- 博客(77)
- 收藏
- 关注
RSS订阅原创 Java 开发环境搭建与 Eclipse 使用速通教程
Window → Preferences → General → Appearance → Colors and Fonts，修改 Text Font，按需设置字体、字形和大小（推荐 Consolas 14，对 Java 代码显示友好）。至此，从 JDK 安装、环境变量配置、多版本共存，到 Eclipse 安装、首个项目运行、编辑器优化，全流程已走通。在左上角点击 File → New → Project...，在弹出的向导中选择 Java Project，点击 Next。
2026-09-29 21:36:00
42
原创 数学建模入门
数学建模 #数学建模竞赛 #数模入门 #零基础学数模 #大学生竞赛 #高教社杯 #数模攻略 #竞赛干货 #大学生提升。重点了解：高教社杯国赛、时间、题型、评分标准、奖项等级。比如：人口预测、物资调度、垃圾分类优化、农产品检测等。1. 摘要写满亮点：方法、结果、数据、结论全部写清。▪️评价类：层次分析AHP、熵权法、TOPSIS。▪️画图：Excel、Origin、Visio。零基础完全可以从零上手、拿奖加分、综测保研！▪️预测类：灰色预测、时间序列、BP神经网络。高清、有标注、有分析。
2026-08-28 01:00:32
262
原创 数学建模需要注意什么？
一、前言普通人打数模：三天完成建模，代码，论文，然后提交！大佬打数模：提前准备好三天内选择模型，微调模型，跑代码，可视化结果，写论文，花大量时间打磨论文，然后提交！！！这两者的区别就像期末周你去裸考，别人复习了课程又刷了几本题。所以，本文首先给出建议，之后针对我们在备战以及比赛过程中的常见问题，给出建议。数学建模-模型整理资源链接速成省奖。
2026-08-21 11:43:33
161
1原创 美女优秀视频等
手机、电脑、平板、iPad、大屏显示器全部通用！足足10000+张4K/8K超高清，全部无水印，▫️二次元动漫：少女、少年、古风、兽耳、插画、日系唯美，动漫爱好者首选。▫️风景自然：山川湖泊、晚霞云海、森林雪景、海边落日、治愈自然风光。▫️科幻创意：宇宙星空、宇航员、星球、赛博朋克、奇幻幻想画面。▫️豪车机械：超跑、机车、酷炫跑车，男生桌面专属氛围感壁纸。▫️写实人像：高清氛围感美女、温柔人像、质感写真。10000超清无水印4K动态视频合集。超100G壁纸4K超清动态。海量丰富分类，风格全覆盖。
2026-08-16 02:14:28
238
原创 分享论文攻略及SCI攻略
链接：https://pan.quark.cn/s/b4da37f1c09f。分享论文攻略及SCI攻略（内含PPT模板）温馨提示获取免费方式👇复制打开网盘链接。
2026-08-14 23:18:20
216
原创 短视频美女
在这个看脸的时代，抖音短视频无疑成了展示美的最佳舞台。无论是风情万种的城市街头，还是充满异域风情的海滩，抖音都能让每一位爱美人士找到属于自己的一席之地。但作为短视频制作人，你是否经常面临找不到高质量美女素材的困境？不用担心，今天我就为你揭秘几个下载抖音短视频美女素材的宝藏网站。素材网盘链接 https://pan.quark.cn/s/2dae487bbc69。
2026-08-14 02:42:12
452
原创 数学建模速成省奖
一、什么是数学建模？适用模型：灰色预测、多元回归、时间序列、神经网络预测特点：可视化效果好、成果直观、极易拉高论文分数。第5天：精读获奖论文，固化标准结构：摘要、问题重述、模型假设、符号说明、模型构建、结果求解、灵敏度分析、模型优劣总结。七、零基础真实获奖水平 系统化模板备赛后： - 结构完整、成文规范：保底省奖、成功参赛奖- 图表精美、分析齐全、逻辑严谨：稳拿省一、国二- 模型适配精准、有创新优化、摘要出彩：可冲刺国一 数模竞赛不看基础、不看天赋、只看体系与执行力，是本科生低成本拿国家级奖项的最优赛道。
2026-08-13 02:49:38
266
原创 1000g美女视频图片
图片视频来源于网络，联系侵删，精彩内容大量处理。网盘 https://pan.quark.cn/s/2dae487bbc69。
