【物理应用】基于伊藤微分方程的布朗运动分析matlab源码
一、简介随机过程的理论研究起源于生产、科研中的实际需要，随着人们对现象的认识越来越深人，它已被广泛地应用于自然、社会科学的许多领域中，并在越来越引起人们的重视。大量的含有不确定性的实际问题的出现，促使了随机积分的构建与发展，并在此基础上建立了随机微分方程的相关理论和方法。布朗运动指的是一种无相关性的随机行走，满足统计自相似性，即具有随机分形的特征，但其时间函数（运动轨迹）却是自仿射的。具有以下主要特性：粒子的运动由平移及其转移所构成，显得非常没规则而且其轨迹几乎是处处没有切线；粒子之移动显然互不相关，
Pytorch固定参数训练
《Pytorch固定参数训练》记录一下固定训练参数的方法：requires_grad参数设置1、初始化时指定Variable，如下语句所示：i = Variable(torch.randn(5,5), requires_grad=True)2、对于自己定义的一些基本网络，Linear等：self.linear = nn.Linear(config.hidden_size * 3, c...
李航《统计学习方法》第2版 第3章课后习题答案
习题3.1题目：参照图3.1，在二维空间中给出实例点，画出k为1和2时的k近邻法构成的空间划分，并对其进行比较，体会k值选择与模型复杂度及预测准确率的关系。习题3.2题目：利用例题3.2构造的kd树求点 x = ( 3 , 4.5 ) T 的最近邻点。习题3.3题目：参照算法3.3，写出输出为x的k近邻的算法。...
Android Content Provider Tutorial--安卓内容提供者系列1--内容提供者介绍
在安卓系统默认的情况下，一个app是不能访问另一个app的数据的。这种基于沙盒的原则，是保护安卓系统安全的基石。但确实经常会有这样的需求：你想让一个app能分享一些数据给其他app。Content providers就是这样一个数据接口,能使数据在不同app之间共享。在这一部分学习中,您将学会如何设计和开发Content providers。下面是这部分学习的主题:
《offer来了》第五章学习笔记
1.网络1.1.OSI七层模型从下到上主要包括物理层、数据链路层、网络层、传输层、会话层、表示层和应用层层作用物理层发送端将1、0转化为电流强弱，到目的后将电流强弱转化为1、0数据链路层对数据包的MAC地址进行解析和封装网络层对数据包的IP 地址进行解析和封装传输层定义传输数据的协议和端口号会话层建立连接和管理会话表示层...
【图像分割】基于粒子群优化T熵图像分割matlab源码
本文所采用的基于熵的切割点和最小描述长度原则(MDLP)。A.特征选择特征选择是一个组合优化问题，因为在具有N个特征的数据集上有2N个可能的不同特征子集。FS方法通常有两个重要的部分组成，即搜索技术和特征评估方法。在特征评估方面，FS方法通常可以分为过滤(filter)和包装(wrapper)方法。过滤法基于它们的内在特性来评估特性。过滤措施的例子有距离、信息增益、一致性和相关性。另一方面，包装法使用一种学习算法来度量所选特性的分类性能。在这个过程中可以使用不同的学习算法，比如k近邻(KNN)、
《offer来了》第六章学习笔记
1.数据库的概念1.1.存储引擎常用的存储引擎主要有 MyISAM、InnoDB、Memory、Archive 和 Federated。1. MyIASMMyIASM 是 MySQL 默认的存储引擎，不支持数据库事务、行级锁和外键，因此在 INSERT（插入）或 UPDATE（更新）数据即写操作时需要锁定整个表，效率较低。MyIASM 的缺点是更新数据慢且不支持事务处理，优点是查询速度快...
NEURAL QUESTION REQUIREMENT INSPECTOR FOR ANSWERABILITY PREDICTION IN MACHINE READING COMPREHENSION
《NEURQURI: NEURAL QUESTION REQUIREMENT INSPECTOR FOR ANSWERABILITY PREDICTION IN MACHINE READING COMPREHENSION》这篇文章是Samsung research and South Korea发表在2020 ICLR上的。主要是针对机器阅读理解当中的不可回答问题，提出了一个自己的模块和一种新的...
