王小波_Libo-CSDN博客

原创数据库系统概论（第一章绪论）

第一章绪论1.1 数据库系统概述4个基本概念：数据、数据库、数据库管理系统、数据库系统数据：描述事物的符号记录数据库：数据库是长期储存在计算机内、有组织的、可共享的大量数据的集合（永久存储、有组织、可共享） 1、数据库中的数据按一定的数据模型组织、描述和存储； 2、可共享 3、具有较小的冗余度 4、较高的数据独立性和易扩展性数据库管理系统：使位于用户与...

2020-03-18 09:10:26 2528 1

原创常见C算法

排序：冒泡算法#include <stdio.h>int main(){ int i,j,t; int a[5]={5,4,3,2,1}; for(i=0;i<4;i++) for(j=0;j<5;j++) if(a[j]>a[j+1]) { t=a[j]; a[j]=a[j+1]; a[j+1]=t; ...

2020-03-13 15:00:18 3459 2

TAML元学习中，通过相关任务的分布来训练模型，这样它就可以很容易的适应新任务，且只需几个样本。前面介绍的MAML是如何通过计算元梯度和执行元优化来找到模型的最优初始参数，但是会有一个问题：模型可能会在某些任务上有偏差，特别是在元训练阶段抽样的任务上。因此，模型会在这些任务上过度执行，就会阻碍寻找更好的更新规则。为了改善这种情况，我们需要模型在某些任务上无偏或不过度执行，也就是需要使模型与任务无关，来防止任务偏差并获得更好的泛化。TAML有两种：熵最大化，不平等最小化。...

2020-09-11 18:24:08 758

原创第八章梯度一致算法

这一章我们将学习如何将梯度一致作为元学习的优化目标。正如在MAML中看到的，我们对任务间的梯度进行平均，并更新模型参数。在梯度一致算法中，我们将使用梯度的加权平均来更新模型参数，并学习如何向梯度添加权重来找到更好的模型参数。梯度一致，一种优化算法梯度一致算法用于增强元学习算法，在MAML和Reptile中，我们试图找到更好的、可在多个相关任务间泛化的模型参数，这样就可以用更少的数据点快速学习。如何把权重和梯度联系起来，能够体现不同梯度一致的重要性？因此，我们通过添加与每个梯度相乘的权重，重写了外

2020-09-10 11:18:54 1009

原创第七章 Meta-SGD和Reptile

Meta-SGD另一种用于快速学习的元学习算法，与MAML不同，Meta-SGD不仅能找到最优参数，还能找到最优的学习率和更新方向。Meta-SGD只是对MAML的一个小小调整，在MAML中，我们随机初始化模型参数theta，并尝试找到可在任务间泛化的最优参数；在Meta-SGD中，不仅学习模型参数theta，还学习暗含于自适应项的学习率和更新方向。# encoding=utf-8import numpy as np# 生成数据点def sample_points(k): x = n

2020-09-09 18:48:47 1171

原创第六章 MAML

MMAL算法MAML的基本思想是寻找一个更好的初始参数，这样，在初始参数良好的情况下，模型可以以较少的梯度步骤快速学习新任务。假设我们正在使用神经网络执行分类任务，该如何训练网络？从初始化随机权重开始，通过最小损失来训练怎么才能最小化损失呢？梯度下降但如何使用梯度下降来最小化损失呢？通过多个梯度步骤使用梯度下降来寻找最优权重，使损失最小，从而达到收敛在MAML中，就是试图学习相似任务的分布来找到这些最优权重。因此，对于一个新的任务，不需要从随机初始化的权重开始，而是可以从最优权重开始

2020-09-07 23:23:02 4349

原创第五章记忆增强神经网络

记忆增强神经网络（memory-augment neural networks，MANN）也是一种单样本学习，其前身神经图灵机（Neural Turing Machines，NTM），NTM能够在存储器中存储和检索信息，其思想是用外存储器来增强神经网络，NTM不是使用隐藏状态作为存储器，而是使用外存储器来存储和检索信息，其架构图如下图所示NTM重要组件：控制器：基本上是前馈神经网络或递归神经网络，对存储器进行读写。存储器：存储矩阵、存储体或简单地存储器是我们存储信息的地方，存储矩阵基本是由记

2020-09-06 18:30:51 2079

原创第四章构建关系网络和匹配网络

关系网络关系网络由两个重要的函数组成：嵌入函数和关系函数。嵌入函数用于从输入中提取特征。如果输入是图像，那么可以使用卷积网络作为嵌入函数，它会提供图像的特征向量，如果输入是文本，那么可以使用LSTM网络获得文本的嵌入。零样本学习中的关系网络零样本学习场景中，每个类下都没有数据点，但会有元信息。元信息是关于每个类的属性的信息，元信息会被编码到语义向量Vc中，下标c表示类别。没有使用单一的嵌入函数来学习支撑集和查询集的嵌入，而是分别使用了两个不同的嵌入函数，使用第一个函数学习语义向量的嵌入，使..

