- 博客(15)
- 收藏
- 关注
RSS订阅
原创 计算机组成原理：了解计算机三种编址方式(按位编址、字节编址、字编址)
首先简单了解一下字节（Byte）和位（b）我们首先要知道计算机是用二进制编码（0或1），位（b）即二进制位。所以我们要知道我们在学习计算机原理过程中遇到的都是2的n次方。如2^3=8、2^5=32、2^6=64…目前我们的电脑都是64位的，可以在电脑属性中查看。1字节=8位 即1Byte=8b目前计算机有三种编址方式（1）按位编址 ：1b（2）字节编址 ：Byte=8b（3）字编址：机器字长word=32b/64b注意⚠️: 一定要看清题目是按字节编址还是字编址，很多人都在.
2022-04-10 16:04:23
25160
9
原创 数据库原理：易错的函数依赖与求解范式的例题，进一步巩固。
考虑到前两节求函数依赖和求解范式的例题较为简单，因此总结了一些错误率较高的题目，也可以当作练手题熟练函数依赖与范式。其实在求解范式的过程中我们就已经需要求得一些函数依赖的关系。
2023-02-14 17:09:11
2545
19
原创 数据库原理：SQL查询语句练习及解析，加深理解（二）
最后的分组是必要的，把同一节课的成绩分在一组再去求平均才有意义，否则无意义。思路：需要涉及两次S表，故将其分别命名为X和Y，在WHERE语句中需要区分两个表的属性。思路：需要涉及两次S表，故将其分别命名为X和Y，在WHERE语句中需要区分两个表的属性。在表SC中检索成绩为空值的学生学号和课程号。在表SC中检索成绩为空值的学生学号和课程号。求选修课程号为C4课程的女学生的平均年龄。检索姓名以L打头的所有学生的姓名和年龄。求选修课程号为C4课程的女学生的平均年龄。检索姓名以L打头的所有学生的姓名和年龄。
2023-02-12 14:55:44
1288
原创 数据库原理：SQL查询语句练习及解析，加深理解（一）
这里将题目与答案分离，建议一定要先做完全部题目再去对答案，以此来巩固学习这一部分数据库理论知识时候的不足。
2023-02-11 15:11:35
2981
原创 数据库原理：关系运算（选择、投影、连接、除），例题加深理解
满足我给出的条件F就留下，选择是对行做操作，删掉的是不满足条件规定的属性值的那一行或者几行（元组）。中，，A和B要是分别属于关系R和S的列数相等且可比的数组，θ是比较运算符(=等)。，再计算出S在Y上的投影，最后判断投影是否被包含在像集里，找出满足条件的像集对应的。它表示R中属性组X上值为x的诸元组在Z上的属性值的集合。对于关系R，由于两个关系共有属性B和C，而属性A的取值为。满足下列条件的元组在X属性列上的投影：元组在X上。S的投影，也就是S的投影被包含在a1的像集中。即先计算属性X的每一个属性值。
2023-02-07 22:39:14
18965
2
原创 对数螺旋线（等角螺旋线）数学公式推导
在某些论文或文章里看到对数(等角)螺旋线的公式：。但是搜索了一下，通常都是一些讲解对数等角螺旋线的性质的结果以及公式结果，并没有详细的公式推导。当然对于大多数人只要知道上述公式就好了，当作一个结论公式使用。当然也有像我这样的想知道公式怎么推出了的，因此我写下这篇文章，希望能够帮助到大家。因本人才疏学浅，文章定有不足，希望大家能够在评论区讨论以及指正。废话不多说，开启正文！
2023-01-26 22:02:10
14994
1
原创 Matlab常见报错：错误使用 conv2不支持 N 维数组；cell类型数组不支持运算符
提示错误使用 conv2不支持 N 维数组，可能是因为你读取的图像并不是灰度图像，，有red/green/blue三种颜色通道也就是说是三维的矩阵。所以我们需要将图像转变为灰度图像。rgb2gray()
2022-11-03 13:39:53
8330
原创 数据库原理：通过例题弄懂函数依赖，并附带题目
