Azuresmh的博客

原创 【无标题】

深度学习

原创 RESNET50

resnet的存在的原因很简单的来讲就是为了解决网络层数加深准确率反而下降（下降的原因是梯度爆炸（梯度爆炸就是初始某些权重的大小不一 太小的权重会由于激活函数压缩变小相当于乘以了很多个很小的数而导致后面的层数中有的很大 有的很小）在上图的残差网络结构图中，通过“shortcut connections(捷径连接)”的方式，直接把输入x传到输出作为初始结果，输出结果为H(x)=F(x)+x，当F(x)=0时，那么H(x)=x，也就是上面所提到的恒等映射。于是，ResNet相当于将学习目标改变了，不再是学习

原创 机器学习-支持向量机

SVM就是试图把棍放在最佳位置，好让在棍的两边有尽可能大的间隙。这个间隙就是球到棍的距离。这里我们看到两种不同颜色的小球我们找到一个棍子放在其中，把他们分割开来，但是仅仅是这么简单嘛，不不，我们还要考虑怎么放这根棍子，能够分开这两种小球的棍子在中间有无数种方法哪种最好呢？保证决策面方向不变且不会出现错分样本的情况下移动决策面，会在原来的决策面两侧找到两个极限位置（越过该位置就会产生错分现象），如虚线所示。虚线的位置由决策面的方向和距离原决策面最近的几个样本的位置决定。而这两条平行虚线正中间的分.

原创 机器学习-分类器-Adaboost

前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成为集成方法(ensemble method)或者元算法(meta-algorithm)。使用集成方法时会有多种形式：可以是不同算法的集成，也可以是同一种算法在不同设置下的集成，还可以是数据集不同部分分配给不同分类器之后的集成。1 Bagging自举汇聚法（bootstrap aggregating），也称为bagging方法。Bagging对训练数据采用自举采样（boostrap sam.

原创 机器学习-Logistic回归基础篇之梯度上升算法

二 Logistic回归与梯度上升算法Logistic回归是众多分类算法中的一员。通常，Logistic回归用于二分类问题，例如预测明天是否会下雨。当然它也可以用于多分类问题，不过为了简单起见，本文暂先讨论二分类问题。首先，让我们来了解一下，什么是Logistic回归。1 Logistic回归假设现在有一些数据点，我们利用一条直线对这些点进行拟合(该线称为最佳拟合直线)，这个拟合过程就称作为回归，如下图所示：Logistic回归一种二分类算法，它利用的是Sigmoid函数阈值在[0,1]这个特性。

原创 机器学习-朴素贝叶斯

朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立（条件特征独立）性和连续变量的正态性假设为前提，就会导致算法精度在某种程度上受影响。贝叶斯1.贝叶斯决策理论假设现在我们有一个数据集，它由两类数据组成，数据分布如下图所示：我们现在用p1(x,y)表示数据点(x,y)属于类别1(图中红色圆点表示的类别)的概率，用p2(x,y

转载 电脑参数选择

（2019年12月13日更新）从回答这个问题到现在已经过去了两年半，时过境迁，这个回答的一些内容已经不适合现在的情况（其实主要是AMD的复兴），所以我做了一些更新，以免旧内容误导现在来看的朋友。有很多朋友私信我求推荐笔记本，我都没有回复，一是因为我对现在市面上最新的笔记本了解地不是很深，随便推荐的话怕误导大家；二是因为任何一台笔记本，都有其优缺点和不同的特性，别人推荐的只是符合他喜好的或者他觉得不错的，并不一定适合你。注意事项：1、 本指南仅面向笔记本小白用户，旨在帮助大家快速看懂笔记本电脑的配置和参数，以

原创 深度学习入门-神经网络

上一章我们学习了感知机，但却也不能忽略一个问题，那就是当感知机对于参数的权重调整仍然需要人工进行，那可太麻烦了，如何解决呢，这一张的神经网络就可以解决这个问题。3.1从感知机到神经网络最左边一列称为输入层，最右边一列称为输出层，中间一层称为中间层，有时也称为隐藏层。这里为了方便python编程我们将输入层到输出层依次命名为第0层，第1层，第2层。激活函数登场就类比于我们之前所讲到的这样，我们也将他命名为h(x)这种将输入的信号的总和转换为输出信号，这种函数我们一般称为激活函数，根据0为边界

