存放地

原创 notion打印笔记设置

原创 远程lab电脑流程

先用向日葵远程连接（不要先remote，可能键盘会失灵）关闭向日葵——remote——ok。登陆后注销重新登陆——分辨率变化。

原创 【专业课复习】通信原理

信道编码方式是一种在信源编码后的数字信号上添加一些冗余信息，以提高信号在传输过程中的抗干扰能力和可靠性的方法。信道编码方式有很多种类，根据编码结构和原理的不同，可以分为线性分组码、卷积码、级联码、Turbo码和LDPC码等。信源编码方式是一种将信源符号转换为二进制码字的方法，目的是减少传输的信息量，提高传输效率，同时保证译码的正确性。信源编码方式有无失真编码和有失真编码两种，无失真编码要求编码后的信息可以完全恢复原始信源符号，有失真编码则允许一定程度的信息损失。如果你还有其他问题，欢迎继续提问。

原创 vscode选择内核时不显示python环境

先更新了jupyter插件，无效。更新python插件，√。

原创 使用conda activate 虚拟环境后，pip install下载的包在虚拟环境中找不到

是进入服务器以后默认进入base环境，activate虚拟环境以后相当于环境嵌套，所以pip还是下载了base里，需要deactivate两次，退出base环境，然后activate虚拟环境，再pip。

原创 电脑不方便切换-记（或许可用

作者用地震预测举例，这不就是前几天聊开题的时候，老师给我的参考方向吗，地震预测和我要做的预测思路几乎是一致的。

原创 Xgboost记录

躺懂XGBoost，学不会来打我（doge）_哔哩哔哩_bilibili。

原创 大数据BackgroundKnowledge

端到端流程是从客户需求端出发，到满足客户需求端去，提供端到端服务，端到端的输入端是市场，输出端也是市场。端到端的流程是跨度比较大的一些节点之间的流程，可能还包含很多部门级的流程。产生原因对存在HDFS上的文件或Hbase中的表进行查询时，是要手写一堆MapReducec代码；对于统计任务，只能由懂MapReduce的程序员才能完成；耗时耗力，更多精力没有有效的释放出来；Hive基于一个统一的查询分析层通过sql语句的方式对HDFS上的数据进行查询、统计和分析。Hive。

原创 图卷积的一些迷思（GCN）

用他连着的边和全局向量（整个图的平均）求得。是用该节点和与它相连的节点一起f。但是在聚合体现图结构的时候。如果有一个节点缺失值。

原创 随记-动手学深度学习李沐

分类一般有多个输出，输出在每一类的置信度。

原创 python

函数命名

原创 【专业课复习】信号与系统

1. 从“积”的过程可以看到，我们得到的叠加值，是个全局的概念。以信号分析为例，卷积的结果是不仅跟当前时刻输入信号的响应值有关，也跟过去所有时刻输入信号的响应都有关系，考虑了对过去的所有输入的效果的累积。在图像处理的中，卷积处理的结果，其实就是把每个像素周边的，甚至是整个图像的像素都考虑进来，对当前像素进行某种加权处理。在信号分析的场景，它指定了在哪个特定时间点的前后进行“积”，在空间分析的场景，它指定了在哪个位置的周边进行累积处理。原来卷积是这么计算的 - 知乎 (zhihu.com)

原创 论文问题详解5：雅克比矩阵

我对雅克比矩阵的了解更清晰了，但并不能从公式推导上解释“费舍尔信息矩阵=雅克比矩阵×误差协方差”只是从直观的角度能够解释在面对论文提问时应该可以回答t=N4P3t=N4P3jacobi矩阵 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/383712726对雅可比矩阵的理解 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/123934469。

原创 无偏估计——方差n-1的讨论

(4条消息) 论文问题详解4：克拉美罗下界_Zn_lunar的博客-CSDN博客。感觉关于无偏估计的方差讨论也算一个比较典型的问题，于是专门记录一下。克拉美罗下界中用到了无偏估计，算协方差矩阵也有关。

原创 论文问题详解4：克拉美罗下界

无偏估计是一种用样本统计量来估计总体参数的方法，它的特点是估计量的数学期望等于被估计参数的真实值¹⁴。也就是说，无偏估计没有系统性的误差，只有随机性的误差。无偏估计可以反映总体参数的真实情况，是一种优良的估计量。例如，样本均值是总体均值的无偏估计，样本方差除以n-1是总体方差的无偏估计²⁵。源: 与必应的对话， 2023/5/27(1) 无偏估计和有偏估计的区别 - 知乎. https://bing.com/search?

原创 论文问题详解2：卡尔曼滤波器

现在跟着下文学习了一遍，结合了第二次在goodnote的笔记，感觉清晰了很多，第二次笔记放在本文最末尾，到时候有对应处可翻着回看（但是大部分对应的我应该都把对应的复制贴在了这次笔记旁边）第二次又看了这个视频，在goodnote做了更详细的笔记，但因为太详细了，有点乱，放到本文最末尾吧。(9条消息) 再谈卡尔曼滤波--五大公式_卡尔曼滤波器五个公式_狂奔的飞猪的博客-CSDN博客。第一次是跟着B站的视频学习的，做了笔记，但当时思路似乎不太清晰，只是跟着视频做了。

原创 论文问题详解3：Fisher information matrix

(4) 高维非凸时代下的 Fisher information与深度学习的泛化能力 - 知乎. https://zhuanlan.zhihu.com/p/34394897.(2) Fisher Information Matrix - 知乎. https://zhuanlan.zhihu.com/p/474994301.(1) 费舍尔信息矩阵及自然梯度法 - 知乎. https://zhuanlan.zhihu.com/p/228099600.回看了之前学的时候做的笔记，感觉其实也很清晰，可以参考。

原创 人工智能、机器学习、深度学习、神经网络

人工智能是一个大的概念，包括了机器学习和深度学习。机器学习是实现人工智能的一种方法，深度学习是机器学习中的一种方法，而神经网络是机器学习的一个重要算法，也是奠定深度学习发展的基础算法。¹²³⁴⁵希望这可以帮到你！源: 与必应的对话， 2023/5/25(1) 一文看懂人工智能、机器学习、深度学习与神经网络之间的区别 .... https://zhuanlan.zhihu.com/p/86794447.

原创 论文问题详解1：协方差与不确定性

原文总结：协方差矩阵是可以反映测量结果的不确定度的，正如方差发挥的作用一样。(4) 高维非凸时代下的 Fisher information与深度学习的泛化能力 - 知乎. https://zhuanlan.zhihu.com/p/34394897.(2) 卡尔曼滤波 —— 各路大神和自己的总结 - 知乎. https://zhuanlan.zhihu.com/p/158751412.(1) 不确定度与协方差矩阵的关系 - 知乎. https://zhuanlan.zhihu.com/p/73375859.

原创 Applying DL-Based CV to Wireless Communications

I. III. ANOVERVIEW OFRELATEDWORKIII. ANEXAMPLE OFAPPLYINGDL-BASEDCVIV. COPENPROBLEMSV. CONCLUSION。

原创 1107DRL合作定位精度

1107DRL合作定位精度

原创 【无标题】

wifi定位

原创 EM算法与SAGE算法

SAGE

原创 DCS-SOMP

DCS-SOMP