- 博客(30)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【投资心法，帮助理清思路】
2.很多散户在亏损的时候就死拿、理所当然的持有，而不是果断止损，似乎忘却了风险的存在。但是在盈利时候就会及其厌恶风险，利润有一点回撤就会卖出。3.好公司不一定会有好股票，比如，好公司的股票就值10块，但是现在处于20块的高位。买定离手，不要天天盯着数字上下跳动，这样会拿不住，我们要做时间的朋友。5.热门股的风险大于冷门股。如果在高位的热门股一旦下跌，跌幅会很大。1.导致行为偏差的是认知偏差。1.投机分为理性投机和非理性投机。2.投机是一种本能，是想获取财富。5.但是长线的机会比短线大。
2025-12-25 15:30:01
150
原创 图的表示方法
节点 A 有 3 个邻居，节点 B 有 100 个邻居 → 无法像图像那样用“3×3 卷积核”统一处理。图的节点顺序可以任意打乱，但图的语义不变 → 传统神经网络（依赖输入顺序）无法直接处理。图中的节点没有天然的 (x, y, z) 坐标（可视化布局 ≠ 真实位置）。因为深度学习模型无法直接处理“图”这种非欧几里得、不规则的结构数据，两个节点之间的“距离”是最短路径长度（跳数），而不是欧氏距离。在社交网络中，“朋友的朋友”可能比地理上更近的人更“相关”。你不能说“节点 A 在节点 B 的正东方向”。
2025-12-24 22:04:47
355
原创 图数据挖掘
从这些复杂的连接关系中提取有价值的信息，而不仅仅是分析孤立的数据点。也就是，图数据挖掘 = 从“关系”中挖“知识”。图数据挖掘也叫做图数据机器学习。
2025-12-24 21:49:09
449
原创 数据挖掘14
知识抽取就是把“杂乱的文字”变成“结构化的知识”，让机器不仅能“读”，还能“懂”。原始句子：“特斯拉CEO埃隆·马斯克于2022年收购了推特。知识抽取结果：埃隆·马斯克（人物）特斯拉（组织）推特（组织）2022年（时间）(埃隆·马斯克, 担任, 特斯拉CEO)(埃隆·马斯克, 收购, 推特)事件类型：企业收购买家：埃隆·马斯克被收购方：推特时间：2022年。
2025-12-20 10:57:20
331
原创 数据挖掘13
过多的无关或冗余特征会增加模型复杂度，使模型“记住”训练数据中的噪声，从而在新数据上泛化能力变差。举个例子：如果你要预测一个人是否会贷款违约，那么“信用记录”很重要，“头发颜色”就不重要。保留它们不仅无益，反而有害。比如“年龄”还是“年龄”，不会变成“标准化后的年龄”或“年龄平方”。所以特征子集选择会优先保留那些和任务目标相关的特征。例如：同时包含“年龄”和“出生年份”是冗余的。特征越少，模型训练所需的时间和内存就越少。特征越少，越容易理解模型是如何做出决策的。特征的原始意义保持不变，容易理解和解释。
2025-12-20 10:53:26
283
原创 数据挖掘12
首先，通过人工定义或学习类别的语义属性（如形状、颜色等），将类别映射到属性空间。然后，模型学习从输入数据到属性向量的映射。最后根据属性匹配来识别新类别。给定一张图片，如何提取区分其中目标类型的特征，即形成目标的表示。
2025-12-19 10:03:37
950
原创 数据挖掘09
条件随机场（Conditional Random Field, CRF） 是一种用于建模序列标注或结构化预测问题的判别式概率图模型。
2025-12-18 15:15:35
130
原创 【炒股学习】集合竞价
9.15 - 9.20对于普通人来说没有意义。9:25 是集合竞价结束的时间，此时已经确定了当天的开盘价。9:25–9:30 的挂单不影响开盘价（因为开盘价在9:25就定好了）。这5分钟只是让你“提前排队”，等9:30一到，就能快人一步参与交易。
2025-12-18 13:30:46
382
原创 数据挖掘08
