学习笔记
文章平均质量分 71
小许要加油啊~
一起进步,开拓未知
展开
-
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。原创 2023-02-14 17:09:11 · 2575 阅读 · 19 评论 -
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。原创 2023-02-12 14:55:44 · 1302 阅读 · 0 评论 -
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。原创 2023-02-11 15:11:35 · 2997 阅读 · 0 评论 -
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。原创 2023-02-07 22:39:14 · 19341 阅读 · 2 评论 -
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!原创 2023-01-26 22:02:10 · 16920 阅读 · 2 评论 -
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。原创 2022-11-02 23:35:50 · 7888 阅读 · 2 评论 -
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,做题就简单了原创 2022-10-31 18:28:27 · 11902 阅读 · 0 评论 -
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。原创 2022-10-03 20:50:20 · 531 阅读 · 0 评论 -
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。原创 2022-10-03 20:32:40 · 658 阅读 · 0 评论 -
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.原创 2022-10-03 14:08:34 · 1177 阅读 · 0 评论