本篇文章主要讲解函数依赖的基本概念，后面会有例题。函数依赖是我们了解范式、求解关系模式属于什么范式的关键，建议对于基本概念还不懂的人仔细看看，本篇可以和另一篇讲解范式的文章一起阅读，题目基本上大差不差。
2022-11-02 23:35:50
7745
2
原创 数据库原理：了解范式（1NF、2NF、3NF、BCNF），做例题快速弄懂
如果你基本定义都理解了，建议直接跳到例题部分。本篇讲的是范式及例题，如果函数依赖还不知道，请移步至另外一篇讲函数依赖的博客。有关系模式满足以下条件：“每一个分量必须是不可分的数据项”的即为第一范式（1NF）。ps:基本上所有的关系模式都属于第一范式（1NF）,因为第一范式的级别比较低。总的来说，只要理解了范式的定义，做题就简单了
2022-10-31 18:28:27
11687
原创 吴恩达深度学习课程笔记（二）：Logistic逻辑回归中损失函数（Loss Function）和成本函数（Cost Function）证明及推导
吴恩达的深度学习课程看下来，目前给我的感受是大佬是真的关注我们这些底子差的人，已经讲到非常详细和细致了，连导数都讲解了还有函数的推到说明。建议像我一样学习人工智能专业以及那些刚刚接触深度学习、机器学习的同学有空多看看吴恩达的视频 ，仔细看下来会大有收获，原来在课堂上不能理解的推导通过观看视频学习能够恍然大悟。不过无论是什么专业都需要自己花时间去学哈，毕竟“事在人为”。希望大家能坚持学习，提升专业水平，加油！偷个懒先上传图片吧....有需要再写文档吧。初衷只是给自己以后回顾，也希望能够帮助需要的人。
2022-10-03 20:50:20
528
原创 神经网络编程技巧（一）：两个矩阵相乘报错，np.random.randn(5,)不是矩阵，np.random.randn(5，1)才能得到1*5的矩阵，np.dot()函数
格式如下np.dot(a,b)，其中a,b均为n维向量，具体例子参考下面的代码及其结果。在神经网络中经常使用这个函数，能够节约大量的时间，原来复杂的公式在编程时只需要这一行代码即可实现。在编写python程序时，有时候我们会需要得到两个向量相乘的结果，一般是两个矩阵的乘积。将它转置过来不会发生改变，最后做乘积得到的是一个数字，并不是你要的矩阵的乘积。获得一个向量（5*1的矩阵），再和它的转置矩阵相乘得到矩阵的乘积。np.random.randon(5)得到的是一个数组。
2022-10-03 20:32:40
643
原创 吴恩达深度学习课程笔记（一）：二分类，Logistic逻辑回归原理，梯度下降法
我们希望能够使成本函数最小，所以我们需要找到参数w和b的值使得成本函数最小。接下来的梯度下降法就是用来寻找这样的参数w和b.
2022-10-03 14:08:34
1080
原创 Anaconda（4.2.0）和Tensorflow（2.9.1）安装教程（使用中科大镜像，清华镜像没有tensorflow了）
Tensorflow安装
2022-09-05 17:57:15
3762
1
原创 计算机组成原理：奇偶校验和汉明码校验
一、奇偶校验了解汉明码校验之前需要知道奇偶校验。奇偶校验码是一种最简单的数据校验码，码距等于2。它可以检测出一位错误（或奇数位错误），但是不能确定出错的位置，也不能检测出偶数位错误。简单来说就是：能够检奇数位错，但不能纠错。校验的基本原理是在原有信息位的基础之上增加校验位。而奇偶校验只需要增加一位校验位。有效信息位（K位） 校验位（1位） 奇偶校验的规律及原理：原理：使得校验码中“1”的个数表现出奇偶特征。规律：1.奇校验———整个校验码（信息位+校验位）中“1”的个数
2022-05-01 18:20:54
7999
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人