- 博客(44)
- 资源 (9)
- 收藏
- 关注
RSS订阅
原创 实现抓取arduino上的串口数据
一开始用arduino ide写一些传感器代码，但是后来发现一个问题：就是用arduino ide写的代码只能将代码烧进板子里，而串口监视器是别人写好的，只能读出串口数据。那么： 如果你要获得串口上的数据，用来干一些事时该怎么办呢（比如与后台连接） 作为一个新手我总结了2种方法： 1.就是之前一直使用的方法：用esp8266模板将数据传上物联网（一直在用wemos...
2018-06-10 21:40:17
17908
2
原创 用arduino做一个有显示屏的温湿度感应装置
实验器材：1.装有arduino IDE笔记本一台。2.dht11温湿度感应器。3.1602液晶显示器。4.电阻。5.导线若干。6.面包板。首先先来看看1602液晶显示器和dht11的工作原理1602LCD主要参数：显示容量16*2工作电压：4.5-5.5V（最佳5.0）引脚参考LCD1602的官网介绍。dht11：产品名：温湿...
2018-04-16 18:03:20
17091
13
原创 用arduino做一个光控灯
实验器件：带有arduino ide的电脑一台； Arduino板一个； 光敏开关一个； 导线若干； led灯一个； 电阻2个； 光敏传感器的工作原理：光传感器是利用光敏元件将光信号转换为电信号的传感器，它的敏感波长在可见光波长附近，包括红外线波长和紫外线波长。光传感器不只局限于对光的探测，它还...
2018-03-29 16:02:49
15626
原创 go语言实现装饰器
装饰器作为一种特殊的设计模型，它可以让其他函数在不需要做任何代码修改的前提下增加额外功能，是面向切面编程思想的典型，在日志插入、性能测试、事务处理、缓存、权限校验等场景中应用广泛。有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码到装饰器中并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。
2023-03-10 13:52:01
365
1
原创 【知识图谱】Neo4j GDS（Graph Data Science）安装和使用
Neo4j Graph Data Science （GDS）图算法用于计算图、节点或关系的度量。它们可以提供关于图中相关实体（中心性、排名）或社区等固有结构（社区检测、图分区、聚类）的见解。许多图算法都是迭代方法，经常使用随机游动、广度优先或深度优先搜索或模式匹配遍历图进行计算。由于可能的路径随着距离的增加呈指数增长，许多方法的算法复杂度也很高。幸运的是，优化算法已经存在，它们利用了图形的某些结构，将已经探索过的部分记忆起来，并将操作并行化。官方文档：https://neo4j.com/doc
2022-02-26 19:23:13
4835
3
原创 【论文解读】A Frustratingly Easy Approach for Entity and Relation Extraction
Abstract 对于实体识别和关系抽取的联合任务，大多数使用结构化预测模型或共享参数。 而作者使用一个简单的流水线模型实现。方法使用两个独立的编码器，关系抽取的输入仅仅是实体识别的结果。 通过实验，验证了学习实体和关系的不同上下文表示、融合关系模型中的实体信息和整合全局上下文的重要性。（也就是说在关系模型中加入实体信息的重要性） 最后，提出了一个有效的近似方法，它只需要在推理时通过实体和关系编码器，实现8-16倍的加速，而精度略有降低 Introduction
2021-07-12 11:19:59
2930
原创 【知识图谱】哈工大ltp工具包的安装和使用
LTP（Language Technology Platform） 提供了一系列中文自然语言处理工具，用户可以使用这些工具对于中文文本进行分词、词性标注、句法分析等等工作。官方教程：https://github.com/HIT-SCIR/ltp/blob/master/docs/quickstart.rst官方文档：http://ltp.ai/docs/appendix.html安装与pyltp不同，ltp4无需安装繁琐的vc环境，也不用考虑python版本对轮子兼容的问题。pip insta.
