嗨

原创 拜占庭问题

原创 Kernel died(code: 1). AttributeError: type object ‘IOLoop‘ has no attribute “initialized“ 问题解决方法

Kernel died(code: 1). AttributeError: type object 'IOLoop' has no attribute "initialized" 问题解决方法

原创 python 安装包时添加国内源

python 安装包时添加国内源

原创 面试笔试中的重要算法合集

面试笔试中的重要算法合集

原创 并查集及相关变形

并查集及相关变形

原创 算法基础-数据结构之C++代码模板

算法基础之常见的数据结构，C++代码模板

原创 C++ 中缀表达式求值/栈的应用

C++ 中缀表达式求值/代码模板/数据结构/栈的应用

原创 C语言实现英文字符的凯撒加密/读取文件/写入文件/密码验证

1. 如何在程序运行前==安全地==进行密码验证；2. C语言按行读取文件3. C语言按行写入文件4. 对读取的行中的英文字符（[a,z]和[A,Z]）进行凯撒加密5. 判断一个数是否过大（超过计算机long long显示的范围）6. 如何判断读取的行是否为空（NULL）7. 程序运行时运行设置工作目录...

原创 要求使用时间复杂度为O（n）的算法，寻找数组中最小和次小元素的下标

要求使用时间复杂度为O（n）的算法，寻找数组中最小和次小元素的下标

原创 Python 读取txt文件内容写入到h5文件中

Python 读取txt文件内容写入到h5文件中

原创 python3 Matplotlib 数据分析/设置图例、标签，添加注解，设置坐标轴的范围、刻度、标签/散点图/柱形图/等高线图

python3 Matplotlib 数据分析/设置图例、标签，添加注解，设置坐标轴的范围、刻度、标签/散点图/柱形图/等高线图

原创 Python 常见的排序算法 选择排序 快速排序

常见的排序算法选择排序selectSort选择排序selectSortdef fineMin(arr):min_index = 0min = arr[0]for i in range(1,len(arr)):if arr[i] < min:min_index = ireturn min_indexdef selectSort(arr):new_arr = [] #定义空数组用来存放数据for i in range(len(arr)):min_index = fineMin(a

原创 MATLAB运行simulink模型显示找不到库Failed to load library ‘lib_Cmtrl_SetPoint_TMATS‘reference by ‘ ‘

MATLAB运行simulink模型显示找不到库Failed to load library 'lib_Cmtrl_SetPoint_TMATS'reference by ' '   AGTF30（先进齿轮涡扇发动机）模型是基于TMATS构建的齿轮涡扇发动机模型，里面包含发动机的稳态模型、动态模型和线性化模型。在运行动态模型时，首先要运行setup_everything.m来加载各模块的总线变量以及MWS。但在运行时报了Failed to load library 'lib_Cmtrl_SetPoint_

原创 解线性方程组或非线性方程组之迭代法，迭代思想，雅可比迭代法

雅可比迭代：对Ax⃗=b⃗A \vec x=\vec bAx=b其中的A，有A=⟮⟯A=\lgroup \rgroupA=⟮⟯，D为对角矩阵，L为下对角矩阵，U为上对角矩阵。带入有进一步化简，可得到雅可比迭代的迭代公式为，对每个元素的迭代公式：...

原创 Matlab-Simulink文件类型总结

Matlab-Simulink文件类型总结 M文件 mdl文件 sxl文件1. `.m`文件分类创建`.m`文件运行`.m`文件2. `.mdl`和`.sxl`文件1. .m文件MATLAB可以在命令提示符下输入命令，但如果每次要输入的命令很长且重复使用度很高，我们就可以将一系列命令整理成文件，在之后调用它时它就会以完整的单元的形式执行。分类matlab允许允许编写两种程序文件：脚本：脚本文件是扩展名为.m的程序文件。这些文件中是一系列要一起执行的命令。脚本不接受输入，也不返回任何输出。它们

原创 AGTF30 涡扇发动机说明

AGTF30 涡扇发动机说明1.简介2.AGTF30 安装3.运行AGTF仿真4.改变运行条件5.输出6.自动绘制脚本1.简介  先进齿轮传动涡扇30,000[The Advanced Geared Turbofan 30,000 (AGTF30)]是一个齿轮传动涡扇仿真软件，利用热力学系统建模和分析的工具箱（T-MATS，Toolbox- Modeling and Analysis of Thermodynamic Systems）在MATLAB/Simulink中创建稳态和动态发动机模型。该发动机模

原创 Markdown设置锚点，实现页面内容跳转

做法[源点](#source name)< a name=“source name”> 目标点 </ a>举例[熵](# Entropy)< a name=“Entropy”>熵</ a >效果显示：

