MySQL基本函数整理

1、数学函数
1)select abs(-8);#绝对值
2)select celing(9.8);#大于等于我的最小的整数
3)select celing(9.8);#小于等于我的最小的整数
4)select rand();#返回0-1之间的随机数
5 )select rand(10);#以某个数作为种子,返回重复随机数
6)select sign(0);#符号函数,正数1,负数-1,0返回0
2、字符串函数
1)select char_length(“好好学习数据库”);#返回字符串中包含的字符数
2)select concat(“我”,“爱”,“你”,“课工场”);#合并字符串
3)select insert(“我爱你课工场”,1,3,“很爱”);#替换字符串,从某个位置开始,替换某个长度
4)select lower(“I LOVE YOU”)#变小写
5)select upper(“l love you”);#变大写
6)select left(“课工场欢迎你”,3);#左边截3
7)select right(“课工场欢迎你”,3);#右边截3
8)select replace(“课工场欢迎你,你好”,“你”,“你们”);#替换,把你替换成你们
9)select substr(“课工场欢迎你”,1,3);#截取,从哪个位置开始截取,截取多长
10)select reverse(“课工场欢迎你”);#反转,即倒序
3、日期和时间函数
1)获取当前日期
①select current_date();
②select curdate();
2)获取当前的日期和时间
①select now();
②select localtime();
③select sysdate();
3)分别获取日期中的某个部分
①select year(now());
②select month(now());
③select day(now());
④select hour(now());
⑤select minute(now());
⑥select second(now());
4、系统信息函数
1)select version();
2)select user();

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值