- 博客(52)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 Docker学习教程
Docker是一个开源引擎，可以轻松地为任何应用创建一个轻量级、可移植、自给自足的容器。开发者在笔记本上编译测试通过的容器可以批量地在生产环境中部署，包括VMs（虚拟机）、bare metal、OpenStack 集群和其他的基础应用平台，容器完全使用沙箱机制，相互之间没有任何接口。文章目录前言一、Docker 诞生背景二、准备工作1. CentOS8 安装 Docker2. 使用Linux命令管理 Docker 服务3. 背景知识：容器技术4. 背景知识：UnionFS联合文件系统三、基础知识1. D
2021-01-03 09:45:11
406
原创 自动机器学习AutoML
研究背景：随着深度神经网络的不断发展，各种模型和新颖模块的不断发明利用，人们逐渐意识到开发一种新的神经网络结构越来越费时费力，为什么不让机器自己在不断的学习过程中创造出新的神经网络呢？正是出于这个构思，2017年Google推出了AutoML，一个能自主设计深度神经网络的AI网络。自此，人工智能又有了更进一步的发展，人们开始探索如何利用已有的机器学习知识和神经网络框架来让人工智能自主搭建适合业务场景的网络，人工智能的另一扇大门被打开。
2020-11-01 09:24:09
5779
5
原创 20考研北理885软工经验贴——初试篇
写在前面：虽然成功上岸，但是仍有遗憾，写这篇文章的原因很简单，一方面想总结回顾一下自己考研的经历，一方面反思一下自己的不足之处。作为一名考研道路上的“二战狗”，经历了两次考研的洗礼，一战本校末流211初试302分，复试没能顺风逆袭一志愿被刷，二战北理初试387分，复试没能保留优势被逆袭。考研这条路说难不难，说简单也不简单，从准备考研开始就是一场信息战，成功上岸=努力+选择+运气，当然努力最重要，但是三者缺一不可。一、初试篇政治：北京地区70分的成绩也算是心满意足，选择题应该是42+，对于一名理科生来说
2020-05-26 19:35:58
2975
13
原创 Power BI DAX函数
数据分析表达式 (DAX) 是在 Analysis Services、Power BI 以及 Excel 中的 Power Pivot 使用的公式表达式语言。 DAX 公式包括函数、运算符和值，用于对表格数据模型中相关表和列中的数据执行高级计算和查询。
2023-05-30 17:31:11
1377
原创 Spring Cloud Gateway 网关组件及搭建实例
Spring Cloud Gateway 是 Spring Cloud 团队基于 Spring 5.0、Spring Boot 2.0 和 Project Reactor 等技术开发的高性能 API 网关组件。Spring Cloud Gateway 旨在提供一种简单而有效的途径来发送 API，并为它们提供横切关注点，例如：安全性，监控/指标和弹性。Spring Cloud Gateway 是基于 WebFlux实现的，而 WebFlux 框架底层则使用了高性能的 Reactor 模式通信框架 Netty。
2022-12-01 19:33:47
1794
原创 YAML文件格式
YAML 是 “YAML Ain’t a Markup Language”（YAML 不是一种标记语言）的递归缩写。在开发的这种语言时，YAML 的意思其实是：“Yet Another Markup Language”（仍是一种标记语言），为了强调这种语言，而不是以标记语言为重点，而用反向缩略语重命名。YAML 的语法和其他高级语言类似，并且可以简单表达清单、散列表，标量等数据形态。
2022-09-26 17:08:12
1057
原创 Spring Cloud Config 分布式配置组件
Spring Cloud Config 是由 Spring Cloud 团队开发的项目，它可以为微服务架构中各个微服务，可以将各个微服务的配置文件集中存储在一个外部的存储仓库或系统（例如 Git 、SVN 等）中，对配置进行统一管理，以支持各个微服务运行。Spring Cloud Config为分布式系统中的外部化配置提供服务器端和客户端支持，有了 Config 服务器，就有了一个中心位置来管理跨所有环境的应用程序的外部属性。
2022-09-23 11:23:37
360
原创 Spring Cloud Eureka 服务注册与发现组件
Spring Cloud 将 Eureka 与 Netflix 中的其他开源服务组件（例如 Ribbon、Feign 以及 Hystrix 等）一起整合进 Spring Cloud Netflix 模块中，整合后的组件全称为 Spring Cloud Netflix Eureka。Eureka 是 Spring Cloud Netflix 模块的子模块，它是 Spring Cloud 对 Netflix Eureka 的二次封装，主要负责 Spring Cloud 的功能。
2022-09-22 19:53:44
311
原创 日志框架Log4j的使用
Log4j是Apache下的一款开源的日志框架，通过在项目中使用 Log4J，可以控制日志信息输出到控制台、文件、甚至是数据库中。我们可以控制每一条日志的输出格式，通过定义日志的输出级别，可以更灵活的控制日志的输出过程，这些功能都可以通过一个配置文件进行灵活配置，不需要修改相应代码，方便项目的调试。...