原创 CMPSS 涡扇发动机模型

CMPASS ModelCMAPSS动力学模型是一种高灵敏度的计算机模型，用于模拟现实的大型商业涡轮风扇发动机。它包含一些可编辑的输入参数，允许用户自行选择关于运行曲线、闭环（具有发动机及其控制系统）控制器、环境条件等的具体数值。CMAPSS模拟的是90000磅推力级别的发动机模型，能够在（i）从海平面到40000英尺的高度，（ii）从0到0.90的马赫数，（iii）从-60到103°F的海平面温度下飞行。它包括了一个瞬态的航空热力学模型和一个发动机控制器，允许发动机在整个飞行条件范围内的各种推力水平上运

原创 通过深度学习偏微分方程模型估计剩余使用寿命：使用潜变量的 退化的动力学解释框架/PINN 在发动机寿命预测的应用 文献总结和内容概要

通过深度学习偏微分方程模型估计剩余使用寿命：使用潜变量的 退化的动力学解释框架/PINN 在发动机寿命预测的应用 文献总结和内容概要

原创 机器学习中的隐变量/潜变量和隐藏空间/潜在空间

机器学习中的隐变量/潜变量和隐藏空间/潜在空间

原创 偏微分方程的正向和逆向问题

偏微分方程的正向和逆向问题1.偏微分方程的正问题（即定解问题）2.偏微分方程的逆问题1.偏微分方程的正问题（即定解问题）PDE正问题是研究由偏微分方程描述某种物理过程或现象，并根据系统的状态变量的某些特定条件（包括初始条件、边界条件等）来确定整个系统的状态变量的变化规律，即研究状态的数学表达式。例如：某一物体 GGG 的热传导问题，以函数 u(x,y,z,t)u(x,y,z,t)u(x,y,z,t) 表示物体 GGG 在位置 (x,y,z)(x,y,z)(x,y,z) 处及时刻 ttt 的温度，物体的

原创 偏微分方程的物理含义

偏微分方程的物理含义1.实际问题采用偏微分方程的原因2.偏微分方程的物理含义(1) 双曲型方程。其代表是 波动方程(2）抛物型方程。其代表是 热传导方程(3） 椭圆型方程。其代表是 拉普拉斯方程(4）薛定锷方程成为量子力学的基本数学模型相关概念(5）描述孤立波的 KdV方程（korteweg-de Vries 方程）3.总结

原创 微分方程的相关概念

偏微分方程

原创 SSL/TLS原理

浅析SSL/TLS原理1.数字签名1.1概念1.2作用1.3使用的算法1.4怎么做2.网络加密3.为什么需要数字证书？4.SSL/TLS工作过程5.HTTPS1.数字签名1.1概念也称为公钥数字签名1.2作用用来验证数据的真实性，防止被仿造和篡改1.3使用的算法非对称加密 和 数字摘要1.4怎么做是一套互补的运算，一个用来签名（加密），一个用来验证（解密）每个人都有一对“钥匙”（数字身份），也就是私钥和公钥。私钥签名，公钥验证。2.网络加密即使使用非对称加密进行网络通信，但仍有被中

原创 深度学习之梯度下降法,用excel体验梯度下降法

深度学习之梯度下降法什么是梯度下降法？用excel体验梯度下降法  深度学习的过程中经常需要求函数的最小值，而求最小值的最常用的方法之一就是梯度下降法。什么是梯度下降法？  我们由一个简单的例子出发。已知z=f(x,y)z=f(x,y)z=f(x,y)，如何求该函数的最小值？根据偏导数的含义，当zzz取最小值的必要条件如下：∂f(x,y)∂x=0∂f(x,y)∂y=0\frac{\partial f(x,y)}{\partial x}=0 \qquad \frac{\partial f(x,y)}{\

原创 多变量函数的近似公式

多变量函数的近似公式

原创 基于远程过程调用RPC+Flask的学生信息管理系统

本文采用远程过程调用RPC技术实现一个简易版的学生信息管理系统。

原创 Python+tkinter 简易学生信息管理系统

Python+tkinter 简易学生信息管理系统笔者基于tkinter和pymysql开发出一个简易的学生管理系统。

原创 深度学习的数学之神经网络的思想

深度学习的数学之神经网络的思想1.神经元的数学表示2.神经单元3.神经网络4.深度学习  这篇主要介绍一下神经单元的由来、结构，激活函数、偏置以及神经单元的输出表达式，此外，介绍一下神经网络和深度学习的相关概念。1.神经元的数学表示  深度学习中的神经元是仿照动物大脑中的神经元的工作模式发展而来  动物大脑中的神经元有以下特性（这里从多方面描述）   1. 语言描述     a. 神经元形成网络     b. 对于从其他多个神经元传递过来的信号，如果他们的和不超过某个固定大小的值（阈值），则

原创 LaTeX 多行公式、公式对齐以及输入矩阵的方法

一、LaTex显示（大括号连接的）多行公式/公式组合使用cases环境实现公式的组合，&分隔公式和条件，具体LaTex代码如下：$$D(x) = \begin{cases}\lim \limits_{x \to 0} \frac{a^x}{b+c},&x<3 \\\pi,&x=3\\\int_a^{3b}x_{ij}+e^2dx,&x>3\\\end{cases}$$公式显示如下：D(x)={lim⁡x→0axb+c,x<3π,x=3∫

原创 visio 取消跨线

Visio画连接线时默认会显示跨线，但有些时候不需要并且还会影响美观。如下红框中跨线所示：如何取消跨线呢？在Visio2013中，设计-连接线-显示跨线，取消显示跨线即可，步骤如下图所示。最终的效果线条交汇出不再显示跨线。...

