自从开始学习单片机，就跟着学长的指导，看江协科技的网课学。可以说是没走弯路。博主的教学让单片机的学习并不深奥。在前几章节中，只要紧跟视频中老师的节奏。就没有什么不理解的内容。但直到学到定时器这一块，的确是要比延时函数用起来方便得多，不会遇到卡在某一阶段的情况。但在看视频过程中，弹幕的叫难的确有令我感到恐慌。在第一次观看视频中，我对于定时器的配置还算理解，但直到后面搭配中断函数使用时便叫我犯了难。后
原创
2023-05-05 16:20:16
110阅读
转载:phpe.net
正则表达式的基本语法首先让我们看两个特殊的符号'^'和'$'。他们的作用是分别指出一个字符串的开始和结束。例子如下："^The"：表示所有以"The"开始的字符串（"There"，"The cat"等）；"of despair$"：表示所以以"of despair"结尾的字符串；"^abc$"：表示开始和结尾都是"abc"的字符串——呵呵，只有"abc
转载
精选
2006-11-20 14:27:33
847阅读
标题：Linux学习报告：探究红帽操作系统的优势与应用
摘要：本文通过对Linux学习的总结和对红帽操作系统的深入研究，探究了红帽操作系统的优势及其在实际应用中的价值。从稳定性、安全性、可靠性、灵活性等多个方面，阐述了红帽操作系统在企业级应用中的重要性和效果。同时，还介绍了红帽公司在开源社区的积极贡献，为整个Linux生态系统的繁荣做出了重要贡献。
正文：
一、引言
近年来，随着信息技术的
报告索引：本文将从数组概念、定义方式、分类、运用类型以及数组优缺点来说明。 1.数组概念： 数组是存储数据的容器，保证多个数据的数据类型一致，长度固定。 个人理解：创造一个空间存储数据，并且可按顺序输出所存储数据。 2.数组三种定义方式： （1）数据类型[ ]数组名称 = 数据类型 [长度[ （2） ...
转载
2021-11-01 00:25:00
98阅读
2评论
一、Windows安装java和pycharm安装allure插件pycharm安装allurepip3 install allure-pytestWindows安装javahttps://www.win7zhijia.cn/win10jc/win10_44536.html二、Allure用例描述Allure用例描述使用方法参数值参数说明@allure.epic()epic描述定义项目、当
原创
2022-08-08 21:47:05
397阅读
# Python学习交流报告
Python是一种广泛使用的高级编程语言，因其简洁易懂的语法和强大的功能而受到很多程序员的喜爱。本报告旨在通过交流学习经验及一些代码示例，帮助新手程序员深入理解Python的基础知识及应用场景。此外，我们还将使用Mermaid语法展示旅行图和甘特图，以使报告内容更具可视化效果。
## 学习目标
在开始之前，我们需要明确学习Python的目标。以下是一些常见的学习
JavaScript基础概念 JavaScript (ECMAScript) ：JavaScript 是脚本语言。JavaScript和ECMAScript通常被人用来表达相同的含义，但是JavaScript并不是这么一点含义，它是由ECMAScript 核心. DOM 文档对象模型. BOM 浏览 ...