2021-03-25 11:00:36
11539
26
原创 【知识图谱学习】知识图谱搭建医疗问答系统
通过知识图谱我们可以构建一个简单的医疗问答系统。在问答过程中可以方便的检索问题。GitHub：https://github.com/cshmzin/zstp-project/tree/main/%E5%8C%BB%E7%96%97%E6%9C%BA%E5%99%A8%E4%BA%BA实验环境neo4j数据库py_aho_corasick模块简介数据提取模块（从互联网获取数据）知识图谱数据库构建模块（将数据清洗构建知识图谱）节点匹配模块（匹配节点获取关系）问题匹配模块（匹配问题构建查.
2021-03-23 18:41:12
1233
原创 【知识图谱学习】Neo4j与python实验测试
安装py2neo为了让python与Neo4j相连，需要安装python中的py2neo库：pip3 install py2neo开始实验测试本次实验测试主要建立一个有关（购买方，价格，销售方）3元关系的数据库，数据库存储在表格之中。如图所示：提取数据首先我们需要将表格中的数据提取出来：class Datas(): def __init__(self): self.path = 'Invoice_data_De...
2021-03-22 19:48:29
352
1
原创 【知识图谱学习】Neo4j数据库实战
Neo4j简介：Neo4j是一个高性能的NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络（从数学角度叫做图）上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。程序员工作在一个面向对象的、灵活的网络结构下，而不是严格、静态的表中。但是他们可以享受到具备完全的事务特性、企业级的数据库的所有好处。Neo4j因其嵌入式、高性能、轻量级等优势，越来越受到关注。.
2021-03-22 19:47:11
439
原创 【知识图谱学习】知识图谱相关技术
文本数据分析在文本数据中我们要将非结构化文本数据转化成结构化文本数据，所以需要运用自然语言处理的大量技术：基础的nlp技术：实体识别语义标签抽取二元关系抽取多元关系抽取进阶nlp技术：实体统一指代消解graph embedding知识融合将特征进行融合，得到最终的向量。（文本，图片，视频，声音）图数据库neo4j：与python交互容易,上手轻松，应用方便。...
2021-03-22 19:45:28
146
1
原创 【知识图谱学习】知识图谱介绍及其应用
【知识图谱学习】知识图谱介绍及其应用知识图谱（Knowledge Graph），在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱，是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。总而言之，
2021-03-22 19:42:33
796
1
原创 BERT实战：实现多分类
前面以及介绍过bert的理论知识，以及它相应的实现方法，那么让我们通过实战加深对bert的了解。我们将通过bert实现一个文本多分类任务，具体是kaggle上的一个真假新闻的任务。具体如下：文件地址：https://www.kaggle.com/c/fake-news-pair-classification-challenge/data 模型形式：BERT + Linear Classifier参考链接：LeeMeng - 進擊的 BERT：NLP 界的巨人之力與遷移學習参考博客：Simple.
2020-11-30 16:50:05
6079
10
原创 【论文解读】NER任务中的MRC（机器阅读理解）
论文：https://arxiv.org/pdf/1910.11476v6.pdf前沿：在之前的NER任务中常常分为两种：nested NER和 flat NER。从直观的角度来看，nested NER考虑到了实体嵌套问题。发展：flat NER的任务通常形式化为序列标记任务：序列标记模型，但是这种序列标记的模型无法考虑到实体嵌入关系问题。如中国移动是一个公司实体，而中国是一个国家实体，在flat NER中可能只能提取出中国移动整体却忽视了中国这个部分。考虑到这个问题后，.
2020-11-30 16:49:11
2792
原创 Word2vec And Doc2vec - 文本向量化
word2vec 与 doc2vec的区别:两者从字面意思上就可以大致判断出区别来，word2vec主要针对与单词，而doc2vec主要针对于文本：顾名思义，Word2Vec是在单个单词上训练的，而Doc2vec是在可变长度的文本上训练的，因此，每个模型可以完成的任务是不同的。使用Word2Vec，您可以根据上下文预测单词，反之则可使用Vera，而使用Doc2vec则可以测量完整文档之间的关系。概述:文本向量化是自然语言处理中的基础工作，文本的表示直接影响到了整个自然语言处理.