2022-08-17 16:00:10
384
原创 Nginx安装与配置
之前由于项目原因安装了docker镜像，使用起来还是相对简洁易用的，这次准备安装之后好好体验一下Nginx的各大功能，所以又重新安装了正式版本，之后会将遇到的问题和后续的使用体验继续在本文进行更新。.........
2022-08-01 18:23:29
549
原创 五大经典管理学模型
桶队模型（bucket brigades）——最重要的物流模型是管理科学最奇妙的模型之一，1996年由乔治亚理工的John J. Bartholdi 和芝加哥大学的Donald D. Eisenstein提出，桶队（bucket brigades）是美国消防队常用的一个词，原意是指消防队提桶形成一个队列以传水救火。桶队模型是一种让工人在流水线达到自平衡的一种组织方式。桶队模型提出了一个协调规则，该规则可以协调一个生产线上的工人，这些工人能够达到自我平衡实现自组织，该规则不需要增加任何设备费用完全靠简..
2021-09-07 19:10:40
8003
1
原创 数据驱动背景下的设备故障预测及诊断方法
数据驱动背景下的设备故障预测一、设备故障预测1、基于可靠性模型的故障预测方法2、基于物理模型的故障预测方法3、基于数据驱动的故障预测方法三级目录一、设备故障预测设备故障预测是PHM（Prognostics Health Management，故障预测和健康管理）的组成部分，指的是根据系统现在或者历史性能状态预测性地诊断部件或者系统完成其功能的状态（未来的健康状态），包括确定部件或者系统的剩余寿命或者正常工作的时间长度，其中，剩余寿命的研究分为两种：一直是估计或预测平均剩余寿命，另一种是计算剩余寿命的概率
2021-09-04 15:53:19
23632
5
转载 读博期间的“自我”
初读之后，深感人生之不易，深造之不易，有幸能够在这篇文章中找到最深层次的情感，结构自己内心的渴望和无奈，转载至此，希望以后在迷茫时能够寻找到一丝动力。
2021-04-11 09:58:19
592
原创 剑指 Offer 06. 从尾到头打印链表
问题描述：输入一个链表的头节点，从尾到头反过来返回每个节点的值（用数组返回）。示例 1：输入：head = [1,3,2]输出：[2,3,1]限制：0 <= 链表长度 <= 10000/**解法一：递归法 * 利用递归，先递推至链表末端；回溯时，依次将节点值加入列表，即可实现链表值的倒序输出。 * 递归解析： * 终止条件： 当 head == None 时，代表越过了链表尾节点，则返回空列表； * 递推工作： 访问下一节点 head.next ； * 回溯阶段： * P
2021-03-31 10:08:26
114
原创 剑指 Offer 05. 替换空格
问题描述：请实现一个函数，把字符串 s 中的每个空格替换成"%20"。示例 1：输入：s = “We are happy.”输出：“We%20are%20happy.”限制：0 <= s 的长度 <= 10000// 解法：遍历添加/**算法流程 - 1.初始化一个 list (Python) / StringBuilder (Java) - 2.遍历列表 s 中的每个字符 c ：使用append方法进行字符替换 - 当 c 为空格时：向 res 后添加字符串 "%20"
2021-03-29 22:03:07
108
原创 年度小结
不知不觉2020已经走过了寒春、盛夏、凉秋、暖冬，第四十篇博文就留给这注定不平凡的一年，作为码龄四年的新人，刚刚接触CSDN还是在大二的时候，当时看着一位位大佬对专业技术信手拈来，好不羡慕，四年说长不长说短不短，看着好多大佬淡出视野，博文内容越来越宽泛，不由得有一丝悲悯之情。...