2026-08-13 02:25:26
195
原创 Transformer编码器层（TransformerEncoderLayer）
*Transformer编码器层（TransformerEncoderLayer）是Transformer模型的核心组成部分，它在处理序列数据时能够有效地捕捉长距离依赖关系。下面，我将为你提供一个详细的Transformer编码器层的教学。
2024-07-26 17:28:48
1057
原创 怎么一天内写好一篇中文核心论文 深度学习
结论总结研究的主要发现和贡献。重申研究的创新点和实际应用价值。摘要用简洁的语言概括全文，包括研究背景、方法、结果和结论。确保摘要内容完整、简明扼要，符合核心期刊的要求。格式检查确保论文的格式符合期刊要求，包括字体、行距、页边距等。检查引用格式是否正确，所有引用是否在参考文献列表中列出。语法和拼写检查使用语法检查工具和拼写检查工具，确保文章没有语法和拼写错误。逻辑和连贯性检查通读全文，检查论文的逻辑是否连贯，是否有重复或遗漏的内容。
2024-07-26 10:32:29
704
原创 5折交叉验证和5×5交叉验证区别
5折交叉验证（5-fold cross-validation）和5×5交叉验证（5×5 cross-validation）虽然听起来相似，但实际上它们指的是不同的交叉验证策略。
2024-07-25 22:48:17
2330
原创 希尔伯特 包络证明 未出现模态混合现象 是啥？
希尔伯特变换在信号处理中常用于求信号的包络，它是一种线性运算，能够将实数信号转换为其解析信号，即包含原信号及其希尔伯特变换的复数信号。解析信号的实部是原信号，虚部是原信号的希尔伯特变换。
2024-05-27 12:12:51
440
原创 梯度下降、反向传播、激活函数、参数初始化、批量归一化是深度学习中常用的几个概念
梯度下降、反向传播、激活函数、参数初始化、批量归一化是深度学习中常用的几个概念。下面我将对这些概念进行简要的凝练解释，并给出相应的例子。
2024-05-21 12:24:19
536
原创 四分位数啊
四分位数（Quartile）是一种统计学术语，指的是将一组数据分为四个等份的数值点。在统计学中，四分位数能够提供数据分布的一种简单描述，并且常用于箱线图（Box plot）的绘制。在局部放电数据的应用中，四分位数可以用来描述和比较不同条件下局部放电活动的统计特性。例如，假设我们有一组局部放电的幅值数据，我们可以计算四分位数来了解这些幅值的分布情况。
2024-05-20 21:33:24
2070
原创 LSTM-时间步长和特征
这个简单的LSTM模型可以帮助你理解每个时间步长和特征的概念。在实际应用中，时间步长和特征的数量可能会更多，取决于你的具体任务和数据。：在上述模型中，每个时间步长就是一个股票价格。这意味着我们的模型将接受一个时间点的股票价格作为输入，并输出下一个时间点的预测价格。：在这个例子中，特征是单一的，即股票价格。这意味着我们的模型只关注价格这一个维度来预测下一个时间点的价格。假设我们有一个时间序列数据集，它包含了一系列的股票价格。我们的目标是预测下一个时间点的股票价格。
2024-05-19 16:32:18
2015
原创 fcn网络是怎么学习 时间序列 怎么进行分类的啊 这是我的wave1_test.shape (2904, 3, 8000)
在FCN模型中，你可能会首先使用一些1D卷积层来处理每个通道的8000个时间点，提取关键的时间特征，然后通过适当的池化和进一步的卷积处理得到用于分类的特征。在网络的末端，通常会添加一个或多个卷积层来进行最终的分类。这些层的输出通常被压缩（如通过全局平均池化）成一个向量，该向量随后被用来预测时间序列的类别。在训练完成后，你可以使用训练好的模型对新的时间序列数据进行分类。在这个过程中，关键是选择适当的卷积核大小、层数和卷积类型（如膨胀卷积等），以适应时间序列数据的特性。首先，时间序列数据（如你的。
2024-05-05 22:12:57
394
原创 模型蒸馏吼吼吼
