民航运输业和维修业开展人的因素(Human Factor)管理已经多年，对于改进民航运输安全取得了很好的效果。民航规章CCAR145和维修业质量体系标准AS9110C/EN9110:2018分别把开展人的因素管理作为要求，列入民航规章或对航空维修组织要求。适用于设计制造组织的AS9100D/EN9100:2018标准也首次把人的因素管理作为一项要求纳入了标准。人的因素的一个典型模型是Reason模
树模型主要有ID3、C4.5、C5.0、OC1以及CART等，使用最多的树模型为CART，sklearn中的决策树模型是基于CART的。在介绍树模型之前先介绍一下信息熵、信息增益以及GINi系数。信息熵：熵度量了事物的不确定性，越不确定的事物，它的熵就越大。信息增益：它度量了在知道当前特征之后类别的不确定性所减少的程度。信息增益越大不确定性减少的程度越大，对类别的确定越有利。基尼系数的性质与信息熵
转载
2024-05-18 16:38:51
104阅读
1.Actor模型 在使用Java进行并发编程时需要特别的关注锁和内存原子性等一系列线程问题，而Actor模型内部的状态由它自己维护即它内部数据只能由它自己修改(通过消息传递来进行状态修改)，所以使用Actors模型进行并发编程可以很好地避免这些问题，Actor由状态(state)、行为(Behav
转载
2018-08-13 09:42:00
377阅读
2评论
Select模型原理利用select函数，推断套接字上是否存在数据，或者是否能向一个套接字写入数据。目的是防止应用程序在套接字处于锁定模式时，调用recv（或send）从没有数据的套接字上接收数据，被迫进入堵塞状态。select參数和返回值意义例如以下：int select (IN int nfds...
转载
2014-07-02 14:52:00
199阅读
2评论
# StackStorm 原理与模型实现指南
## 目标
本指南旨在帮助初学者了解 StackStorm 的基本原理与模型，并为其实现提供清晰的步骤和代码示例。
## StackStorm 简介
StackStorm 是一个事件驱动的自动化平台，允许用户根据事件和时间表自动触发各种任务。它的核心组成部分包括：传感器、规则、操作和工作流。StackStorm 以围绕这些概念的模型为中心，在云
原创
2024-09-10 05:52:51
47阅读
LSTM网络结构 long short term memory，即我们所称呼的LSTM，是为了解决长期以来问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中，这个重复的结构模块只有一个非常简单的结构，例如一个tanh层。 LSTM也有与RNN相似的循环结构，但是循环模块中不再是简单的网络，而是比较复杂的网络单元。LSTM的循环模块主要有4个单元，以比较复杂
转载
2023-09-23 13:11:12
243阅读
Select模型原理利用select函数，判断套接字上是否存在数据，或者能否向一个套接字写入数
转载
2022-09-18 09:33:51
118阅读
理利用select函数，判断套接字上是否存在数据，或者能否向一个套接字写入数据。目的是防止应用程序在套接字处于锁定模式时，调用recv（或send）从没有数据的套接字上接收数据，被迫进入阻塞状态。 select参数和返回值意义如下：i
原创
2023-04-10 14:23:54
38阅读
事本系列文章 主要是 分享 思维模型，涉及各个领域，重在提升认知。晋升至无能。事1.1 S政府档案的故事米尼 是
闭环原理(Closed-Loop Principle)是一个重要的控制理论概念,它描述了控制系统中反馈机制的作用和重要性。这个原理的起源
本文探讨双层方法比单层方法具有具体的好处，并且这些好处是以迭代开发环境中的效率形式出现的。在优化Docker中的Spring Boot应用：单层镜像方法中，我们介绍了为Spring Boot应用构建Docker镜像的单层方法及其对CI/CD的影响。我提出了双层方法比单层方法有更大的好处，并且这些好处可以提高开发环境中的迭代效率。在这里，我们介绍一种使用Open Liberty中的新工具spring
2021SC@SDUSC OCR全称为Optical Character Recognition，即光学字符识别技术。PP-OCR是在飞浆Paddle平台上发布的一种实用的超轻量级OCR系统，该系统由文本检测、检测框校正和文本识别三部分组成。我负责文本检测的方向分类器部分的深入学习和探索。 PP-OCR系统选择CPU来提高计算效率，以满足处理大量图像的需求。具体工作流程为，图像先经过文字检
