳这些形式的积分技巧。

形如∫ex2dx\int e^{x^2}dx∫ex2dx的积分是一种典型的很难积的函数，普通方法很难把它积出来，得用巧劲。以下为证明过程：直接求积分很难，我们先把它平方，将其转为二重积分：(∫ex2dx)2=∫ex2dx⋅∫ey2dy=∬ex2+y2dxdy(∗)\begin{aligned}\left(\int e^{x^2}dx \right)^2 &=\int e^{x^...

文章转载自“医学统计与R语言”公众号，文章链接为：文章链接百分条图输入1library(ggplot2)library(ggthemes)library(ggsci)library(rio)percentbar <- import("percentbar.xlsx")percentbar输出1 year government society Indivi...

前言：以前使用Matlab绘制ROC曲线常常是工具箱有就画，没有就不画，而且在想画的时候工具箱恰恰就没有，很纳闷。然后无意间发现了一篇用R语言绘制ROC曲线的文章，赶紧学了并分享出来，以备不时之需。先通过一个例子来讲解一下参数的作用，使用的数据是大名鼎鼎的Iris数据集，R语言自带。数据处理第一步当然得处理一下数据。默认的Iris数据集有三类鸢尾花，我目前的理解是只有二分类才画的出ROC曲...

前言：绘制连续型的分布函数很容易，直接根据分布函数计算函数值即可。但是对于离散型随机变量而言，没有已知的分布函数，只能使用经验分布函数或者说是累积分布函数进行近似。下文以离散分布中比较经典的二项分布、泊松分布以及几何分布为例绘制它们的经验分布函数。二项分布二项分布的理论部分可以参照二项分布百度百科Len = 100000; %% 二项分布Bin(n,p)N = 50; % 二项分...

本篇文章的代码实现了以下三大方面的功能：一、计算级比和光滑比并做级比检验；二、序列的灰色预测；三、精度检验，主要做了以下内容：①相对残差Q检验（MAPE）；②关联度检验；③方差比C检验；④小误差概率P检验1 灰色预测模型本部分内容参照了王佳佳的硕士学位论文《京津冀地区高速铁路对区域经济影响研究》，我觉得这篇论文讲灰色预测讲得蛮详细的，如果想学灰色预测的可以看看。2...

需要求解的积分具有如下形式：∫1a+bsin⁡xdx\int \frac{1}{a+b \sin x} d x∫a+bsinx1​dx这种积分比较常见，可以考虑记一下它的结果，结果为：∫1a+bsin⁡xdx=2a2−b2⋅arctan⁡⋅{atan⁡(x2)+ba2−b2}\int \frac{1}{a+b \sin x} d x=\frac{2}{\sqrt{a^{2}-b^{2}}} ...

文章目录1 整合数据2 reshape2包2.1 融合2.2 重铸前言：R中提供了许多用来整合（aggregate）和重塑（reshape）数据的强大方法。在整合数据时，往往将多组观测替换为根据这些观测计算的描述性统计量。在重塑数据时，则会通过修改数据的结构（行和列）来决定数据的组织方式。本篇文章描述了用来完成这些任务的多种方式。1 整合数据在R中使用一个或多个by变量和一个预先定义好的...

目录1 总体主成分1.1 主成分的定义与导出1.2 主成分的性质1.3 从相关矩阵出发求主成分2 样本主成分2.1 从S出发求主成分2.2 从R出发求主成分3 相关的R函数以及实例3.1 `princomp`函数3.2 `summary`函数3.3 `loadings`函数3.4 `predict`函数3.5 `screeplot`函数3.6 `biplot`函数4 实例附录——PCA高级散点图的...

前言判别分析是用以判别个体所属群体的一种统计方法，它产生于20世纪30年代，近年来，在许多现代自然科学的各个分支和技术部门中，得到广泛的应用.例如，利用计算机对一个人是否有心脏病进行诊断时，可以取一批没有心脏病的人，测其p个指标的数据，然后再取一批已知患有心胜病的人，同样也测得p个相同指标的数据，利用这些数据建一个判别函数，并求出相应的临界值，这时对于需要进行诊断的人，也同样测其p个指标的数据...

前言： 打算和老弟去西安来一个说走就走的旅行，但是网上攻略太多了看得头皮发麻，但是仔细看的话每条旅游攻略都有特定的参数条件的，比如人数、价钱、游玩时间，也就是说我们可以通过筛选这些条件初步获取我们满意的攻略。1 前期准备这次爬的是去哪儿网，网站大概长这样如果我们搜一个旅行地点，会得到这么一个网页网页的网址为：http://travel.qunar.com/travelbook/list...

前言： 每次发表情包的时候总是会愁自己表情包太少了，用来用去就那些，很头疼，现在写一个爬虫爬取表情包，以后再也不用愁没表情包了！爬取的网站网址为：表情包网址先来看看网站长啥样看到这么多表情包就很开心，一个一个保存太麻烦了，爬就完事了！源代码：# _*_ coding: utf-8 _*_'''Author:Chen Weidate: 23:12Repetition i...