2020-11-29 19:07:39
3677
原创 Simple to HMM and CRF
HMM（隐含马尔可夫模型）HMM参数中文分词为例：隐藏（状态）序列：词语的词性 States = {B，M，E，S}观察序列：每个词语（小明 ，去，学校，了）状态转移矩阵A,其中第i行j列表示状态i转移到状态j的概率（转移概率）状态序列到观察序列的分布矩阵B，即每个单词为某一次性的概率（发射概率）这个时候我们就完成了训练阶段的参数估计，得到了三个概率矩阵：TransProbMatrix: 转移概率矩阵(array_A)EmitProbMatrix: 发.
2020-11-29 19:06:54
138
原创 LSTM长短期记忆循环神经网络详解
一句话，有时候单独拎出来难以理解，而放在整篇文章中，我们则容易通过联系上下文理解。什么叫联系上下文理解，就是把前文信息联系结合到当前语句上，这也是RNN的关键。基本概念：维基百科RNN(Recurrent Neural Networks)Rnn本质是一个循环神经网络结构，将其展开，会得到一个序列结构，上一次的输出会作为下一次的输入（即前面的输入将会对后面的输入产生影响）。这种链式的特征揭示了 RNN 本质上和序列相关，因而很适合处理语音，文本，这种序列数据。基本概念：维基百科.
2020-11-29 19:06:17
1605
原创 GRU：Lstm的变体
在学习GRU之前应该先学习LSTM的原理，因为GRU就是Lstm的变体，而GRU以轻便简洁的优势应用于更多的场合。原论文GRU结构和LSTM不同，GRU主要由两个门组成：重置门，更新门。大概思路和LSTM相似，主要是将需要的信息获取，而舍弃不需要的信息。但GRU的结构更加简单，参数相比与LSTM要少很多。r用来重置，z用来更新（同样使用sigmoid激活函数）：将重置分类r与h相乘与x拼接后得到重置的新信息~h：更新分类控制新信息中需.
2020-11-29 19:05:41
396
原创 seq2seq 和 attention：编码译码器与注意力机制
seq2seq简介Seq2seq将输入序列转换为输出序列。它通过利用循环神经网络（递归神经网络）或更常用的LSTM、GRU 网络来避免梯度消失问题。当前项的内容总来源于前一步的输出。Seq2seq主要由一个编码器和一个解码器。 编码器将输入转换为一个隐藏状态向量，其中包含输入项的内容。 解码器进行相反的过程，将向量转换成输出序列，并使用前一步的输出作为下一步的输入。维基百科：https://zh.wikipedia.org/zh-hans/Seq2seq通过最简单的.
2020-11-29 19:04:13
481
原创 【论文解读】Attention is All you need
地址：1706.03762v5.pdf (arxiv.org)abstrat作者在abstract中先是简述了一种传统的翻译模型：encoder and decoder + Attention注意力机制(回顾：Simple to seq2seq And attention | Ripshun Blog)，然后引出了他们新的简单网络模型：Transformer，在实验中Transfromer有了很高的表现：28.4BLEU 在WMT2014 English to Germen4.
2020-11-29 19:02:58
574
原创 Pre-training in nlp
什么是预训练：AI 中的预训练是指使用一个任务训练模型，以帮助它形成可用于其他任务的参数，从而节约大量的时间和资源。（站在巨人的肩膀上解决问题）训练前的概念受到人类的启发。由于天生的能力，我们不必从零开始学习所有东西。相反，我们转移和重用我们过去学到的旧知识，以了解新知识并处理各种新任务。在人工智能中，训练前模仿人类处理新知识的方式。即：使用以前学习过的任务的模型参数初始化新任务的模型参数。这样，旧知识可帮助新模型从旧经验而不是从零开始成功执行新任务.nlp中的预训练发展过程：.
2020-11-29 19:01:54
180
原创 BERT：nlp领域跨时代的预训练模型
2018年是nlp重大改革的一年，bert的横空出世使得未来nlp的发展有利跨时代的进步，其在多个领域的完美成功使nlp研究方向有了很大的改变，一直到现在很多比赛的榜单都是由bert或者其畸形霸占。本文让我们简单了解bert，看看它是如何达到如此成就的。Bert：bert其实并没想象中的那么复杂，只要了解其中的几个知识点和两幅图便可以知晓它的原理和思想。而bert与其他网络之间也有很多参考和改变，详细见前篇博客：Pre-training in nlp | Ripshun Blog知.