把未知量伸长或者缩短到参考模式的长度。然后使用动态规划方法把被比较的数据扭曲或者弯折，时期特征与模型特征对齐。比如：DTW**隐马尔可夫模型（Hidden Markov Model, HMM）**是一种经典的概率图模型，用于建模含有隐藏状态的时序随机过程。
2025-12-17 21:30:06
368
原创 数据挖掘07
按时间排列的观测数据的序列。在进行数据挖掘时，必须考虑数据间存在的时间关系。DTW（Dynamic Time Warping，动态时间规整） 是一种用于衡量两个时序序列相似度的算法，特别适用于长度不同、速度不一致或存在时间偏移的时间序列。
2025-12-16 19:01:32
534
原创 数据挖掘06
在模式识别中，不变性指的是：当输入数据发生某种变换（如平移、旋转、缩放、光照变化等）时，模型的输出（如分类结果）保持不变。例如：一张猫的图片向左移动几个像素，模型仍应识别为“猫” → 平移不变性池化（Pooling）是卷积神经网络（CNN）中一种重要的下采样（downsampling）操作。
2025-12-16 18:06:28
1308
原创 数据挖掘05
包含动量的随机梯度下降（Momentum Stochastic Gradient Descent, 简称 SGD with Momentum）是一种在标准随机梯度下降（SGD）基础上引入“动量”项的优化算法，旨在加速收敛、减少震荡，并帮助模型跳出局部极小值或鞍点。1）更新方向完全依赖当前梯度，容易产生高方差和震荡；2）在狭窄峡谷或非凸地形中收敛缓慢；3）容易陷入局部最优或鞍点。AdaGrad（Adaptive Gradient Algorithm） 是一种自适应学习率优化算法。
2025-12-15 15:06:30
759
原创 数据挖掘04
是指输入数据从输入层到达输出层并产生预测结果的过程。是根据输出结果和真实结果之间的差异，从输出单元开始，从后往前更新神经网络参数的过程。前向传播和反向传播组成了神经网络模型训练的一个循环闭合过程。（2）接下来，我们就来看看反向传播是怎么更新参数的？举一个具体的例子，帮我们加深理解。神经网络：一个三层网络（输入 → 隐藏 → 输出）节点1：输入层，输入标量 x=2节点2：隐藏层，z1 = w1x + b1, 激活后 a1 =σ(z1)。
2025-12-15 13:03:24
810
原创 VL4 移位运算与乘法
已知d为一个8位数，请在每个时钟周期分别输出该数乘1/3/7/8,并输出一个信号通知此时刻输入的d有效（d给出的信号的上升沿表示写入有效）思路：每时每刻计算new_out,用时序逻辑赋值给out。
2025-12-14 14:37:09
160
原创 数据挖掘03
原因：虽然 Logistic 函数本身是非线性的，但是它不能建模复杂的非线性关系，只能处理线性可分的数据，是线性分类器。4.当类别数 K=2（即二分类）时，Softmax 函数在数学上等价于 Sigmoid 函数。线性回归难以建模处理二分类问题，而 logistic 回归能处理二分类问题，关于其原因，说法。C. Logistic 函数将加权输入进行“扭曲”，是一种非线性操作，因此能够建模非线性关系。其次，对比分类任务：标签是离散类别（如“猫”“狗”），不能直接相减，不能用 MAE。
2025-12-14 14:24:01
1203
原创 数据挖掘01
2.“猫”的语义是由 d₁ 高（动物）、d₂ 低（非交通工具）、d₃ 低（不可吃）、d₄ 高（家庭宠物） 共同决定的；（3）向量的长度等于词典的大小，很好理解，词典的大小就是有多少个词，每个词有自己的位置，那么词的数量就是向量的长度。输入：周围 2n 个词（如窗口大小为 2，则输入“我 [ ] 吃苹果”中的“我”和“吃”、“苹果”）（5）语义相近的两个词语，在空间中的距离与其他词语的距离相同，难以体现其联系。知识指导决策和行动。假设词汇表 = [“猫”, “狗”, “汽车”, “苹果”]，大小为4。