2020-12-29 11:52:17
131
原创 函数逼近
1、曲线拟合：又称为函数逼近，也是求近似函数的一类数值方法，它不要求近似函数在节点处与函数同值，即不要求近似曲线过已知点，只要求尽可能反映给定数据点的基本趋势。2、假设a_0,a_1已经确定，y_i* =a_1x+a_0是由近似函数得到的近似值，它与观测值y_i之差成为残差，残差的大小可以作为衡量近似函数好坏的标准。常用的准则有以下三种：(1)使残差的绝对值之和最小，即∑|δ_i|=min；(2)最佳一致逼近——使残差的最大绝对值最小，即max|δ_i|=min；(3)最佳平方逼近——使残差的.
2020-12-15 20:18:51
5482
原创 朴素贝叶斯法及算法实现
1、朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法，对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。该方法的实现比较简单，学习和预测的概率都很高，是一种常用的方法。2、基本方法：设输入空间χ⊆Rn为n维向量的集合，输出空间为类标记集合γ={c_1,c_2,…,c_k}。输入为特征向量x∈χ，输出为类标记y∈γ，X为定义在输入空间χ上的随机向量，Y为定义在输出空间γ上的随机变量。训练数据集T={(.
2020-12-13 21:29:50
1370
原创 插值法
1、问题提出：生产实践中往往出现的问题是，给出一批离散样点，要求作出一条通过这些点的光滑曲线，以便满足设计要求或者进行加工，反映在数学上，即已知函数在一些点上的值，寻求它的分析表达式。因为由函数的表格形式不能直接得出表中未列点处的函数值，也不便于研究函数的性质；此外虽然有些函数有表达式，但因式复杂，不易计算和进行理论分析，也需要构造一个简单函数来近似它。解决方法：（1）插值法——给出函数f(x)的一些样点值，选定一个便于计算的函数形式，如多项式、分式线性函数及三角多项式等，要求它通过已知样点，由此确定.
2020-12-09 21:32:05
25459
原创 幂法和反幂法
1、工程实践中有多种振动问题，如桥梁或建筑物的振动，机械机件的振动，飞机机翼的颤动等，还有一些稳定性分析及相关性分析问题，都可以转化为求矩阵特征值与特征向量的问题。2、幂法是求矩阵最大模的特征值和相应特征向量的有效而简单的方法，特别适用于大型矩阵或稀疏矩阵，也是计算矩阵谱半径的有效方法，但是它的收敛速度是线性的，一般使用原点位移法或者Aitken外推加速技术加速收敛。方法提出——设n x n阶实矩阵A的特征值λ_i满足| λ_1 | ＞| λ_2 | ≥ … ≥ | λ_n |， 且与λ_i相应的特征
2020-12-08 20:13:46
8252
原创 无监督学习研究综述
1.无监督学习：根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习，“监督”的意思可以直观理解为“是否有标注的数据”。2.无监督学习的特点是，传递给算法的数据在内部结构中非常丰富，而用于训练的目标和奖励非常稀少。无监督学习算法学到的大部分内容必须包括理解数据本身，而不是将这种理解应用于特定任务。让机器自己去“学习”如何做——让机器具备人工智能的前提，需要我们用一定量的数据集对机器进行“训练”。如果机器能够根据一些狗狗的图片（训练数据），推演识别出各种类型和状态（包括卡通狗.
2020-12-06 17:12:56
10104
2
原创 解线性方程组的方法
1、解线性方程组的方法大致可以分为两类：直接方法和迭代法。直接方法是指假设计算过程中不产生舍入误差，经过有限次运算可求得方程组的精确解的方法；迭代法是从解的某个近似值出发，通过构造一个无穷序列去逼近精确解的方法。2、消去法：Gauss（高斯）消去法——是最基本的和最简单的直接方法，它由消元过程和回代过程构成，基本思想是：将方程组逐列逐行消去变量，转化为等价的上三角形方程组（消元过程）；然后按照方程组的相反顺序求解上三角形方程组，得到原方程组的解（回代过程）。优缺点：简单易行，但是要求主元均不为0，.