2020-11-29 19:00:17
420
原创 BERT实战：中文命名实体识别
使用bert实现的一个NER10标签任务github：nlp-code/bert命名实体识别.ipynb at main · cshmzin/nlp-code (github.com)bert介绍博客：Simple to Bert | Ripshun Blog数据集来源：CLUE官网（细粒度NER任务）获取数据：# 获取数据import jsontrain_data = []dev_data = []test_data = []for line in open(.
2020-11-29 18:57:36
3481
3
原创 微信小程序开发三：简单获取api数据
继上一节的，着节主要讲怎样获取api的值，以及轮播图的设置。1.网上申请api因为接着上一节的nba球员数据，这一节获取nba新闻，而发现网上正好有这个api，所以顺手就拿来用了：https://www.tianapi.com/apiview/82.获取api数据其实获取api数据方法和第一节的类似：onLoad: function (options) { ...
2020-03-20 23:36:34
2772
1
原创 微信小程序开发二：实现表单的分页，排序，搜索功能
前言：上节已经说了基本的数据传递操作，这节就使用操作完成基本的功能。1.建立表单(挺简单的不做介绍)：wxml:<view class = "table"> <view class = "tr" > <view class="th_c" bindtap="bindpoint">得分排行</view> <vie...
2020-03-19 16:19:04
2245
原创 微信小程序开发一：实现与django后台的数据传输
了解开发的具体结构:可以将微信小程序看为网页端（前端），及需要后台和服务器与其搭配实现功能。在后台的选择中，现在流行的有java，python等等，各有其优点，再次选择较为简单python作为开发的后台。实现后台接口：1.建立django开发结构：这个步骤不做详细说明：安装pycharm建立web项目即可（当然也可以使用终端命令完成）2.建立数据模块：在此建立一个NBA...
2020-03-19 15:50:38
5444
6
原创 python--MLP神经网络实现手写数字识别
概述 神经网路顾名思义将生物的神经系统中的兴奋与抑制比作计算机中的0和1知识点：神经网络原理 神经网络中的非线性矫正 神经网络参数设置 参数设置 重要参数：activation：隐藏单元进行非线性化的方法，一共4总：identity，logistic，tanh，relualpha：正则化参数，默认为0.0001，参数越大算法越简单hidden_layer_s...
2019-06-25 23:18:07
4926
原创 决策树与随机森林python机器学习--实现工资推算
决策树的概念： 顾名思义以树的形式判断决策，实质上和一个‘读心术’的游戏类似，提问者可以问n个问题，回答者只能回答是和否，通过n次的回答，最终得到结论。 决策树的构建： import numpy as np#导入画图工具import matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormap...
2019-06-24 09:13:31
1524
2
原创 python——方便数的据存储模式Bunch
现在随着人工智能机器学习的快速发展，对数据的处理也有了很高的要求大家在网上爬取或者自己创建的数据一般都是json格式但是使用原本的字典，列表方式提取数据时会感到有些麻烦。参考机器学习中sklearn中datas储存数据的方式发现了一种方便的模块--Bunch，于是之后便一直使用...... 安装bunch库： pip3 install bunch 引用bu...
2019-06-23 19:41:49
2224
原创 朴素贝叶斯算法python
一.基本概念朴素贝叶斯算法的工作原理主要是概率论和数理统计通过属性对分类的影响程度，所展现不同的结果二.简单运用import numpy as npX= np.array([ [0,1,0,1], [1,1,1,0], [0,1,1,0], [0,0,0,1], [0,1,1,0], ...
2019-06-23 18:53:50
753
原创 广义线性模型python
一.常用线性模型：线性回归 正则化线性模型-岭回归 套索回归二.线性模型的图形化表示：coef_ 求系数 intercept_ 求截距##糖尿病测试from sklearn.datasets import load_diabetesfrom sklearn.model_selection import train_test_splitfrom sklearn.linear...
2019-06-23 18:39:33
1311
原创 K最近邻算法-python
K最近邻算法正如名字本身所说--近朱者赤近墨者黑1.需要逐步掌握：K最邻近算法处理2元分类 K最邻近算法处理多元分类 K最邻近算法的回归分析 K最邻近算法的实例2.所用模块：#导入数据集生成器from sklearn.datasets import make_blobs#导入knn分类器from sklearn.neighbors import KNeighborsC...