深度学习模型蒸馏（Model Distillation）是一种将大型、复杂模型（称为教师模型）的知识传递给小型、简单模型（称为学生模型）的技术。这种技术的目的是减少模型的大小和计算复杂性，同时尽量保留原始模型的学习能力。通过蒸馏，学生模型可以学习到教师模型的决策边界，从而提高其性能。同时，由于学生模型通常更简单，它的决策过程也更容易解释。
2024-05-03 22:46:23
640
原创 Grad-CAM（梯度加权类激活图）
Grad-CAM（Gradient-weighted Class Activation Mapping）是一种可视化技术，用于解释卷积神经网络（CNN）的决策过程。它通过生成类激活图（Class Activation Map，CAM）来突出显示对网络预测贡献最大的图像区域。
2024-05-03 22:44:29
1168
原创 脉冲激活图（PAM）
脉冲激活图（Pulse Activation Map，PAM）是一种用于解释神经网络决策过程的技术，特别是在处理时间序列数据或脉冲信号时。PAM通过可视化神经网络中特定层的激活情况，帮助理解模型是如何响应不同类型的输入信号的。
2024-05-03 22:39:48
609
原创 怎么用 C2CM 什么是c2cm
这个教程展示了如何在卷积网络中通过增加层间连接来模拟C2CM概念。通过这种方式，你可以实验不同的结构调整，以找到最适合你特定数据和任务的配置。最后，编译并训练你的模型。这部分代码根据你的具体需求进行调整，例如设置合适的损失函数和优化器。接下来，我们将在两个卷积层之间添加一个匹配机制。在这个例子中，我们使用。首先，我们需要建立一个基本的CNN结构。这将包括输入层和几个卷积层。来合并特征，模拟一种“匹配”过程。
2024-05-01 20:52:33
340
原创 什么是消融实验 怎么设置消融实验去验证模型啊
*消融实验（Ablation Study）**是一种用来系统地评估机器学习模型中各个组件的重要性的方法。在消融实验中，您会通过一一移除模型的某些部分（如层、特征、训练数据的一部分等），来观察这些部分对模型性能的具体影响。这种实验帮助研究者和开发者理解每个组成部分的贡献，从而优化模型结构和性能。
2024-04-21 21:55:33
4492
原创 类激活映射详解
类激活映射（CAM, Class Activation Mapping）是一种常用于卷积神经网络（CNN）的技术，用来识别和解释模型在进行图像或时间序列分类任务时，哪些区域对最终分类决定起到了关键作用。
2024-04-16 22:39:44
1078
原创 类激活图（CAM, Class Activation Mapping）
类激活图（CAM, Class Activation Mapping）是一种可视化技术，主要用于深度学习中的卷积神经网络，以识别和解释图像或时间序列数据中哪些区域对于模型的决策过程最为关键。它特别适用于帮助理解网络如何根据视觉或时间序列特征做出分类决策。
2024-04-16 22:17:22
2382
原创 作为研究生应该怎么阅读文献
作为研究生，阅读文献是一个至关重要的学术活动，帮助你建立专业知识基础，了解领域内的最新研究进展，并为自己的研究找到合适的定位。
2024-04-16 22:10:52
790
原创 高通滤波的第一个值特别大异常怎行消除
在使用高通滤波器处理信号时，遇到的第一个值特别大或出现异常的现象通常是由于滤波器的初始状态未设置导致的。这是滤波器初始条件未适应到数据特性所致，尤其是在滤波器的状态变量在开始时未正确初始化。解决这个问题的一种方法是在处理数据之前预先设置滤波器的状态，或者简单地丢弃开始几个可能受初始状态影响的数据点。
2024-04-14 18:01:12
770
原创 相位校正啊
相位校正是信号处理中的一种常见技术，用于确保多个信号在相位上对齐，这对于后续的信号分析和处理至关重要。在处理三相信号时，相位校正尤为重要，因为它可以保证三相之间的相位关系准确，从而正确分析信号特性和检测问题。下面，我将解释相位校正的基本原理和操作步骤，以及校正的目的。
2024-04-14 17:48:25
1551
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