2020-12-02 18:27:50
41196
原创 通过Dockerfile构建镜像并发布web项目
1.前置准备工作：准备好所需要的jdk 、tomcat和maventar -xzvf apache-maven-3.6.3-bin.tar.gz # 解压安装包sudo gedit /etc/profile # 打开系统配置文件，配置环境变量source /etc/profile # 让配置生效配置环境变量查看软件版本2.编写DockerfileFROM centos:7MAINTAINER amominiCOPY ./jdk/jdk1.8.0_271
2020-11-24 18:31:40
653
原创 区块链技术发展调研
1、区块链：从本质上讲，它是一个共享数据库，存储于其中的数据或信息，具有“不可伪造”、“全程留痕”、“可以追溯”、“公开透明”、“集体维护”等特征。基于这些特征，区块链技术奠定了坚实的“信任”基础，创造了可靠的“合作”机制，具有广阔的运用前景。2、区块链的起源：区块链起源于比特币，2008年11月1日，一位自称中本聪(Satoshi Nakamoto)的人发表了《比特币:一种点对点的电子现金系统》一文 ，阐述了基于P2P网络技术、加密技术、时间戳技术、区块链技术等的电子现金系统的构架理念，这标志着比
2020-11-14 15:56:16
1076
1
原创 Auto-Keras：一种高效的神经架构搜索系统
【背景知识】1、NASNet：NASNet学习的是完整网络中被堆叠、被重复使用的网络单元。为了便于将网络迁移到不同的数据集上，我们需要学习两种类型的网络块：（1）Normal Cell：输出Feature Map和输入Feature Map的尺寸相同；（2）Reduction Cell：输出Feature Map对输入Feature Map进行了一次降采样，在Reduction Cell中，对使用Input Feature作为输入的操作（卷积或者池化）会默认步长为2。NASNet网络单元的计算分为5
2020-11-10 15:03:39
1418
1
原创 k近邻法及算法实现
1、k近邻法（k-nearest neighbor，k-NN）是一种基本分类与回归方法，该方法的输入是实例的特征向量，对应于特征空间的点，输出是实例的类别。刚开始给定一个训练数据集，其中的实例类别已定，分类时对新的实例会根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。k近邻法不具有显式的学习过程，实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”，k值的选择、距离度量以及分类决策规则是k近邻法的三个基本要素。2、k近邻算法的定义：给定一个数据集，对新的输入实例，在训练数据集
2020-10-24 09:19:43
1478
原创 感知机及算法实现
1、感知机二类分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取+1和-1二值，感知机对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。感知机学习算法具有简单、易于实现的优点，分为原始形式和对偶形式，感知机预测是用学习到的感知机模型对新的输入实例进行分类。2、感知机：假设输入空间（特征空间）是X⊆R，输出空间Y={+1，-1}，输入x∈X表示
2020-10-21 14:45:05
1220
原创 统计学习方法概论
1、统计学习（statistical learning）也称为统计机器学习，是关于计算机基于数据构建概率统计模型并运用模型对数据进行分析预测的一门学科，主要特点有：统计学习以计算机及网络为平台，建立在计算机及网络上；统计学习以数据为研究对象，是数据驱动的学科；统计学习的目的是对数据进行预测分析；统计学习以方法为中心，构建模型并应用模型进行分析预测；统计学习是概率论、统计学、信息论、计算理论、最优化理论及计算机科学等多个领域的交叉学科，并且在发展中逐步形成独自的理论体系与方法论；2、统计学习的
2020-10-18 10:28:05
524
1
原创 python基础知识的回顾整理
学习目标：对python基础知识进行回顾，进行个人总结反思，掌握基本语法结构和算法，为进一步深入学习python做准备。学习内容：提示：这里可以添加要学的内容例如：1、 数据类型2、 变量3、 print()函数、input()函数、format()函数、int()函数、range()函数4、 注释5、 运算符：算术运算符、比较运算符、赋值运算符、逻辑运算符6、流程控制学习总结：1、 数据类型：int - 整数：数学意义上的整数，可以是正整数或负整数，不带小数点；floa
