人工智能
文章平均质量分 67
Life is a joke
这个作者很懒,什么都没留下…
展开
-
对经济学中规模效应(马太效应)的排队论及运筹学理解,超市为什么总是把收银员柜台排在一起,食堂打饭为什么总是多个阿姨一个窗口,医院为什么永远只有一个门诊咨询台
在学习了排队模型后,我对医院门诊咨询台的排队系统进行了思考:通常咨询台只设置一个有多个护士的咨询台,而不是多个咨询台各一个护士。为了探寻其中的原因,我希望将M / M / S 排队模型(S ≥ 2) 与S 个M / M /1模型比较。不妨设S = 2 时,比较M / M / 2(λ = 5, µ = 4) 与两个M / M /1模型。也就是要比较排一个队列及排两个队列两者服务效果的优劣。解:排一个队列的情况指一个M / M /2 模型。关于此模型的各数量指标可由公式求得,如下表第一行所示。如果每个服务台原创 2022-03-07 10:30:12 · 447 阅读 · 0 评论 -
基于机器学习中集成学习的stacking方式进行的金线莲质量鉴别研究(python进行数据处理并完成建模,对品种进行预测)
1.前言金线莲为兰科开唇兰属植物,别名金丝兰、金丝线、金耳环、乌人参、金钱草等,是一种名贵中药材,国内主要产地为较低纬度地区如:福建、台湾、广东、广西、浙江、江西、海南、云南、四川、贵州以及西藏南部[1],被当地人民誉为“药中之王”,福建品种和台湾品种更是其中的上等品种,在治疗肺部炎症、糖尿病、癌症、肾炎、膀胱炎、重症肌无力、风湿性及类风湿性关节炎、高血脂、毒蛇咬伤有着很大的作用[2-3]。由于野生金线莲的自然繁殖率低、生长条件受限制等原因导致数量有限,市面上出售的金线莲大多为人工培育品种。不同品系金线莲原创 2022-03-01 15:13:57 · 480 阅读 · 0 评论 -
生活中的泊松分布(为什么你等的公交车总不来)Python模拟的结果图直观展示
深圳湾公交车总站,每6分钟发出一辆开往天水围站的公交车.由于随机因素的干扰,汽车到达天水围站时,两车之间的间隔时间成为独立同分布,服从指数分布的随机变量.设乘客甲等可能地到达车站候车,计算(1)他在深圳湾站候车时的平均候车时间;(2)他在天水围站候车时的平均候车时间.解(1)用T表示甲到达深圳湾站的时间.对于任何长度为6分钟的发车间隔(0,6],已知T∈(0,6]时,T在(0,6]中均匀分布.所以平均候车时间是3分钟.(2)根据题意,公交车按照强度为λ的泊松过程{N(t)}到达天水围站.由于这路公交原创 2022-02-28 11:09:58 · 2716 阅读 · 0 评论 -
炼丹心得(深度学习的模型训练)对于一些情况及时进行训练参数调整的必要性(学习率LR的调整是首要)归纳一些涨点方法
前言在训练网络的时候,常常会出现loss出现非常明显的剧烈抖动情况,虽然大多数情况可以继续训练下去,但是实际上还是预示着问题存在。而且,有不同维度的问题,这也需要不同的解决方法,但是具体究竟是哪一种,还得具体情况具体分析。无过拟合是否找到合适的loss函数:在深度学习里面,不同的loss针对的任务是有不同的,有些loss函数比较通用例如L1/L2等,而如perceptual loss则比较适合在图像恢复/生成领域的任务上。当loss出现问题的适合,想一想,是不是loss设置的有问题,别人在此领域的任务原创 2022-02-06 15:45:48 · 3799 阅读 · 1 评论 -
大数据时代的采样定理:马尔可夫链蒙特卡洛(MCMC)与其python实现
大数据时代的特点是数据除了数量多、维度也将变多。那么传统的采样定理如果要构造合适的概率分布函数耗时且耗费大量算力。因此引入马尔科夫链的遍历性(Ergodicity)、常返性(recurrency)特点以及蒙特卡洛方法的大量实验逼近真实概率分布的原理实现多维的数据采样。从而构造概率分布函数。假设我们要采样的是一个二维正态分布 N(U,SIGMA),其中: U=(5,-1), 方差sigma=(1,11,4 );而采样过程中的需要的状态转移条件分布为:from mpl_toolkits.mplot原创 2022-02-06 15:14:13 · 3251 阅读 · 0 评论 -
用PYTHON规整图片文件夹后图片转为视频,解决图片传视频时候播放顺序不对的问题(opencv2实现)并且实现将视频按照任意帧率转化为图片
python版本3.8原创 2022-01-30 13:12:34 · 3895 阅读 · 1 评论 -