转载
2023-08-26 09:15:16
399阅读
贡献本文提出了一种从流式数据中估计item频率的新算法，通过理论推导，证明了该算法可以在无需固定item词表的情况下生效，并且能够产生无偏估计，同时能够适应item分布的变化。以解决热门商品在负样本采样时，采样次数过多而被过度惩罚。业内的主流方法和问题推荐领域中emb学习的挑战通常有两个：1）对于许多工业级别的应用来说item语料规模会相当大。2）采集自用户反馈的训练数据对许多item来说非常稀疏
转载
2024-02-04 01:23:27
319阅读
自Attention机制提出后，加入attention的Seq2seq模型在各个任务上都有了提升，所以现在的seq2seq模型指的都是结合RNN和attention的模型。之后google又提出了解决Seq2Seq问题的Transformer模型，用全attention的结构代替了lstm，在翻译任务上取得了更好的成绩。本文主要介绍《Attention is all you need》这篇文章，自
转载
2024-01-17 21:31:15
103阅读
算法体系：有监督学习：对数据的若干特征与若干标签（类型）之间的关联性进行建模的过程---分类任务：标签是离散值；回归任务：标签是连续值；无监督学习：对不带任何标签的数据特征进行建模---聚类算法：将数据分成不同组别；降维算法：用更简洁的方式表现数据；半监督学习：在数据不完整时使用；强化学习：系统靠自身的状态和动作进行学习，从而改进行动方案以适应环境；KNN：一、KNN算法原理本质是通过距离判断两个
转载
2024-04-05 09:18:36
106阅读
LSTM网络long short term memory，即LSTM，是为了解决长期以来问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中，这个重复的结构模块只有一个非常简单的结构，例如一个tanh层。 LSTM 同样是这样的结构，但是重复的模块拥有一个不同的结构。不同于单一神经网络层，这里是有四个，以一种非常特殊的方式进行交互。 图中使用的各种元素的图标： 每
转载
2024-06-04 05:32:39
101阅读
title: LSTM原理及实现 date: 2018-02-10 10:49:21 tags: categories: 深度学习 文章目录title: LSTM原理及实现 date: 2018-02-10 10:49:21 tags: categories: 深度学习LSTM网络LSTM核心思想逐步理解LSTM遗忘门输入门输出门LSTM变体多层LSTMLSTM实现手写数字设置LSTM参数初始
转载
2023-11-03 13:42:08
116阅读
Text-CNN模型作为文本分类模型，通过验证实验以及业界的共识，在文本分类任务中，CNN模型已经能够取到比较好的结果，虽然在某些数据集上效果可能会比RNN稍差一点，但是CNN模型训练的效率更高。所以，一般认为CNN模型在文本分类任务中是兼具效率与质量的理想模型。针对海量的文本多分类数据，也可以尝试一下浅层的深度学习模型FastText模型，该模型的分类效率更高。Text-CNN模型结构：Te
转载
2024-04-25 12:04:45
171阅读
摘要：
深度学习是指多层神经网络上运用各种机器学习算法解决图像，文本等各种问题的算法集合。卷积神经网络(CNN)是深度学习框架中的一个重要算法，本文介绍了CNN主流模型结构的演进过程，从一切的开始LeNet，到王者归来AlexNet，再到如今的CNN模型引领深度学习热潮。本文也将带领大家了解探讨当下与CNN模型相关的工业实践。
演讲嘉宾简介：
周国睿(花名：
转载
2024-08-08 12:11:23
78阅读
Attention 机制由 Bengio 团队于 2014 年提出，并广泛应用在深度学习的各个领域。而 Google 提出的用于生成词向量的 Bert 在 NLP 的 11 项任务中取得了效果的大幅提升，Bert 正是基于双向 Transformer。Transformer 是第一个完全依赖于 Self-Attention 来计算其输入和输出表示的模型，而不使用序列对齐的 RNN 或 CNN。更