原创 深度学习入门-感知机

*感知机是一个比较古老的算法 那么我们为什么要学它呢，主要是因为感知机也是神经网络（深度学习）的起源的算法，接下来我们将简单介绍感知机，并用感知机解决一些简单的问题。2.1感知机是什么？感知机就相当于一个神经元，接受一个或多个信号时，输出一个信号，0/1。输入的每个信号乘以固定的权重，当他们的总和超过某个界限时，才会输出1，我们也称他为“神经元激活”。用公式表示的话就是不同的信号都有他对应的权重，当权重越大，对应的权重的信号的重要性就越高。2.2简单逻辑电路与门当(w1 w2 seta）

原创 机器学习-决策树

1.原理：决策树说白了就是帮助我们去做一个决策的构建，就比如在对方没有房子的时候我们就要考虑他的上进心.没有上进心则又要考虑等等等要考虑哪些问题，这些可以我们人为构建也可以通过决策树算法构建那么每一级都有不同的选择指标，怎么判断哪个指标的影响力更大，比如对方有房子、有车则对方的相貌emmm就不考虑了，那么怎么去判断这个指标的重要性呢，我们人当然剋有直接去判断，电脑可不行所以我们提出了 **信息增益的概念****信息增益是相对于特征而言的。所以，特征A对训练数据

原创 机器学习-k-近邻算法

原理：给定一个样本集，样本集中不同标签的的集和拥有者相同的一些特征，通过对新的没有标签的数据的特征值与训练集中的不同标签的集合的特征值求距离，从而选中最近的那个。暨赋予他同样的标签。举个例子比如现在有一个电影 我们需要判断他是喜剧片还是爱情片，我们就需要根据它的特征值进行比对，比如通过判断他们当中枪战的次数和大笑的两个特征值，对新有的电影对比原有训练集比对距离从而得到。有多个特征值就用欧氏距离公式扩展开来 字体识别的图片转化为数字也可以通过的比对这方面来判断。...

原创 山体滑坡预测

首先我们通过加速度传感器x,y,z的加速度从而得到传感器的整体加速度通过布置区域的多个加速度得到时间窗口内区域内的加速度，count表示这个时间窗口内的传感器上传条数。意义：多个传感器减少误差单纯的绝对运动量情况大小并不能准确反映滑坡情况，将滑坡区域运动情况与极限运动情况作比值，用百分数表示，来确定运动剧烈程度，通常临界状态下比值介于 0.4%~0.8%之间。这里引入极限加速度的概念同时由于雨水对其也会对预测结果造成影响，因为我们将雨水的情况作为系数结果加入到模型当中n为加速度的传感器个

原创 python第三天---画图

import matplotlib.pyplot as pltsquares = [1,4,9,16,25]plt.plot(squares)plt.show()#关于画图的一些设置plt.plot(squares,linewidth=5)#设置图标标题，并给坐标轴加上标签plt.title(“Squre Numbers”,fontsize=24)plt.xlabel(“Value...

原创 python第二天-基本数据变量

print('hello world!')first_name = "ada"last_name = "lovelace"full_name = first_name + ""+last_nameprint(full_name)#添加制表符print("\tpyhon")#添加回车符print("\npython")print("python")#删除空白test_langu...

原创 python第三天-修改添加和删除元素！

bicycle = ['trek','cannondale','redline','spcialized']print(bicycle)输出结果[‘trek’, ‘cannondale’, ‘redline’, ‘spcialized’]这显然不是我们想要输出的print(bicycle[0])结果trek这里有一点就是python的索引是从0开始不是不从1开始通过索引最后一...

原创 python第一天-创建项目并完成hello world！

首先你必须下载python 和pycharm这个需要你自己去下载 安装包有个安装管家的微信公众号 好像是有安装包和安装的步骤详解可以自己参照这里提示下就是假如打开没有左侧的导航图可以通过这样得到...

原创 遗传算法实际应用

根据demo简单编写一个求解某个函数的最大值的程序，从而理解下算法，会对每个步骤简单分析下。主程序clear allclc popsize=20; %群体大小 chromlength=10; %字符串长度（个体长度） pc=0.8; %交叉概率pm=0.006; %变异概率...

原创 粒子群算法-讲解+实例

今天给大家讲解的时粒子群算法，首先先牢记以下的基本公式：1.简单的来讲，粒子群算法是这个样子，当你在一个全解的范围内，想要去找最优解，可以先派出像四面八方而去的小兵去搜索，他们向四面八方去探索时在坚守自己本身的航线的同时，会通过自身之前所找到的一些局部最优解轨迹和全局最优解即其他所有小兵找到的最优解的最最优解来修正自身轨迹，最终所有小兵都会聚集在全局最优解周围。–因此我们就可以看到在这个式子...