2020-08-28 11:34:33
251
原创 Linux基础知识
1、常用命令：ls——查看目录中的内容，ls -a 列出目录所有文件，包含以.开始的隐藏文件，ls -A 列出除.及. .的其它文件，ls -S 以文件大小排序，ls -l 除了文件名之外，还将文件的权限、所有者、文件大小等信息详细列出来；cd——进入目录，**cd. .**可以回到上一级目录，类似 Windows 的「向上」，cd - 表示回到上一次所在的目录，类似 Windows 的「后退」，cd ~ 表示回到当前用户的主目录，类似 Windows 的「回到桌面」，cd / 表示进入根目录，它是一
2020-08-23 17:40:46
522
原创 深度学习相关知识
1、深度学习：是加深了层的深度神经网络，基于之前的网络只需要通过叠加层就可以创建深度网络，比如进行手写数字识别的深度CNN，使用He初始值作为权重的初始值，使用Adam更新权重参数，识别精度能达到99%以上，具有以下特点：基于3x3的小型滤波器的卷积层；激活函数是ReLU；全连接层后面使用Dropout层；基于Adam的最优化；使用He初始值作为权重初始值。2、提高识别精度的技术：集成学习、学习率衰减、Data Augmentation（数据扩充）等都有助于提高识别精度，尤其是数据扩充技术在
2020-08-10 11:25:49
276
原创 浅谈卷积神经网络CNN
1、卷积神经网络CNN （Convolutional Neural Network）：被广泛应用于图像识别、语音识别等场合，在图像识别比赛中，基于深度学习的方法几乎都以CNN为基础。CNN中新增卷积层（Convolution层）和池化层（Pooling层），连接顺序变成了“Convolution-Relu-Pooling（有时可以省略）”，而输出层的前一层依旧使用“Affine-ReLU”组合。2、全连接：神经网络相邻层的所有神经元之间都有连接，输出的数量可以任意决定，比如Affine层。全连接层所存在的
2020-08-08 10:58:05
790
原创 与“学习”相关的优化技巧
1、参数更新：最优化即解决寻找最优参数的问题，神经网络进行最优化比较困难是因为参数空间非常复杂，无法轻易找到最优解。为了寻找最优参数，将参数梯度作为线索，使用参数梯度沿着梯度方向更新，并不断重复直至逐渐靠近最优参数的过程称为随机梯度下降法SGD，除此之外还有其他最优化方法。2、随机梯度下降法SGD：把需要更新的参数记为W，把损失函数关于W的梯度记为偏导，η表示学习率，用右边的值来更新左边的值朝着梯度方向前进一定距离。class SGD: def __init__(self,lr=0.01):
2020-08-01 11:10:50
213
原创 神经网络之误差反向传播法
1、计算图：将计算过程用数据结构图表示，通过多个节点和边表示，节点用O表示，O中是计算内容，将计算的中间结果写在箭头上方，表示各个节点的计算结果从左向右传递。用计算图解题的流程即：①构建计算图；②在计算图上从左向右进行计算（正向传播，从计算图出发点到结束点的传播，反向传播正好相反）。2、计算图的优点：①计算图可以集中精力于局部计算，从而简化问题，无论全局计算多么复杂，各个步骤所要做的就是对象节点的局部计算，通过传递它的计算结果，可以获得全局的复杂计算结果。②可以通过反向传播高效计算导数，反向传播使用与
2020-07-29 17:31:21
2295
原创 神经网络之学习过程
1、神经网络的学习：指的是从训练数据中自动获取最优权重参数的过程。学习的目的是以损失函数为基准，找出能使它的值达到最小的权重参数，采用函数斜率的梯度法可以找出尽可能小的损失函数的值。2、从数据中学习：...
2020-07-26 17:33:25
2679
原创 神经网络之入门基础
1、神经网络：一个重要性质是它可以自动从数据中学习到合适的权重参数，用图表示神经网络的话，最左边的一列称为输入层，最右边的一列称为输出层，中间的一列称为中间层（也称隐藏层）。一般而言，“朴素感知机”是指单层网络，指的是激活函数使用了阶跃函数（一旦输入超过阈值，就切换输出的函数）的模型；“多层感知机”指神经网络，即使用sigmoid函数等平滑的激活函数的多层网络。2、激活函数：将输入信号的总和转换为输出信号，作用在于决定如何来激活输入信号的总和，通常可以分为两个阶段进行，首先通过a=b+w1x1+w2x2计
2020-07-24 10:24:13
990
1
STM32F10xxx_Library_库函数（中文版）.pdf
2020-08-27
STM32中文参考手册.pdf
2020-06-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人