生成随机数：# 生成随机数set.seed(1230) # 随机数种子y1 <- rnorm(100); # 标准正态分布N(0,1)y2 <- rexp(100,2); # 参数为2的指数分布Exp(2)y3 <- rt(100,1); # 自由度为1的t分布t(1)y4 <- -y2; # -Exp(2)1 图像法1.1 直方图...

前言： 找到的第一篇文献，里面的密度函数出现了明显问题，在CSDN里面找也经常是只找到一个或者两个分布的估计，但是有时候得四个分布一起用，找来找去难免会有些麻烦，找到一篇文献：邓泽怀的硕士学位论文《基于实测数据的海杂波统计建模》，里面详细地讲解了上面提到的四种分布参数的矩估计、极大似然估计，并作了拟合优度检验。实践证明这里面讲到的关于参数估计的内容非常准确。文章目录1 背景知识2 典型分布模型2...

前言： 折腾了老半天，直接在CSDN里面搜找不到代码，百度刚开始也就找到一个bnb20工具箱，可那已经是2009年的玩意了。不过还是很幸运，在我绝望到想用遗传算法求解的时候，终于找到了一个叫Yalmip的工具箱，讲道理，功能强大且好用。1 Yalmip工具箱的下载与安装Yalmip的下载(建议在我给的这个链接里下载，官网下载的速度实在是emmmm)Yalmip的安装2 Yalmip的使用...

前言： 第一次听说Box-Cox变换，发现原来这玩意这么厉害，值得写一写记录一下。以下内容参考了栗然等人写的论文《基于Box-Cox变换的风电场短期风速预测模型》1 问题背景风力发电是解决当前突出的能源和环境问题的有效手段，因而得到了普遍重视和大规模开发利用，是目前世界上增长速度最快的能源开发形式。尤其近十几年来其发电成本大幅下降，已具备与传统常规电源竞争的潜力。目前，国内外对于风力发电的...

**前言：**将多元统计分析课程上学到的知识以编程的形式展现。本篇博客使用到的数据如下："Wind" "Solar radiation" "CO" "NO" "NO2" "O3" "HC"8 98 7 2 12 8 27 107 4 3 9 5 37 103 4 3 5 6 310 88 5 2 8 15 46 91 4 2 8 10 38 90 5 2 12 12 49 8...

**前言：**大学期间只学习过《常微分方程》，没想到有些学校竟然还学《时滞微分方程》，于是找到一本由内藤敏机(日本)等著，马万彪等译的《时滞微分方程——泛函数微分方程引论》(有需要的可以私聊，CSDN貌似上传不了书籍，说侵权emmm)，看着头秃，不过受到不少启发，尤其是对Logistic方程的改进，真真是长见识了。没找到有人用欧拉法解一阶时滞微分方程的，于是一不做二不休便用MATLAB实现了一下下...

文章目录1.背景2. 单种运输工具带时间窗2.1 带时间窗车辆路径问题的描述2.2 遗传算法的求解2.2.1 编码方案的设计2.2.2 种群初始化2.2.3 约束处理与适应度函数2.2.4 选择算子2.2.5 交叉算子2.2.6 变异算子2.2.7 其他部分2.3 粒子群算法的求解3. 多种运输工具不带时间窗3.1 立体交通介绍3.2 遗传算法求解3.2.1 染色体编码设计3.2.2 适应度函数3...

有人找我爬取一下百度图片，好像写这个的人比较少，于是我借鉴GitHub上的代码，根据需求修改后有如下代码# -*- coding: utf-8 -*-import requestsfrom threading import Threadimport reimport timeimport hashlibimport osclass BaiDu: """ 爬取百度...

前言： 最近在依据概率密度生成随机数方面遇到不少麻烦，找遍了CSDN，大多是生成常见分布的随机数，很少有讲生成任意给定概率密度的随机数，即便有部分人写了，但都没给出比较好的模板。有心人天不负，在一番摸索之后，终于是写出来了，顺便还把分位数的两种解法给写出来了，以下是需要解决的问题与相关代码。1. 背景知识1.1 一元p-范分布  在研究线性回归模型(y=βx+ε)(y=\beta x+\va...

以下两个实战使用python3.7实现，编译软件为Jupyter Notebook实战1：App Store钉钉评价分析评论爬取App Store 已经给出一个软件评论接口import requestsimport pandas as pdfrom pandas import DataFrameflag = [1,2,3,4,5,6,7,8,9]urllist = []for ...

首先需要说明的是，在R语言中向量和列表是不一样的，向量中每一个元素的类型都是一样的，而列表反之，这里的列表与Python中的列表有几分相似。以下是分类情况：同样类型的数据不同类型的数据一维向量(vector)列表(lists)R语言中生成常用向量主要有这么几个方法：方法1：...