转载
2021-10-10 00:36:00
1527阅读
2评论
# Python学习进度报告实现指南
## 介绍
在学习Python编程时，有时我们需要跟踪自己的学习进度，以便更好地管理和规划学习计划。一个Python学习进度报告可以帮助我们记录每个学习阶段的完成情况，并对未来的学习目标进行规划。本文将指导你如何使用Python代码来创建一个简单的学习进度报告。
## 整体流程
下面是创建Python学习进度报告的整体流程：
```mermaid
flo
原创
2023-09-15 17:40:02
81阅读
强化学习： 智慧决策的过程，通过过程模拟和观察来不断学习，提高决策能力 策略：在特定状态下应该怎么采取行动 目的：找到最佳策略，即能够获得最大奖励的策略 数学模型： 策略和目标： 在马尔科夫决策过程中，最终需要求解一个策略，他是行动和状态之间的映射 分为确定性策略和随机性策略 目标：最大化累计奖励的
原创
2021-07-23 15:28:19
116阅读
数学基础：凸函数与Jensen不等式 凸函数：弦在弧上 聚类：样本没有类别标签，一种典型的无监督学习方法 相同类的样本之间距离较近 不同类的样本之间距离较远 K-means模型 模型求解： 交替迭代法： 固定c优化r, 固定r优化c， 固定c，优化r 固定r，优化c K-Means算法流程 1，随机
原创
2021-07-23 15:29:31
104阅读
一，大数据的基本公式： 机器学习就是在获得很多组的x数据和y数据以后获得F映射的一个过程 深度学习是机器学习的一部分，就是在获得data后提取出x数据的过程 如果数据y用来模仿人类的行为，例如自动驾驶等，就称其为人工智能 二，机器学习方法分类： 1，有监督学习 就是数据y包含已经有的结果标签 用处：
原创
2021-07-23 15:29:42
486阅读
回归： 指用一个或多个自变量预测因变量的数学方法 一元线性回归： 模型为y=w1x+w0 目标是所有样本落在直线附近 多元线性回归： 多重共线性：变量之间存在较强的共线性，对参数估计得不准确，造成过度拟合的现象 LASSO系数压缩估计方法 误差：
原创
2021-07-23 15:29:43
236阅读
数据维度灾难需要降维 实际数据会有很多的维度，但对数据处理时，不能将所有数据的维度都当做一个参数，那样就会导致我们口中的维度灾难 那么，维度灾难该怎么处理呢 1主要成分分析 基本思想：构造原始特征的一系列线性组合形成的线性无关低纬特征，以去除数据的相关性，并使降维后的数据最大程度的保持原始高维数据的
原创
2021-07-23 15:29:32
124阅读
点到平面距离： 梯度下降法： 最大似然法： 如何做分类？ 感知机： 找到一条直线将两类数据分开 支持向量机： 找到一条直线将两类数据分开，还要使数据离直线尽可能的远 逻辑回归： 使观察到训练集的“可能性”最大 分类问题的评价指标：
原创
2021-07-23 15:29:34
116阅读
深度学习应用领域全面突破：机器翻译 语音识别等 神经元与感知机 多层感知机 多个神经元以全连接层次相连 网络称为前馈神经网络 也称多层感知机 多层感知机能够逼近任何函数 误差函数 梯度计算：后向传播BP： 前向传播计算误差，后向传播计算梯度 机器学习与深度学习之间差别
原创
2021-07-23 15:28:16
72阅读
维度灾难： 随着维度的增多，问题的复杂性（或计算代价）呈指数型增长的现象 基于距离的机器学习模型 稀疏度与过度拟合 过度拟合：模型对已知数据拟合较好，新的数据拟合较差 高维空间中样本变得极度稀疏，容易造成过度拟合问题 计算复杂度：决策树 随着维数的增加。计算复杂度指数增长 只能求近似解得到局部最优解
原创
2021-07-23 15:28:17
97阅读
机器学习的优化目标 一，梯度下降法 batch梯度下降法： 随机梯度下降SGD 线性衰减然后保持为常数 梯度爆炸和悬崖 解决方法：梯度阶段 启发式梯度截断干涉以减少步长 二，动量法 在参数更新时考虑历史梯度信息 Nesterov动量法
原创
2021-07-23 15:28:18
100阅读
一，模型提升方法 模型误差来源： 逼近误差 估计误差：训练到的函数与模型空间最好的函数的距离 线性到非线性模型： 线性回归：多项式回归 支持向量机 决策树：空间划分的思想来处理非线性数据 决策树的生成： 从根节点开始，选择对应特征 选择节点特征分割点 二，节点特征和分割点的选择 不纯度：表示落在当前
原创
2021-07-23 15:29:33
68阅读
1、总结ip分类以及每个分类可以分配的IP数量ip分类
A类 0NNNNNNN.xxxxxxxx.xxxxxxxx.xxxxxxxx
网络位 2^7-2=126 主机位 2^24-2
B类 10NNNNNN.NNNNNNNN.xxxxxxxx.xxxxxxxx
网络位 2^14=16384 主机位 2^16-2
C类 110NNNNN.NNNNNNNN.NN
原创
2021-05-14 19:24:02
1222阅读
在原本学习了c++的基础上，我学习了python，通过对基础知识的了解，还有在python中对程序的编写，我才意识到在如今的IT行业为什么python会超过其他的编码软件，成为更多人使用的软件，出现了“人生苦短，我用python”的语句。 而下面就是我在学习python时发现python的便捷： 1 ...
转载
2021-09-05 20:46:00
105阅读
2评论