2020-09-04 23:38:34 3458 2

原创第三章原型网络对字符集分类

原型网络对训练集中不存在的类别也具有泛化能力，与孪生网络一样，也试图学习度量空间来进行分类，基本思想是创建每个类的原型表示，并根据类原型与查询点之间的距离对查询点（新点）进行分类。使用原型网络对Omniglot字符集分类import osimport globfrom PIL import Imageimport numpy as npimport tensorflow as tfroot_dir = 'data/'# 该文件包括语言名称、旋转信息和字符数量train_sp

2020-09-03 23:31:32 1332 3

原创第二章使用孪生网络进行人脸识别

孪生网络是一种基于度量的单样本学习算法，主要用于各类别数据点较少的应用中。孪生网络大致上两个对称的神经网络组成，具有相同的权重和架构，最后由能量函数E连接在一起。孪生网络的目的是了解两个输入值是否相似。使用孪生网络进行人脸识别# encoding=utf-8import reimport numpy as npfrom PIL import Imagefrom sklearn...

2020-09-03 17:53:15 2503 4

原创 MAML核心代码

import numpy as npimport tensorflow as tfclass MAML: def __init__(self, d, c, nway, meta_lr=1e-3, train_lr=1e-2): """ 定义了图片大小、通道、样本类way、学习率 :param d:图片大小 :param c:通道 :param nway:类数 :param meta_lr: :param train_lr: """ self.d = d se.

2020-07-26 16:04:03 889 3

原创元学习数据集的预处理

首先配置好数据集，images,train.csv,test.csv,val.csv，目录如下miniimagenet/ ├── images ├── n0210891500001298.jpg ├── n0287152500001298.jpg ... ├── test.csv ├── val.csv └── train.csv └── proc_images.pyimages文件夹下是60000张图片，.

2020-07-23 22:57:37 2026 1

转载元学习入门：MAML

Meta Learning 的算法有很多，有些高大上的算法可以针对不同的训练任务，输出不同的神经网络结构和超参数，例如 Neural Architecture Search (NAS) 和 AutoML。这些算法大多都相当复杂，我们普通人难以实现。另外一种比较容易实现的 Meta Learning 算法，就是本文要介绍的 MAML 和 Reptile，它们不改变深度神经网络的结构，只改变网络的初始化参数。训练神经网络的第一步是初始化参数。当前大多数深度学习框架都收录了不同的参数初始化方法，例如均匀分布、

2020-07-21 10:44:07 15585 3

原创论文阅读：Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks

基本概念

2020-07-18 17:18:22 1648 1

转载论文阅读：Meta-Learning in Neural Networks: A Survey

题目：Meta-Learning in Neural Networks: A Survey论文地址：https://arxiv.org/abs/2004.05439作者：Timothy Hospedales, Antreas Antoniou, Paul Micaelli, Amos Storkey发表：In arXiv 2020.代码：无摘要：元学习（学会学习）领域近年来的兴趣急剧上升。与传统的人工智能方法相反，传统的人工智能方法是使用固定的学习算法从头开始解决给定的任...

2020-07-06 08:49:47 5307 2

原创论文阅读：A Baseline for Few-Shot Image Classification

论文地址：https://arxiv.org/abs/1909.02729v2作者：Guneet S. Dhillon,Pratik Chaudhari,Avinash Ravichandran,Stefano Soatto发表：In ICLR, 2020.创新点：为小样本学习开发一个换能器微调基线（transductive fifine-tuningbaseline）提出了一个度量来量化少镜头事件的硬度和一种系统地报告不同小样本协议性能的方法在Imagenet-21...

2020-07-05 10:37:29 16674 5

原创论文阅读：A New Meta-Baseline for Few-Shot Learning

首先这篇论文提出了一种元基线 (Meta-Baseline)方法，通过在所有基类(base classes)上预先训练分类器，并在基于最近质心的少样本(few-shot)分类算法上进行元学习，实验结果大大优于目前最先进的方法（sota）。小样本学习(Fei-Fei等人，2006年；Vinyals等人，2016年)就被提出，当时因为直接学习大量的参数与很少的样本是非常具有挑战性的，而且很有可能导致过拟合，一个实际的解决是应用迁移学习。我们可以先在有足够样本的公共类（基类）上训练深度模型，然后将模型转移到仅

2020-06-27 10:36:25 5173 3

原创 BN层详解

批量归一化（BN：Batch Normalization：解决在训练过程中，中间层数据分布发生改变的问题，以防止梯度消失或爆炸、加快训练速度）1、为什么输入数据需要归一化（Normalized Data）？归一化后有什么好处呢？原因在于神经网络学习过程本质就是为了学习数据分布，一旦训练数据与测试数据的分布不同，那么网络的泛化能力也大大降低；另外一方面，一旦每批训练数据的分布各不相同(batch 梯度下降)，那么网络就要在每次迭代都去学习适应不同的分布，这样将会大大降低网络的训练速度，...