本次设计的爬虫只需要输入av号，便可爬取所有的评论（包括折叠的）以及所有实时弹幕。注：1、av号的获取如图：2、爬取的评论是按照时间排序的，置顶评论并不会放在第一个3、最终结果是以两个csv文件展示出来的，分别称为“评论数据.csv”、“弹幕数据.csv”以下便是代码了，有两个类，一个PingLun——爬取评论，一个DanMu——爬取弹幕，两个类的初始化都只要有av号即可。# -*...

项目一：《向往的生活》弹幕爬取与分析项目一参照于公众号“超哥的杂货铺”《《向往的生活3》弹幕爬取与分析》一文链接：公众号文章链接.本文在参考文章的基础上添加了一些自己的理解，多了不少注释1.1弹幕的爬取注：本次代码主要使用requests库，抓取结果存储在CSV文件中1.1.1 网页分析在芒果TV网页版打开第5期节目，等待广告加载完毕，同时打开chrome开发者工具的network选...

一、生物神经元简介1.1生物神经元的结构参考资料：https://mp.weixin.qq.com/s?__biz=MzA4MTg3NDgwNQ==&mid=2247486270&idx=1&sn=12e35b20ad8464d051062a4e40810ae0&chksm=9f8f1124a8f898323cc0335c012c1ba020c9c1da972...

一、总结图1 Python类主要内容思维导图二、补充说明1、类只负责刻画，不负责执行类是显示生活的一种刻画，是一种将现实抽象之后形成的模板，以构造对象的方式具体去实现类的模板2、构造函数__init__只能返回NoneType类型的内容，否则会报错3、我们以点运算符调用对象的变量的时候，系统会先检查对象是否有该名称的变量，如若没有则检查该对象所属类是否有该变量，再没有则检查该类...

推荐参考资料：http://www.runoob.com/python/python-reg-expressions.html详细的总结内容请见我的图文总结（一）文章这篇文章给出一个实例# 导入正则表达式的re模块import re# 取出string8中所有的天气状态string8 = "{ymd:'2018-01-01',tianqi:'晴',aqiInfo:'轻度污染'},"...

一、什么是JSON？全称：JavaScript Object Notation， 即JavaScripe对象标记本质：JSON是一种轻量级的数据交换格式，它是我们为了便于跨语言交换数据而定制的一种数据格式表现形式：字符串，符合JSON格式的字符串叫做JSON字符串二、JSON的优势易于阅读易于解析网络传输效率高跨语言交换数据三、在python中使用JSON(反序列化)注意...

一、主要正则表达式图1 正则表达式主要内容总结二、正则类型1、查找①表达式：re.findall(pattern, string, flags)其中pattern为正则表达式，string为待查找字符串，flags为图一中所述的模式②查找结果以列表的形式返回2、替换①表达式：re.sub(pattern, repl, string, count, flags)其中patter...

1、python项目的组织架构示意图python程序结构：包―>模块―>类―>变量和函数（这两个为类的属性，不属于Python结构），就好比学生的身高与体重不属于学校的组织架构一样，它们只是学生所特有的属性2、在Python里面包就是文件夹，但文件夹不一定是包，包是含有__init__.py模块的文件夹3、Python中的import都是导入模块，导入包其实就是导入模块的...

参考资料：https://blog.csdn.net/answer3lin/article/details/86430074一、python中数据类型分类思维导图二、值得注意的是：1、Python中的变量都是指针，因此是没有类型限制的，且指针的内存空间大小是与类型无关的，其内存空间只是保存了所指向数据的内存地址。2、值类型是不可变的（immutable），这种不可变是指该值类型的变量指向...

@size:LINGO中的@size（）函数用于确定集合中元素的个数。比如你的集合是注意：在使用size的时候直接在@size()括号里写上集合名就行，不需要写@size(s1(i))中的(i)s1/a b c d f g /:x;当调用m=@size(s1)时，它返回的一个数值6，因为s里面有6个元素。@for:该函数用来表示线性规划中的约束条件sets:r/1..8/:d;...

在程序设计时，为了避免程序的冗杂，减少各个类之间的依耐性，经常使用低耦合和高内聚的设计理念。为了达到这个目的，我们采取以下措施：①降低耦合：我们常用封装来降低耦合。例如，假如现在又A、B两个类，为降低它们的耦合度，我们将A中直接调用B中成员变量的部分尽量改为以调用B中方法的方式调用变量，不要让B对A“掏心掏肺”，要让B懂得有所保留，此为封装。这样的好处是保护了B变量的隐私性。②提高聚合：我们...

@Java随笔[Java随笔]关于向上造型的一点理解通过CSDN博客：Java 向上造型详解学到了以下知识点地址：1：https://blog.csdn.net/wangaiji/article/details/825558942：https://blog.csdn.net/shf4715/article/details/468480831.由子类对象转化为父类对象称为向上造型，我的理解...