2025-12-13 14:46:56
1260
原创 VL12 4bit超前进位加法器电路
计算c1，要先计算括号部分：(A_in[0]&B_in[0] | A_in[0]^B_in[0] & C_1 )把 C1~C4 全部用原始输入（A, B, Cin）直接表示出来，不依赖中间进位！但是这并不是并行计算，虽然看似像，但不是。每一步都依赖上一步的输出，高位必须等待低位计算完成。这种展开的嵌套写法就像g(m(f(x))),思路二是真正的并行计算，只用到P、G、c0。要先计算最内层的f(x)所以，这不是并行逻辑。
2025-12-13 10:46:53
754
原创 VL23 ROM的简单实现
2.设置reg变量out,当初是为了解决data为wire型无法在always块里被赋值，但是现在是：现将rom[addr]赋值给out,out再赋值给data，为何不去掉中间商呢？1.rom的赋值冗余，分析其目的就是想把rom的值保持为{0,2，4,6，8,10,12,14}，可以考虑使用initial。总容量 = 深度 × 宽度 = 1024 × 8 = 8192 位 = 1 KB。“1K” 表示深度 = 1024（即有 1024 个地址）；“×8” 表示宽度 = 8 位（每个地址输出 8 位数据）；
2025-12-11 15:01:04
152
原创 VL22 根据状态转移图实现时序电路
3.清晰的两段式结构，一个always块计算new_state，另一个always块完成state的变化。1.new_state 的计算是组合逻辑，要用 =。2.在s2状态时候，Y和C有关系。去掉D1,D0更简洁。
2025-12-11 14:34:18
1053
原创 【verilog】 VL2 异步复位的串联T触发器
块结束时”指的是 当前过程块（always 或 initial 块）中所有语句的执行逻辑完成之后，具体来说是非阻塞赋值（<=）的赋值动作被调度到仿真时间步的末尾才真正执行。计算 c <= a 的右边值（注意：这里用的是 a 的当前值，不是刚要被赋的新值）。2.立即更新：赋值右边计算后，左边变量立刻被更新，后续语句看到的是新值。1.并行调度：所有非阻塞赋值的右边先计算，等到块结束时再同时更新左边。2.延迟更新：在当前 always 块内，读取的仍是旧值。计算 a <= b 的右边值（即 b 的当前值）。
2025-12-10 20:52:42
478
原创 【verilog】VL5 位拆分与运算
本文比较了两种Verilog实现16位数据拆分运算的写法。第一种写法在组合逻辑中存储输入数据会产生锁存器(latch)，而第二种写法使用时序逻辑(时钟触发)存储数据更合理。关键区别在于：1)组合逻辑中变量未在所有分支赋值会产生latch；2)存储数据应使用时序逻辑；3)输出波形显示sel和out同步变化，适合用组合逻辑。文中还分析了正确的数据采样方式，指出组合逻辑中不能使用非阻塞赋值(<=)，并解释了时钟上升沿采样的时序关系。
2025-12-09 17:11:57
270
原创 VL3 奇偶校验
本文介绍了奇偶校验的基本原理及其在数字电路中的应用。奇偶校验通过计算数据中"1"的个数来判断奇偶性，并添加校验位。偶校验使总"1"数为偶数，奇校验使总"1"数为奇数。文章通过Verilog代码示例展示了具体实现方法，当sel=1时为偶校验（check=^bus），sel=0时为奇校验（check=~^bus）。该模块接收32位总线数据和控制信号，输出相应的校验位，可用于数据传输中的错误检测。
2025-12-09 17:09:18
598
表格拆分工具，按照表格中某列的值，拆分表格
2025-12-11
java Swing gui 信息管理系统
2020-10-31
中序线索二叉树报异常
2024-04-12
TA创建的收藏夹 TA关注的收藏夹
TA关注的人