2020-05-11 10:18:13 54640 10

原创 E-R例题

https://www.docin.com/p-1009509597.html

2020-04-29 08:22:35 857

转载求最小依赖集

【例1】关系模式R<U，F>，U={A，B，C，D，E}，F={A→BC，ABD→CE，E→D}，求F的最小依赖集。第一步：F右边单一化得到F1={A→B，A→C，ABD→C，ABD→E，E→D}第二步：逐个去掉X→A依赖后，设剩下函数依赖集为G，求属性集X关于G的闭包，如果闭包包含右边属性A，则去掉该函数依赖。A→B：(A)+=AC，不包含B，保留。A→C：(A)+...

2020-04-28 09:27:07 10840 6

原创 CNN详解

原文链接：https://blog.csdn.net/rogerchen1983/article/details/79353861这几年深度学习快速发展，在图像识别、语音识别、物体识别等各种场景上取得了巨大的成功，例如AlphaGo击败世界围棋冠军，iPhone X内置了人脸识别解锁功能等等，很多AI产品在世界上引起了很大的轰动。在这场深度学习革命中，卷积神经网络（Convolution...

2020-04-22 10:59:06 1344 1

原创习题4-7 最大公约数和最小公倍数

本题要求两个给定正整数的最大公约数和最小公倍数。输入格式:输入在一行中给出两个正整数M和N（≤1000）。输出格式:在一行中顺序输出M和N的最大公约数和最小公倍数，两数字间以1空格分隔。输入样例:511 292输出样例:73 2044--------------------------------------------------------------...

2020-04-15 19:35:36 1608

原创习题4-5 换硬币

将一笔零钱换成5分、2分和1分的硬币，要求每种硬币至少有一枚，有几种不同的换法？输入格式:输入在一行中给出待换的零钱数额x∈(8,100)。输出格式:要求按5分、2分和1分硬币的数量依次从大到小的顺序，输出各种换法。每行输出一种换法，格式为：“fen5:5分硬币数量, fen2:2分硬币数量, fen1:1分硬币数量, total:硬币总数量”。最后一行输出“count = 换法个...

2020-04-14 18:54:10 470

原创素数判断

素数判定#include <stdio.h>int main(){ int n; int prime(); printf("input:"); scanf("%d",&n); if( prime(n)) printf("yes"); else printf("no"); } int prime(int num){ int i; ...

2020-04-12 15:21:10 1000

原创练习4-7 求e的近似值

自然常数e可以用级数1+1/1!+1/2!+⋯+1/n!+⋯来近似计算。本题要求对给定的非负整数n，求该级数的前n+1项和。输入格式:输入第一行中给出非负整数n（≤1000）。输出格式:在一行中输出部分和的值，保留小数点后八位。输入样例:10输出样例:2.71828180#include<stdio.h>double fun...

2020-04-11 20:51:01 628

原创 skimage

skimage提供了io模块，顾名思义，这个模块是用来图片输入输出操作的。为了方便练习，也提供一个data模块，里面嵌套了一些示例图片，我们可以直接使用。from skimage import io一、从外部读取图片并显示读取单张彩色RGB图片，使用skimage.io.imread（path_img）函数,path_img表示需要读取的文件路径。as_grey=True表示灰度化；...

2020-04-10 20:09:47 1332

原创习题10-8 递归实现顺序输出整数

本题要求实现一个函数，对一个整数进行按位顺序输出。函数接口定义：void printdigits( int n );函数printdigits应将n的每一位数字从高位到低位顺序打印出来，每位数字占一行。裁判测试程序样例：#include <stdio.h>void printdigits( int n );int main(){ int n;...

2020-04-08 16:30:32 8901 3

原创递归求阶乘和

#include <stdio.h>double fact( int n );double factsum( int n );int main(){ int n; scanf("%d",&n); printf("fact(%d) = %.0f\n", n, fact(n)); printf("sum = %.0f\n", fact...

2020-04-06 18:18:41 6424 2

原创判断满足条件的三位数

本题要求实现一个函数，统计给定区间内的三位数中有两位数字相同的完全平方数（如144、676）的个数。函数接口定义：int search( int n );其中传入的参数int n是一个三位数的正整数（最高位数字非0）。函数search返回[101,n]区间内所有满足条件的数的个数。裁判测试程序样例：#include <stdio.h>#include &l...

