- 博客(75)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 快速翻译整篇pdf外文文献
比如我想要翻译下面这篇外文文献 右键->打开方式->用word打开另存为html格式，如下所示：找到你刚另存的文件，并用chrome打开它打开后，选择Chrome翻译插件，在Chrome上翻译，一定要拖到最底下，让整个文章都被翻译。然后ctrl+s保存找到这个保存的文件，右键->打开方式->用word打开打开后选择页面视图模式，就可以得到翻译后的结果了。...
2021-11-09 11:25:31
3821
原创 Cypher语句总结
查询1、带有关系的查询match (n:Person)-[:饰演]->(p:Movie) return n,p2、带有条件的查询match (n:Person)-[:饰演]->(p:Movie) where n.name="刘松仁" return n,p3、多维度关系查询3.1 二度查询3.2 利用关系去查询match p=()-[c:是]->() return p limit 253.3 利用正则查询match (n:Person) where n.na
2021-10-27 11:41:08
1783
1
原创 Transformer
传统的RNN网络无法并行计算，只能一个一个输入词，而Transformer可以做并行计算。TransformerSelf-Attention当我们对一个词做编码时，不是简简单单只考虑当前的词，而是要考虑当前词的上下文语境，要把整个上下文语境融入到当前词的词向量中。...
2021-09-27 10:54:52
256
原创 推荐算法分类
（一）基于算法思想的分类基于人口统计学、基于内容、协同过滤、基于知识、混合推荐1、人口统计学根据用户基本信息推荐相似用户喜爱的项目。针对目标用户A而言，我们根据人口统计学，年龄和性别，找到跟A具有相同属性的用户C，假设同类用户具有相同或相似偏好，则我们可以把用户C喜欢的物品a推荐给用户A。这种方法虽然简单，但其推荐效果一般，个性化程度较低。2、基于内容根据用户过去喜好的项目推荐相似的项目。针对目标用户A而言，我们知道用户A喜欢电影a，根据电影的类型或属性信息，我们可以找到跟电影a具有相同类
2021-08-23 16:51:40
656
原创 SVM支持向量机
想要知道新拿到的水果是梨还是苹果，除了用KNN画个圈，像下面这样，画条线也不错，通过将两者所在的空间做出区分，当新样本落在苹果一侧时，我们就认为它是苹果，反之，则为梨。这条线就是SVM。听上去很简单，但是这条线我们可以用不一样的画法画，哪条线才是最合适？除了界限，样本与线的距离同样有意义，它代表着样本分类的可信程度，以苹果这一侧为例，与线距离最远的苹果是苹果的可能性最高；离得越近是苹果的可能性就越低我们的目标是在两种样本间找到能让所有样本的分类可信程度最高的那条线。...
2021-07-31 16:30:18
91
原创 BP反向传播
神经网络是一个好工具，但是就像有的刀削铁如泥，有的却只能拿来切豆腐，真正决定神经网络好不好用的，是神经元之间连接的权重和神经元的阈值，如何确定这些数字，大部分我们使用的都是反向传播，也就是BP算法，BP算法的思想非常简单，即根据网络输出的答案与正确答案之间的误差，不断调整网络的参数。假设我们正在训练一个图片分类网络，输入一张图片逐步向前计算后，网络会给出它属于某一类事物的概率，由于每个神经网络的初始参数是随机赋予的，大部分时间网络参数都不尽如人意，这时我们可以根据网络输出与正确答案之间的差距，从最后一
2021-07-31 16:16:17
303
原创 随机森林和决策树
随机森林森林里有很多树，随机森林里有很多决策树。随机森林是决策树的升级版，随机指的是树的生长过程，世界上没有两片相同的树叶，随机森林中的树也各不相同，在构建决策树时，我们会从训练数据中有放回的随机选取一部分样本，同样的我们也不会选取数据的全部特征，而是随机选取部分特征进行训练。每棵树使用的样本和特征各不相同，训练的结果自然也不同。为什么要这么做？在训练的最初，我们并不知道哪些是异常样本，也不知道哪些特征对训练的结果影响更大，随机的过程降低了两者对分类结果的影响。随机森林的输出结果由投票决定，如果大部
2021-07-31 11:21:06
1335
2
原创 GNN图神经网络
通常神经网络的输入是图片、字符或是声音信号，GNN的输入是图，这里的图并非是指图片，而是由节点和边组成的图。图中的节点代表了实体，包含了它们的属性，边则描述了实体之间的关系，知识图谱就是这样一张图。我们为什么需要图神经网络，与图片、语音、文字相比，图能表达的内容实在是太广泛了，大到社交网络中人与人之间的关系，小到化学分子的结构组成，现实生活中的地铁网络，包含器件布线的电路图，都可以是GNN的计算对象。有了图，我们就能完成许多奇妙的工作。将重点放在节点上，我们可以预测社交网络中用户的标签，判断账户是否为
2021-07-31 09:22:33
688
1
原创 神经网络CNN、RNN、GNN
