2023/09/06 learning Note for Class 2

已于 2023-09-07 20:24:04 修改
阅读量557 收藏
点赞数 1
文章标签： 青少年编程
于 2023-09-07 20:20:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_50256192/article/details/132707165
版权

文章目录

I. Join QQ Group

1. QQ Group Number

  • 2022 Software Class Tow - Computer English- QQ Gruop Number:169052223
    QQ群

2.Requirement of Joining QQ Group

  • You must be a student from BIG Data School
  • Modify your group card and use your real name(No nickname in the group)

II. Join Cluod Class

  • Search, Download and install Cluod Class app on uor smartphone
  • 2022 Software Class Tow - Computer English-Class Number:3562973
    云班级
  • We use the app to do the sign- in
  • Let’s take a look at the result of the sign-in
    在这里插入图片描述
  • Everbody is here No one is absent

III.Use Mindmap

1. Downlaod Xmid Software

  • downlaod the software from QQ group sharing
    在这里插入图片描述

2.Install Xming Software

  • complate the installation of the software step by step according to the wizard
    在这里插入图片描述
  • After you finish the installation,you will see a nnew icon on the desktop
    在这里插入图片描述

3.Create a Mindmap

(1) Chooes a Template

  • chooes your favonte template
    在这里插入图片描述

(2)Chooes a Style

  • chooes your template style
    在这里插入图片描述

(3) Operate on Nodes

  • select a node
  • add a child node: press tab key
  • add a brother node: press Enter key
  • delete a node: first select a node, then press Delkey

（4）Practice - Self-Introduction

  • this is my self introducion.
    在这里插入图片描述

IIII. Course experience：

1. 第一节课上完给我的感觉华为老师是一个既幽默又负责认真的老师,一步一步的教我们使用博客和使用软件做思维导图，一节课下来我也复习了很多以前学过的单词.希望接下来的课程中我也能继续学到更多的知识！