对泊松分布和泊松过程已经爱尔朗分布的理解和他们的联系(排队论和运筹学中的重要理论)
泊松分布大家已经很熟悉了,其实它作为2项分布的大数情况在某些情况下是存在偏差的,并不是说泊松分布不正确,而是在离散点采样时我们并不是等概率采集到每个时间点的样本。因此泊松过程产生了:利用前一次采样时间段和这一次时间段的差值作为平均等待时间能够很好地消除BIAS。而多个泊松过程就构成了airlang过程。如下的经典例子:现在让我们随机选择的狂热者去黄石国家公园旅游,那里最受欢迎的景点是老忠实喷泉,它以经常喷发而闻名,大约每90分钟就会发生一次。因此,当我们的朋友们到达时,他们会等待45分钟才会爆发。就在他原创 2022-01-28 10:19:51 · 1480 阅读 · 0 评论 -
百度paddle和aistudio系列分析(人工智能产业生态发展前景全聚焦)国产人工智能产业的升级,并且与Google对比下未来的展望
###最近在研究深度学习,发现神经网络涉及的领域几乎涵盖了所有能用的到计算机的场景。而百度的部署更是多点发力,导致所有的领域几乎都在开发百度的应用化场景,相比于google和微软,百度的研究性相对弱了一些,但是工业应用做的还是不错的,特别是对英语不太好,又上不了Github的DP爱好者来说,真是福音。下面就介绍百度的应用开发场景都有哪些。1、神经网络以及模型的搭建工具最左边这一类涵盖了数据集构造、数据清洗、模型训练(PGL图神经网络、FLfederal learning联合学习、PALM: PAll原创 2022-01-25 20:56:38 · 775 阅读 · 0 评论 -
随机过程、遍历性、排队论与电信网络的课本(附带家庭作业)
本书的目的是为学生提供随机模型的基本知识特别关注可能适用于电信主题的排队模型,例如流量建模、性能评估、资源配置和流量管理。这些话题包含在称为远程交通的字段中。本书假设您具备编程知识语言和数学通常在电气工程学士学位课程中教授。本书旨在增强对其理论概念的直观和物理理解介绍。著名数学家皮埃尔-西蒙·拉普拉斯(Pierre-Simon Laplace)被引述说:“概率是常识简化为计算”[18];因为本书的内容属于该领域关于应用概率,拉普拉斯的名言非常适用。因此,本书旨在链接对它使用的数学模型和原创 2022-01-21 10:41:51 · 890 阅读 · 0 评论 -
排队论和随机过程(性能优化CPU、服务器调度,软硬件开发者都需要知道的理论)
或许你对概率统计和排队论有点发怵,但这些内容是必须学会的,因为它们很重要。因为它们是性能测试和优化这座高楼大厦的地基。地基打不好,性能测试和优化也不会做得很好。性能优化有关排队论的有随机过程stochastic process、markov ergodicity马尔科夫遍历性、OPTIMAL IDEL优化闲置三大基础定律法则。而且我想强调的是:你完全没有必要惧怕,因为你只需要学习一部分最基础的知识,这些知识对多数人和多数场合大体就够了。还记得上一讲的帕累托法则吗?根据帕累托法则,这一讲的内容或许占不到平时原创 2022-01-15 13:02:57 · 1133 阅读 · 0 评论 -
linux系统指令(基于putty的高性能计算机HPC使用)
首先用putty登陆 :你的EID@burgundy.hpc.cityu.edu.hk.上传本地文件到服务器(新开一个cmd窗口,在本地cmd操作)传输单个文件scp,传输文件夹scp -r (-r: 递归复制整个目录). 上传下载通用scp 本地绝对路径 jichawang2@burgundy.hpc.cityu.edu.hk:/home/jichawang2scp -r 本地文件夹路径 你的EID@burgundy.hpc.cityu.edu.hk.:wanttoputloglinux命令原创 2022-01-14 18:54:30 · 1041 阅读 · 0 评论 -
tensorflow的配置:anaconda的默认python内置版本是3.8已经能够被TensorFlow支持。
网上总是有人说tensorflow只能支持3.6和3.7的python,而anaconda的默认python内置版本是3.8,因此需要配置虚拟环境。这句话一年前是对的,但是现在是错的。因为tensorflow已经更新到了3.8python版本了。...原创 2022-01-05 13:11:39 · 1147 阅读 · 0 评论 -
基于小世界网络的Cov-19扩散问题可视化研究