2019-06-23 18:00:12
491
原创 python机器学习基础简介
一.入门指导：1.从一种语言开始目前人工智能方向最火的也就是python了。2.熟悉基本概念 有监督学习与无监督学习的区别 分类与回归的含义 过拟合与欠拟合的现象 3.常见算法K最近邻算法，线性模型，朴素贝叶斯，决策树，随机森林，SVMs，神经网络二.一些必要的库：包括：Numpy,Scipy,matplotlib,pandas,IPyt...
2019-06-23 17:36:02
1401
原创 linux文件权限
相信很多人在使用Linux中遇到权限不足的问题。今天我就总结一下Linux中权限是怎么一回事。一.通过 ls -al命令可以查看文件的全部属性。二.图中第一个属性为文件的权限，第三个属性为用户组。第一个字符表示这个文件的类型：d为目录。-为文件。l为链接文件。b为接口设备。c为端口设备。后面字符可以分为3组：rwx分别表示：可读，可写和可执行。...
2018-08-06 18:50:25
215
原创 用wemos连接mq135在手机上显示空气质量
准备材料：unoide软件esp8266库（网上很多相关配置）wemosd1mq135空气质量检测仪器网络调试的手机软件mq135：共有4个引脚，分别为AOUT DOUT GND和VCC。主要使用了3个脚：AOUT接为模式上的逻辑接口，A0；GND和VCC分别接地和5V电压。主要代码为：#include <ESP8266WiFi.h>...
2018-04-30 13:37:03
1693
10
原创 用51单片机做一个简单加法器
在做完流水灯后就可以尝试做一个结合数码管和按键结合的简单加法器我所用的是sct89c51单片机此单片机有3个数码管，可以通过2个key按键控制1key个选择数码管，另为一个调整数码管的显示代码如下：#include <reg52.h>#define uint unsigned int#define uchar unsigned charsbit w1=P1^0;sbit w2=P1^1...
2018-03-28 16:45:16
9488
原创 如何用单片机做一个简单的流水灯
学习单片机最基础的一个实验就是流水灯了。在实验之前必须的准备工作有：1.windows系统电脑一台。2.编译软件keil3.烧写软件stc-isp4.单片机（我用的是stc89c52）5.usb转窜口线这样就可以开始了一.首先使用keil软件创建C语言文件流水灯代码为：#include <reg52.h>//52系列的头文件#include <intrins.h>//带有_...
2018-03-24 20:32:58
6578
1
原创 用uno实现简单的单led灯闪烁
工具：面包板 ；uno；usb连接线；导线；led灯；220欧姆电阻；一：了解led灯。在做任何实验时需要到网上查找原件的参数。LED：电压一般为1.5-20V，电流为10-20ma，反向击穿电压5V。二：连接电路如图所示：将LED长端口接到5号接口，短端口接地。三.代码编译打开arduino代码如图所示：点击验证，上传即可。...
2018-02-28 16:47:28
1831
原创 wiringpi的基础函数学习
最近学习买了个raspberry pi，并安装下载了wiringPi的库，然后开始学习其中的函数。 至于怎么下载wiringPi，官网上有详细介绍，我就不作解释了。 wiringpi最基础的便是他当中的设置函数和核心函数了，想要用wiringPi编程这2种函数必不可少。 一 . wiringPi的设置函数 所...
2017-12-26 17:51:55
2552
原创 将raspberry pi系统汉化
raspberry pi系统安装完一般都是英文的，这就给我们这些一些英语不好的人造成了巨大的困难。本文将告诉大家如何将系统中文化1.打开终端输入以下代码：sudo raspi-config如图所示会出现以下界面选择图中的第4个选项：localisation options按键tap可移到select 和finish上，选择select回车。不是很清晰，见谅...
2017-12-24 20:38:45
393
python c/s临时通讯
2019-03-04
python socket 实现服务器与客户端多线程连接
2018-09-26
8800元的excel教学
2018-05-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人