白烦
关注
ML/DL模型调参：《Hyperparameter tuning for machine learning models机器学习模型的超参数调优—模型验证、网格搜索/随机搜索/贝叶斯搜索》翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
06-30 1589
​ ML/DL模型调参：《Hyperparameter tuning for machine learning models机器学习模型的超参数调优—模型验证、网格搜索/随机搜索/贝叶斯搜索》翻译与解读 目录 《Hyperparameter tuning for machine learning models机器学习模型的超参数调优》翻译与解读 《Hyperparameter tuning for machine learning models机器学习模型的超参数调优》翻译与解读 作者：Je
A brief Introduction to Continue Learning / Life long Learning
等待戈多的博客
08-17 1401
A brief Introduction to Continue Learning / Life long Learning
Machine Learning Review Note
qq_41103204的博客
09-23 2322
目录Bagging, Boosting, StackingTF-IDF Bagging, Boosting, Stacking https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205 https://zhuanlan.zhihu.com/p/36822575 The main hypothesis is that when weak models are correctl
[Paper Note] Learning to Reweight Examples for Robust Deep Learning
Jemary_的博客
11-20 4142
Learning to Reweight Examples for Robust Deep Learning PAPER CODE Abstract 面对样本不平衡问题和标签噪声等问题，之前是通过regularizers或者reweight算法，但是需要不断调整超参取得较好的效果。本文提出了meta-learning的算法，基于梯度方向调整权重。具体做法是需要保证获得一个足够干净的小样本数据集，每...
Learning RoI Transformer for Detecting Oriented Objects in Aerial Images
既然选择了远方 便只顾风雨兼程 - 永强
07-14 8620
Learning RoI Transformer for Detecting Oriented Objects in Aerial Images Jian Ding, Nan Xue, Yang Long, Gui-Song Xia, Qikai Lu Wuhan University，WHU：武汉大学，武大 Computational and Photogrammetric Vision Tea...
Deep Learning for Massive MIMO CSI Feedback
qq_43425386的博客
09-19 7528
这篇文章是自己之前学习论文的一点心得，是源于AI+无线通信这个比赛。 论文百度搜这个，去IEEE官网就可以下载了。【C. Wen, W. Shih and S. Jin, “Deep Learning for Massive MIMO CSI Feedback”, in IEEE Wireless Communications Letters, vol. 7, no. 5, pp. 748-751, Oct. 2018, doi: 10.1109/LWC.2018.2818160.】 那我们正式开始！ 首先
READING NOTE: Learning Deconvolution Network for Semantic Segmentation
joshua_1988
07-04 1077
TITLE: Learning Deconvolution Network for Semantic Segmentation
【论文+代码】PEBAL/Pixel-wise Energy-biased Abstention Learning for Anomaly Segmentation on Complex Urban
星星亮了bulingbuling~
08-10 1674
Pixel-wise Energy-biased Abstention Learning for Anomaly Segmentation on Complex Urban Driving Scenes 复杂城市驾驶场景异常分割的像素级能量偏置弃权学习 是ECCV 2022oral的文章，本篇随笔是在阅读论文和复现代码过程中做的一些笔记......
Machine Learning - Logistic Regression - Two-class Classification
iracer的博客
02-18 3462
This article contains some topic about Logistic Regression, including two-class classification, decision boundary and cost function of logistic regression.
【论文翻译】PLOP: Learning without Forgetting for Continual Semantic Segmentation
小张好难瘦的博客
11-04 2775
论文地址:http://​https://arxiv.org/abs/2011.11390​ 代码地址：https://github.com/arthurdouillard/CVPR2021_PLOP 摘要 Deep learning approaches are nowadays ubiquitously used to tackle computer vision tasks such as semantic segmentation, requiring large datasets and s
Syske#person-learning-note#自定义标签——带属性的标签1
07-25
设置标签属性，并使用：示例代码：public class QueryTag extends SimpleTagSupport {private Connecti
信息学奥赛：青少年编程的高光舞台，通向未来科技的敲门砖
邓校长的编程课堂专栏
09-13 1298
信息学奥赛全称“全国青少年信息学奥林匹克竞赛”，是一项主要面向中学生的编程竞赛，旨在通过解题和编程实践来考察参赛选手的算法设计与问题解决能力。NOI分为初赛、省赛、复赛和全国决赛，优胜者不仅有机会获得国内顶尖高校的保送资格，还能代表国家参加国际信息学奥林匹克竞赛（IOI），与全球顶尖编程高手切磋较量。信息学奥赛不仅是一项竞赛，更是无数青少年踏上科技创新之路的起点。通过它，学生不仅能够挑战自我、收获编程技能，还能为未来的学术和职业生涯奠定坚实基础。
jdk-1.8(8u211-windows-x64)
10-07
jdk-8u211-windows-x64
光储并网直流微电网simulink仿真模型，光伏采用mppt实现最大功率输出 储能由蓄电池和超级电容构成的混合储能系统 为了
10-07
光储并网直流微电网simulink仿真模型，光伏采用mppt实现最大功率输出。 储能由蓄电池和超级电容构成的混合储能系统。 为了确保微网并网时电能质量，采用二阶低通滤波法对光伏输出功率进行抑制，
失物招领信息交互平台 SSM毕业设计 源码+数据库+论文（JAVA+SpringBoot+Vue.JS）.zip
最新发布
10-07
失物招领信息交互平台 SSM毕业设计 源码+数据库+论文（JAVA+SpringBoot+Vue.JS） 启动教程：https://www.bilibili.com/video/BV1GK1iYyE2B
GTT2602-VB一种N-Channel沟道SOT23-6封装MOS管
10-07
30V;6A;RDS(ON)=30mΩ@VGS=10V;VGS=20V;Vth=1.2V
基于51单片机的水箱液位远程监测系统源代码+原理图+流程图+程序说明
10-07
1、使用单片机串口与模块通信；接法如下 STC单片机 GPRS模块 P3.0(RXD)->TXD P3.1(TXD)->RXD GND ->GND 晶振选用11.05926MHz 2、更改服务器地址，包括IP和端口号，要与实际服务器地址对应上。 3、测试此功能时，确保您的服务器是可用的。
GJ9563-VB一种P-Channel沟道TO252封装MOS管
10-07
-40V;-65A;RDS(ON)=10mΩ@VGS=10V;VGS=20V;Vth=-1.6V
DBO-BILSTM回归预测
10-07
用于深度学习项目，里面包含程序运行的所有代码，数据集可以关注我私我获取，这个很容易写毕业设计，只需把数据集换成自己想要预测的就可以了。
one class SVM
05-02
One-class SVM (Support Vector Machine) is a supervised learning algorithm used for anomaly detection. It is a type of SVM that is trained only on a single class of data, with the goal of identifying outliers in new data. The algorithm learns a decision boundary that separates the training data from the origin (or some other reference point) in feature space. The basic idea behind one-class SVM is to map the input data into a high-dimensional feature space, where the data is more separable. The algorithm then identifies the smallest hypersphere that encloses the mapped data points, which represents the boundary of the normal data. Any new data point that falls outside this hypersphere is classified as an anomaly. Some applications of one-class SVM include fraud detection, intrusion detection, and outlier detection in data analytics. However, it is important to note that one-class SVM is not suitable for all types of data and may require careful tuning of its parameters to achieve optimal performance.
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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