摘要:近年来,疾病传播问题得到了广泛的研究。一般来说,疾病的传播被认为是从一个人到另一个人的过程。目前,关于传染病在复杂网络上传播的研究很多。事实上,在现实生活中,传染病在人群网络中的传播是极其复杂的。由于社交网络呈现了一定的小世界网络特性,基于对现实中Covid-19传染病传播案例的研究,大部分大规模扩散的案例均是由于社交引起的,因此本文根据以上分析,基于WS小世界网络构建传染病传播模型并进行了可视化的传播分析,发现了病毒在小世界网络中的传播特点,并且以此为依据提出了防止新型冠状病毒疫情再次爆发的一些措施原创 2022-01-01 15:50:45 · 1198 阅读 · 2 评论 -
基于stacking集成学习的金线莲质量鉴别方法研究:人工智能与医疗的结合与发展
目前国内外对金线莲的品质鉴定通常依赖于化学分析方法,其中一种是分离成分鉴定法于2008年由曹扬远提出,将金线莲黄酮类成分和甾醇类成分的分离,测定金线莲中三种黄酮醇类物质的含量,可以作为衡量该药材质量的一个指标,以控制金线莲及其制剂的质量[5]。另一种化学分析方法即高效液相色谱法在2017年由邹舒鹏提出:利用金线莲HPLC测定法,主峰在供试品溶液中的保留时间与金线莲苷对照品峰应该相同,制订了金线莲苷HPLC鉴别法。最终采用薄层、高效液相色谱的鉴别[6]。随着我国科技实力不断增强,生产力水平日益提高,除了化学原创 2021-05-07 10:38:32 · 373 阅读 · 0 评论 -
PCA主成分分析降维方法的原理及其实现,并且通过python编程实现可视化,利用matplotlib进行降维前后对比
PCA 降维的本质是,尽量保证数据在空间中的相对位置不变,通过旋转坐标系,换一个在某些维度能表达更多数据信息的坐标系去刻画数据。PCA降维方法极有成效地降低了实验数据的维度数,对解决信息冗余的问题有着积极作用,并且尝试建立精度最佳的集成学习模型并寻得最优的分类器组合。以下是代码及其输出结果```pythonimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.decomposition import PCA# 原始数据X原创 2021-05-02 12:19:44 · 828 阅读 · 0 评论 -
关于对python多线程处理数据的理解(以进程为例相对比)
定义:线程是指进程内的一个执行单元,也是进程内的可调度实体.与进程的区别:(1) 地址空间:进程内的一个执行单元;进程至少有一个线程;它们共享进程的地址空间;而进程有自己独立的地址空间;(2) 资源拥有:进程是资源分配和拥有的单位,同一个进程内的线程共享进程的资源(3) 线程是处理器调度的基本单位,但进程不是.(4) 二者均可并发执行.简而言之,一个程序至少有一个进程,一个进程至少有一个线程.线程的划分尺度小于进程,使得多线程程序的并发性高。另外,进程在执行过程中拥有独立的内存单元,而多个原创 2021-04-24 10:53:47 · 206 阅读 · 0 评论 -
一种基于改进的LeNet-5 CNN模型通过图像监控雾度的方法
一、介绍近年来,空气污染不仅困扰发达国家,也有许多发展中国家,尤其是快速发展中的国家,例如中国和印度.在阴霾天气条件下,空气中有害颗粒物的浓度会升高,这对人民的健康构成了巨大威胁,对社会和经济发展构成了严重的障碍.此外,在雾霾天气条件下,能见度会大大降低,人们的生活方式受到了极大的影响,所拍摄图像的质量严重下降,个人或工业企业的户外监视也受到影响,例如电力线监视系统,铁路视频监视系统,交通监视系统,甚至边界探测监测系统。由于缺乏监测,雾霾预警,许多死亡事件发生,造成严重的社会和经济损失。雾霾图像极大地给社原创 2021-04-19 14:47:47 · 1056 阅读 · 0 评论 -
LENET-5卷积神经网络的深度学习技术
一、前言随着深度学习技术在智能驾驶、智慧金融、智能制造、智慧农业、智慧医疗、智能家居等领域的逐步应用,作为引领这一轮科技革命和产业变革的战略性技术,人工智能的产业化已经取得了显著的效果,显示出带动性很强的“头雁”效应。图像识别技术作为深度学习一个重要应用,是信息时代的一门重要的技术,其产生目的是为了让计算机代替人类去处理大量的物理信息。随着计算机技术的发展,人类对图像识别技术的认识越来越深刻。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。卷积神经网络图像识别技术是一种比较原创 2021-04-19 11:06:27 · 3049 阅读 · 0 评论