李航《统计学习方法》第2版 第3章 编程实现KNN（暴力法）、调用sklearn模块实现KNN（暴力法、kd树、球树）
自编程暴力法：""" 利用普通做法：线性扫描算法，实现KNN 采用欧式距离，多数表决"""import numpy as npfrom collections import Counterimport matplotlib.pyplot as pltclass KNN(): def __init__(self, x_train, y_train, k): self.x_train = x_train self.y_train = y_train self.k = k de
Android Content Provider Tutorial--安卓内容提供者系列2--内容提供者用法
Using a Content Provider（如何使用Content Provider）Objectives（学习目标）After this section, you will be able to:通过这一部分的学习，你将能够：Write client
【路径规划】基于蚁群算法的三维路径动态仿真
一、简介1 蚁群算法的提出蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。遗传算法在模式识别、神经网络、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。2 算法的基本原理二、源代码function [sys,x0,str,ts] = quadrotor_plot(t,x,u,fla.
李航《统计学习方法》第2版 第3章 Python编程KNN（暴力法）实现mnist数据集分类
代码（有注释）：#coding=utf-8#参考深度之眼：Dodo老师的代码'''数据集：Mnist训练集数量：60000测试集数量：10000（这里使用：200）------------------------------运行结果：（邻近k数量：25）向量距离使用算法——欧式距离 正确率：97% 运行时长：308s向量距离使用算法——曼哈顿距离 正确率：14% 运行时长：246s'''import numpy as npimport timef
基于pytorch的transformer代码实现（包含Batch Normalization，Layer normalization，Mask等讲述）
基于pytorch的transformer代码实现2017年谷歌再nips上发表的《Attention Is All You Need》，完全基于Attention机制，解决RNN和CNN同时存在的问题，又将两者的优点结合。首先会介绍一下Transformer的由来以及结构，然后再介绍具体的实现代码，结合机器翻译实现。TransformerMotivationRNN的递归无法并行，长距离...
Android Content Provider Tutorial--安卓内容提供者系列3--操作安卓联系人
Accessing Contact Information （通过ContentProvider访问联系人信息）Objectives（学习目标）After this section, you will be able to:Describe the pri
《offer来了》第七章学习笔记
1.分布式缓存介绍将频繁访问的热数据缓存到内存中，提高访问时间，降低数据库负载。微服务架构下需要分布式缓存来实现跨服务的缓存系统。用户访问的数据库是被部署在多个服务器节点的集群数据库，缓存是被部署在多个服务器节点的分布式缓存，同时缓存之间有数据备份，在一个节点出问题后，分布式缓存会将用户的请求转发到其他备份节点以保障业务的正常运行。2.Ehcache原理及应用基于 Java 实现的...
【图像分割】基于粒子群优化指数熵图像分割matlab源码
本文所采用的基于熵的切割点和最小描述长度原则(MDLP)。A.特征选择特征选择是一个组合优化问题，因为在具有N个特征的数据集上有2N个可能的不同特征子集。FS方法通常有两个重要的部分组成，即搜索技术和特征评估方法。在特征评估方面，FS方法通常可以分为过滤(filter)和包装(wrapper)方法。过滤法基于它们的内在特性来评估特性。过滤措施的例子有距离、信息增益、一致性和相关性。另一方面，包装法使用一种学习算法来度量所选特性的分类性能。在这个过程中可以使用不同的学习算法，比如k近邻(KNN)、
《offer来了》第八章笔记学习
设计模式（Design Pattern）是经过高度抽象化的代码设计经验总结。1 设计模式简介设计模式有 7 个原则：单一职责原则、开闭原则、里氏代换原则、依赖倒转原则、接口隔离原则、合成/聚合复用原则、迪米特法则1.单一职责原则规定一个类只有一个职责。如果多个职责（功能）被设计在一个类中，这个类就违反了单一职责原则。2.开闭原则开闭原则规定软件中的对象（类、模块、函数等）对扩展开放，...
A Robust Adversarial Training Approach to Machine Reading Comprehension
A Robust Adversarial Training Approach to Machine Reading Comprehension2020 AAAI 百度，北大，厦大动机：同样是针对robustness，one of the most promising ways is to augment the training datasetSince the types of adve...
Android Content Provider Tutorial--安卓内容提供者系列4--如何创建内容提供者
Creating a Content Provider（如何创建一个ContentProvider）Content Provider Overview(ContentProvider概述)A content provider manages access to a
李航《统计学习方法》第2版 第4章课后习题答案
习题4.1习题4.2这里先验为什么设为狄利克雷，后面接着有我总结的解释贝塔分布与狄利克雷分布，以及贝叶斯估计的先验设为狄利克雷分布的原因。也可参考文末链接（第一个链接讲的挺通俗易懂）。这里解释一下贝塔分布与狄利克雷分布：举个简单的例子说明为什么贝叶斯估计中的先验分布设为狄利克雷分布：参考链接：狄利克雷分布讲解Beta分布与贝叶斯估计狄利克雷分布与贝叶斯估计...
今日推荐
周排行