原创 机器学习之模型评估

机器学习之模型评估）这篇来谈谈机器学习模型的评估。1.模型评估2.交叉验证2.1回归问题的验证2.2分类问题的验证2.3精确率和召回率2.4 F值3.正则化3.1过拟化3.2正则化的方法3.3正则化的效果3.4分类的正则化3.5包含正则化项的表达式的微分4.学习曲线4.1欠拟合4.2区分过拟合与欠拟合5.小结这篇来谈谈机器学习模型的评估。1.模型评估Q1：为什么要进行模型的评估？A1：由于模型的建立和参数的确定都是针对训练数据，因此模型的评估就是避免模型只对训练数据有效。  由于前面介绍了机器学

原创 支持向量机之要点思路总结

以下是我在学习完支持向量机后做的一些总结，不涉及到公式，只给出最精炼最核心的知识点。支持向量机是一个分类算法由逻辑回归中的sigmoid函数sigmoid=11+exp(−θTx)sigmoid=\frac{1}{1+exp(-\theta^Tx)}sigmoid=1+exp(−θTx)1​引出分类函数fθ(x)=WTx+bf_\theta(x)=W^Tx+bfθ​(x)=WTx+b，因此要求参数W,bW,bW,b。分类目标是找出一个超平面，使得两侧的数据距离超平面的距离尽可能的大。超平面用WTx+

原创 支持向量机系列之了解SVM

前言近期在阅读整理支持向量机的内容，阅读了很多篇优秀的博文，其中主要参考的是这位前辈的支持向量机通俗导论（理解SVM的三层境界）。以下是我在阅读过程中的若干心得和笔记。一、了解SVM...

原创 多进程调度算法

操作系统多进程调度策略1.作业调度原则2.作业周转时间与平均作业周转时间3.作业带权周转时间和平均作业带权周转时间4.作业调度的基本类型5.作业生命周期状态6.作业调度算法1.作业调度原则当多个作业同时具备可执行条件时，只能有一个作业能够获得处理器被执行。其中调度的原则有以下几点：资源利用率：CPU利用率=CPU有效工作时间/CPU总的运行时间 CPU总的运行时间=CPU有效工作时间+CPU空闲等待时间。周转时间：作业从提交给系统开始，到作业完成为止的时间间隔称进程周转时间，应使

原创 python安装surprise库总是失败

python安装surprise库缺乏组件的解决办法1.背景：2.明确问题3.找到资源包4.问题解决5.总结1.背景：在做一个用到django框架做音乐的推荐时，由于要用到SVD算法，需要导入surprise库，直接在pycharm里安装时报错，如下图。2. 后面尝试在终端安装，但也直接报错，如下图。3. 仔细查看报错信息，在报错的最后查看提示信息，提示让我将pip升级。4. 但将pip升级后进行安装也没有，看来原因另有其他。2.明确问题再仔细查看报错的提示信息时，上面附有一个官网，

原创 机器学习之学习分类

此篇是《机器学习的数学》专栏的第三篇，继简单的介绍为什么要有机器学习和机器学习能够做什么、以及学习回归之后，来总结一下机器学习之学习分类方面的知识。学习分类1.设置模型2.内积3.感知机1.设置模型2.内积3.感知机...

原创 为什么要有机器学习，机器学习能够做什么

之后将创作多篇与机器学习相关的文章，简单总结机器学习的回归、分类与评估模型的相关内容1. 机器学习的兴起计算机能够高效地做大量重复性的工作，能够从数据中学习到数据的特征、模式。2. 能够机器学习的前提有足够多的数据。随着各项信息的数字化，不仅数据量大幅增加，数据的种类也大幅增加，在进行机器学习之前首先要有相对于的数据计算机方面具备收集大量数据的环境具备处理大量数据的环境3. 机器学习的任务名称含义实例类型回归对连续数据或时间序列数据做预测由之前的股价折

原创 机器学习之回归

近期阅读了《白话机器学习的数学》，为了将所读的内容充分理解消化，故将整理一系列文章，该篇是上一篇文章的续篇。1.设置问题基于广告费预测网站的点击量2. 定义模型假设点击量只与广告费这一个变量有关，现有一些数据（广告费与对应点击量的值），在坐标系中表示为下图为了找出广告费与点击量之间的关系，可借助数学表达式即定义模型。为了方便，由上图建立广告费（x）与点击量（y)之间的函数关系为fθ(x)=θ0+θ1xf_{\theta}(x)=\theta_{0}+\theta_{1}xfθ​(x)=θ0​+