原创 记录几个常用的快捷键 感觉还挺有用的

1.电脑锁屏windows + L 这样离开电脑的时候可以直接锁屏2.记录图生成按下windows键+R，输入psr.exe回车，然后点击“开始记录”就可以了。3.按下Windows键和D键，桌面出现4.按住“Ctrl+P”键，帮你打印文档。粘贴：Ctrl + V撤销：Ctrl + Z关闭当前窗口：Ctrl + W切换窗口：Ctrl + Tab显示/隐藏所有窗口：Win键 + ...

原创 递归

#includeusing namespace std;void show(int a[],int i){if(i==0){ cout<<a[i]<<" "; return;}//cout<<a[i]<<" "; ///1show(a,i-1);cout<<endl;//cout<<a[i]<...

原创 花粉授粉算法

% --------------------------------------------------------------------%% Flower pollenation algorithm (FPA), or flower algorithm %% Programmed by Xin-She Yang @ May 2012 ...

原创 匈牙利算法（指派问题）

–指派问题的最优解有这样一个性质，若从系数矩阵的一行(列)各元素中分别减去该行(列)的最小元素，得到新矩阵，那么以新矩阵为系数矩阵求得的最优解和用原矩阵求得的最优解相同．利用这个性质，可使原系数矩阵变换为含有很多0元素的新矩阵，而最优解保持不变．...

原创 personal-picture

1.茎状图clear allclcfigure t = linspace(-2*pi,2*pi,8); %linspace是Matlab中的一个指令，用于产生x1,x2之间的N点行矢量。其中x1、x2、N分别为起h = stem(t);set(h(1),'MarkerFaceColor','blue')set(h(2),'MarkerFaceColor','red','Marker...

原创 simulink

原创 计算机模拟杂记

排队服务系统中顾客到达率为常数时的到达间隔、故障率为常数时零件的寿命都服从指数分布。•指数分布在排队论、可靠性分析中有广泛应用。例3 随机变量 x = {0，1，2}表示每分钟到达超市收款台的人数，有分布列xk 0 1 2pk 0.4 0.3 0.3模拟十分钟内顾客到达收款台的状况用MATLAB模拟随机事件 r=rand(1,10);for i=1:10; if r(...

转载 神经网络隐含层节点数

kolmogorov定理：如果一个随机变量序列ξ1,ξ2.……满足不等式∑[1≤n≤+∞]Dξn/n²＜＋∞.（[]为求和范围）则事件“lim[n→＋∞]｛（1/n）∑[1≤k≤n]ξk－（1/n）∑[1≤k≤n]Mξk｝＝0”的概率为1.BP神经网络构建中中间隐含层数目n2,输入层数目n1,输出层数目m;n2=sqrt(n1+m+1)+a; a=1-10;orn1=log2(n2...

原创 如何配置HC-05蓝牙模块 最清楚

自己之前在配对蓝牙模块的时候，参考很多资料却因为一些细节耽误了很长时间，现在将完整配对格式书写如下，意图帮助各位朋友1.首先你需要有两个转TTL口和两个蓝牙模块，tx和RX都反接2.将TTL插到电脑上打开串口助手（插得时候记得把蓝牙模块上面有个小按键按住，这是为了让蓝牙模块进入AT模式）3.配置参数对两个蓝牙模块发送测试指令：AT ...

原创 dijkstra

#include <iostream>#include <algorithm>#include <cmath>#include <cstdio>#include <cstring>#include <cstdlib>using namespace std;int map[110][110];//这就是map数组，...

原创 弗洛伊德算法求最短路径

大意：弗洛伊德算法所求的是各个点之间的最小路径 这里的核心思想大致是这个样子，比如说你要从学校一教走到四教，中间经过的距离是10KM，这时如果你是先从一教走到风雨操场再到四教有可能只需要8KM，那么还有可能假如你是从一教到风雨再到数图再到四教发现距离只需要6KM。按我们图中的这个例子，假如现在我要从1→3 直接走是6步 这时我们发现如果经过2 即1→2→3这样的话只需要5步那么如何实现...

原创 动态规划算法-案例

动态规划的关键点：一系列以空间换时间的算法tips1：有n级台阶，一个人每次上一级或者两级，问有多少种走完n级台阶的方法。解析：动态规划的实现的关键在于能不能准确合理的用动态规划表来抽象出 实际问题。在这个问题上，我们让f(n)表示走上n级台阶的方法数。那么当n为1时，f(n) = 1,n为2时，f(n) =2,就是说当台阶只有一级的时候，方法数是一种，台阶有两级的时候，方法数为2。那么当我们...