2020-04-04 16:42:17 1098 1

原创练习4-3 求给定精度的简单交错序列部分和

本题要求编写程序，计算序列部分和 1 - 1/4 + 1/7 - 1/10 + ... 直到最后一项的绝对值不大于给定精度eps。输入格式:输入在一行中给出一个正实数eps。输出格式:在一行中按照“sum = S”的格式输出部分和的值S，精确到小数点后六位。题目保证计算结果不超过双精度范围。输入样例1:4E-2输出样例1:sum = 0.854457输入...

2020-04-02 21:43:09 343

原创质因数分解

#include <stdio.h>int main(){ int n,i; scanf("%d",&n); printf("%d=",n); for(i=2;i<n;i++) if(n%i==0) { n=n/i; printf("%d*",i--); } printf("%d\n",n); return 0; ...

2020-04-01 19:45:27 163

原创字符串函数介绍

strcpy（字符串拷贝）#include <stdio.h>#include<string.h>int main(){ char string[10]; char *str="fsdfsdg"; strcpy(string,str);//将参数str字符串拷贝至参数dest所指的地址 printf("%s\n",string);}strcat(字...

2020-04-01 19:40:24 150

原创 C语言提取一个数的十位个位百位千位

#include<stdio.h>int main(){ int n = 123456; int unitPlace = n / 1 % 10;//个位 int tenPlace = n / 10 % 10;//十位 int hundredPlace = n / 100 % 10;//百位 int thousandPlace = n / 10...

2020-04-01 19:39:17 8252

原创习题8-8 判断回文字符串 (20分)

本题要求编写函数，判断给定的一串字符是否为“回文”。所谓“回文”是指顺读和倒读都一样的字符串。如“XYZYX”和“xyzzyx”都是回文。函数接口定义：bool palindrome( char *s );函数palindrome判断输入字符串char *s是否为回文。若是则返回true，否则返回false。裁判测试程序样例：#include <stdio.h&gt...

2020-03-29 18:16:05 2619

原创数据库系统概论（第十一章并发控制）

第十一章并发控制在单处理机系统中，事务的并行执行实际上是这些并行事务的并行操作轮流交叉运行。11.1 并发控制概述事务是并发控制的基本单位。并发控制的目的：保证事务的隔离性和一致性任务：对并发操作进行正确调度保证事务的隔离性保证数据库一致性并发操作带来的数据不一致性：1、丢失修改：读入同一数据并修改2、不可重复读：读第一次和读第二次的结果不一样，因为别人...

2020-03-29 16:50:45 4418

原创数据库系统概论（第十章数据库恢复技术）

第10章数据库恢复技术事务是一系列的数据库操作，是数据库应用程序的基本逻辑单元。事务处理（transaction processing）技术主要包括数据库恢复技术和并发控制技术。10.1 事务的基本概念1、事务所谓事务是用户定义的一个数据库操作序列，这些操作要么全做要么全不做，是一个不可分割的工作单位。事务和程序是两个概念，一般一个程序中包含多个事务。如果用户没有显式的定义事...

2020-03-27 11:02:27 6534

原创数据库系统概论（第九章关系查询处理和查询优化）

第9章关系查询处理和查询优化9.1 关系数据库系统的查询处理9.1.1 查询处理步骤关系数据库管理系统查询处理可以分为4个阶段：查询分析、查询检查、查询优化和查询执行查询分析：词法分析、语法分析查询检查：语义分析、是否有权限、是否破坏完整性、视图转换查询优化：代数优化（逻辑优化）和物理优化（基于规则、代价、语义），生成查询计划树查询执行：自底向上/自顶向下策略...

2020-03-26 10:15:07 3087

原创数据库系统概论（第八章数据库编程）

第8章数据库编程8.1 嵌入式SQL8.1.1 嵌入式SQL的处理过程（宿）主语言：被嵌入的程序设计语言，如C++、JAVA8.1.2 嵌入式SQL语句与主语言之间的通信1、SQL通信区向主语言传递SQL语句的执行状态信息，使主语言能够据此信息控制程序流程2、主变量SQL语句中使用的主语言程序变量，分为输入主变量和输出主变量。一个主变量可以附带一个任选的指示变量，指...

2020-03-25 09:28:06 1173

原创数据库系统概论（第七章数据库设计）

第7章数据库设计7.1 数据库设计概述数据库设计，广义的讲，是数据库及其应用系统的设计，即设计整个数据库应用系统，狭义的讲，是设计数据本身，即设计数据库的各级模式并建立数据库，这是数据库应用系统设计的一部分。数据库设计的一般定义数据库设计是指对于一个给定的应用环境，构造优化的数据库逻辑模式和物理结构，并据此建立数据及其应用系统，是指能够有效的存储和管理数据，满足各种用户的应用需求...

2020-03-24 15:55:51 13692