- 博客(13)
- 收藏
- 关注
RSS订阅原创 2020-12-14
今天继续调试TensorFlow，卡在了全链接层的构建上了。代码有点看不懂了，明天准备继续深入看原理，否则很难理解代码准确含义。
2020-12-14 22:21:33
70
原创 2020-12-10
2020-12-10 看文献题目：Model Checking the Uncertainties in Software Systems Introduced by Intelligent Components背景当代基于学习的软件系统，除了神经网络模型外，还需关注传统软件。所以他提出了一个用于对软件系统进行建模的框架，该框架由Petri网描述，传统软件被描述为常规组件，神经网络被描述为智能组件。如果系统存在不确定性，也可以在一定程度上保证软件系统的质量。实现步骤建立一个自适应Petri网模
2020-12-10 22:45:08
82
原创 2020-12-09
今日任务 看论文核心论点：引入机器学习假装执行LTL，使用算法预测LTL结果，不真实的进行LTL的MC计算。具体步骤为：使用ML机器学习算法，具体的工具是ML开源软件包Graph Lab将关系模型K和LTL公式f作为ML的两个特征，再把r当做ML的唯一标签。运行LTL模型检查算法，并获得给定的K和f对的模型检查结果。详情见图（a）。在此基础上，他或她可以执行二进制分类。如果模型检查的结果为“ true”，则分类的结果为1。否则，分类结果为0。将上一步重复n次，得到包含n个记录的训练集。详情见
2020-12-09 19:35:38
151
原创 2020-12-08
今日任务：使用TensorFlow调CNN导入图像目前已完成导入图像部分，因为之前的图像不能符合要求，要进行剪辑等相关处理，一直没发现，所以这部卡的时间较长。def get_files(filename): class_train = [] label_train = [] for train_class in os.listdir(filename): for pic in os.listdir(filename+train_class): class_train.append(f
2020-12-08 22:43:19
66
原创 2020-12-7
论文：使用模型检测来辅助消费电子设计。使用的主要方法：将消费电子UML图转成peri网，并验证其兼容性。输入是：原始网络，起始点，规格，要求输出是：符合规格和要求的修改后的网络（更新后）验证是否符合使用的工具是NuSMV具体是先将wf-net模型转成SVM语言，再放入NuSMV中通过结果查看是否满足性质，从而推导出这次修改是否合理总结：本文意义主要在于将经典的方法套在当前热门领域，方法都是现成的，他举得一个例子也是经典的单线程转多线程（消费电子由单线程更新为多线程），然后内存管理的简
2020-12-07 22:47:23
64
原创 2020-12-02
2020-12-2今日主要将专利主体全部完成。实现方面发现一个问题：论文没有细说如何得到状态序列和action的定义。我猜测是自己定义的action。主要看他的MDP状态图发现只有一个action，接打电话，怀疑是与状态爆炸问题有关。...
2020-12-02 22:39:02
103
原创 2020-12-1状态序列问题
贝叶斯原理此分类策略是为了解决逆向概率问题逆向概率逆向概率是针对正向概率而产生的一个概念，比如一个摸球问题，正向概率就是已经知道了盒子里球的总数，从而正向求出摸到白球或者黑球的概率。而逆向概率是盒子对于我们来说是透明的，通过我们摸出来的球的颜色，从而判断出黑白球比例。先验概率通过经验来得出概率。后验概率后验概率就是事件之后，推测原因的概率。条件概率P(A|B)似然函数sigmod函数明天再细看 与参数估计相关状态轨迹将向量集导入使用朴素贝叶斯生成的模型，最终会得到带有相应动作
2020-12-01 22:25:07
504
原创 2020-11-30
2020-11-30 是否要采用朴素贝叶斯（1）朴素贝叶斯解释下称其为朴素贝叶斯的原因：因为他假定所有的属性都是相互独立。朴素概率分为两种：关于类别概率P(Cj)关于属性的条件概率P(Ai|Cj)类别概率就是每个类在总体中的概率，举个例子：假设我有 7 个棋子，其中 3 个是白色的，4 个是黑色的。那么棋子是白色的概率就是 3/7，黑色的概率就是 4/7，这个就是类别概率。条件概率就是P(A|B)，举个例子：假设我把这 7 个棋子放到了两个盒子里，其中盒子 A 里面有 2 个白棋
2020-11-30 22:21:51
121
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