原创 C语言深入解析-关键字

此文仅参考陈正冲老师所写C 语言标准定义的 32 个关键字关键字 意 义auto 声明自动变量，缺省时编译器一般默认为 autoint 声明整型变量double 声明双精度变量long 声明长整型变量char 声明字符型变量float 声明浮点型变量short 声明短整型变量signed 声明有符号类型变量unsigned 声明无符号类型变量struct 声明结构体变量...

转载 STM32寄存器操作端口模式SDA_OUT()/SDA_IN()

#define SDA_IN() {GPIOB-&gt;CRL&amp;=0X0FFFFFFF;GPIOB-&gt;CRL|=(u32)8&lt;&lt;28;}#define SDA_OUT() {GPIOB-&gt;CRL&amp;=0X0FFFFFFF;GPIOB-&gt;CRL|=(u32)3&lt;&lt;28;}是不是看到懵了，其实不难，相信用寄存器写过stm8...

原创 STM32之MPU6050第一部分

一、MPU6050基础介绍MPU6050 是 InvenSense 公司推出的全球首款整合性 6 轴运动处理组件，相较于多组件方案，免除了组合陀螺仪与加速器时之轴间差的问题，减少了安装空间。MPU6050 内部整合了 3 轴陀螺仪和 3 轴加速度传感器，并且含有一个第二 IIC 接口，可用于连接外部磁力传感器，并利用自带的数字运动处理器（DMP: Digital Motion Process...

原创 STM32定时器PWM输出

PWM 简介脉冲宽度调制(PWM)，是英文“Pulse Width Modulation”的缩写，简称脉宽调制，是利用微处理器的数字输出来对模拟电路进行控制的一种非常有效的技术。简单一点，就是对脉冲宽度的控制。STM32 的定时器除了 TIM6 和 7。其他的定时器都可以用来产生 PWM 输出。其中高级定时器 TIM1 和 TIM8 可以同时产生多达 7 路的 PWM 输出。而通用时器也能同...

原创 无约束多维极值-模式搜索法

一、基本概念模式搜索法每一次迭代都是交替进行横向移动和模式移动。轴向移动的目的是探索有利的下降方向，而模式移动的目的则是沿着有利方向加速移动。在几何上是寻找具有较小函数值的“山谷”，力图使迭代产生的序列沿“山谷”逼近极小值点。clear allclcfun = @psobj;options = optimoptions('patternsearch','Display','iter','...

原创 STM32中断

这里我们首先 STM32 IO 口中断的一些基础概念。STM32 的每个 IO 都可以作为外部中断的中断输入口，这点也是 STM32 的强大之处。STM32F103 的中断控制器支持 19 个外部中断/事件请求。每个中断设有状态位，每个中断/事件都有独立的触发和屏蔽设置。STM32F103 的19 个外部中断为：线 0~15：对应外部 IO 口的输入中断。线 16：连接到 PVD 输出。...

原创 STM32串口

PS:串口通信部分有个东西就是全双工和半双工 ，这个全双工就是两根线，可以同时发送和接收。这段引入 printf 函数支持的代码在 usart.h 头文件的最上方，这段代码加入之后便可以通过printf 函数向串口发送我们需要的内容，方便开发过程中查看代码执行情况以及一些变量值。这段代码不需要修改，引入到 usart.h 即可。//加入以下代码,支持 printf 函数,而不需要选择 u...

原创 3.STM32按键

STM32按键按键扫描有两种思路支持连按：举个例子就像家里的遥控器，如果支持连按那么你按下音量键以后音量会一直改变增加。不支持连按：还是举遥控器的例子，如果不支持连按，那么你一直按着音量键也只会增加一个static 函数解释：void example(){ int flag=0; flag++; return flag; } 第一个程序多次调用结果 0 0 0...

原创 2.STM32蜂鸣器和LED的使用

对蜂鸣器和LED灯都进行宏定义以后控制LED的闪烁和蜂鸣器同步进行main.c#include "sys.h" #include "delay.h" #include "led.h" #include "beep.h" int main(void) { delay_init(); //延时函数初始化 LED_Init(); //初始化与LED连接...

原创 粒子群算法(PSO)基本原理

一、、基本概念每个寻优的问题解都被想像成一只鸟，称为“粒子”。所有粒子都在一个D维空间进行搜索。所有的粒子都由一个fitness-function确定适应值以判断目前的位置好坏。每一个粒子必须赋予记忆功能，能记住所搜寻到的最佳位置。每一个粒子还有一个速度以决定飞行的距离和方向。这个速度根据它本身的飞行经验以及同伴的飞行经验进行动态调整。二、基本公式a. D维空间中，有m个粒子；粒...