CNN、RNN、GNN这么多的神经网络有什么区别和联系？先聊聊什么是神经网络吧我们的目标是打造人工智能，拥有智慧的大脑无疑是最好的模仿对象。人脑中约有860亿个神经元，这被认为是我们能够思考的原因。神经元有一个细胞体和很多突触组成，能处理电信号，并将它们传递到该去的地方，仿照人脑神经元和工作原理，人们构建了神经网络，一个由节点连接而成的网，我们同样会称呼这些节点为神经元，不过它是一个抽象概念，大部分时间都被用来存储数字，神经突出则被抽象为有权重的连接，决定了数字将如何改变以及传递给哪些神经元。神经网络
2021-07-30 18:38:42
3091
1
原创 RNN循环神经网络
在识别图像时，输入的每张图片都是孤立的，认出的这张图片是苹果，并不会对认出下一张图片是梨造成影响。但对于语言来说，顺序是十分重要的，“我吃苹果”和“苹果吃我”，词语顺序的改变表达了不同的意义，顺序也提供了一定的意义，比如“吃”后面大概率是代表事物的名词。为了捕捉数据的这种关联，人们找到了RNN，一个高度重视序列信息的网络，序列就是数据的前后关系，RNN的基础仍然是神经网络，只不过它多了一个小盒子，用来记录数据输入时，网络的状态。在下一次输入数据时，网络必须要考虑小盒子中保存的信息，随着数据的一次次输入，存
2021-07-30 18:16:50
286
原创 LSTM长短时记忆模型
RNN有一定的记忆能力，但是只能保留短期记忆，在各类任务上表现并不好。人类的记忆是有取舍的，我们不会记住每时每刻发生的所有事，会有选择的留下重要的，丢掉不重要的，参考这种记忆机制，人们改造了小盒子，并找到门这种记忆机制，门是用来决定信息如何保留的小开关，它的数值在0~1之间，1是完全保留，0是完全舍弃。新的小盒子上有三个门，其中遗忘门决定了小盒子里要保留多少原有信息，也就是丢掉哪些不重要的记忆；输入门决定了当前网络信息有多少要被保存在小盒子里，也就是记住哪些新东西；输出门决定了多大程度的输出小盒子中的信
2021-07-30 17:07:46
338
原创 知识图谱综述
知识图谱第一种解释是知识图谱本质上是一个语义网络。第二种解释是知识图谱也叫做多关系图，由多种类型的节点和多种类型的边来组成。构建知识图谱系统中所涉及到的技术知识图谱应用风控知识图谱证券知识图谱教育知识图谱其他常见的应用领域搜索、聊天机器人、法律、医疗知识图谱架构图关系型数据库和菲关系型数据库图数据库的数据存储形式图数据库存储的特点APOC功能APOC数据集成-JDBCAPOC JDBC语法创建节点的语句，使用row。调用每一行中的具体字段。给关系增加属性
2021-07-28 11:00:13
192
原创 03-echarts主题和调色盘
主题1、内置主题在初始化对象方法 init 中可以指明var chart = echarts.init(dom, 'light')var chart = echarts.init(dom, 'dark')2、自定义主题打开echarts官网，找到下载中的主题下载进入后，点击定制主题然后找一个你喜欢的主题，下载它得到一个文件，itcast.js.txt，引入html得到这种风格的主题。调色盘1、主题调色盘2、全局调色盘全局调色盘会覆盖主题调色盘。3、局部调色盘局部
2021-07-24 18:35:30
446
5
原创 02-echarts雷达图
步骤1 ECharts 最基本的代码结构<!DOCTYPE html><html lang="en"><head><script src="js/echarts.min.js"></script></head><body><div style="width: 600px;height:400px"></div><script> var mCharts = echarts.
2021-07-24 17:58:42
191
原创 01-Echarts引入地图
地图图表的使用方式百度地图API : 使用百度地图的 api , 它能够在线联网展示地图, 百度地图需要申请 ak矢量地图 : 可以离线展示地图, 需要开发者准备矢量地图数据接下来的实现是通过矢量图的方式来实现的矢量地图的实现步骤1、Echarts最基本的代码结构：引入js文件，DOM容器，初始化对象，设置option<!DOCTYPE html><html lang="en"><head><script src="js/echarts.min.
2021-07-24 11:50:50
1455
原创 00-ECharts的快速上手
ECharts 的入门使用特别简单, 5分钟就能够上手. 他大体分为这几个步骤步骤1：引入 echarts.js 文件echarts是一个 js 的库，当然得先引入这个库文件<script src="js/echarts.min.js"></script>步骤2：准备一个呈现图表的盒子这个盒子通常来说就是我们熟悉的 div ，这个 div 决定了图表显示在哪里<div id="main" style="width: 600px;height:400px;">
2021-07-23 10:58:19
141
原创 异构图 Heterogeneous Graph Neural Networks
定义：包含不同类型节点和链接的异构图像下面这个例子，是一个电影、导演和演员的异构图。第一个异构图的算法异构图图注意力机制Heterogeneous Graph Attention Networks首先看一下作者给的异构图的定义Node-level attention（节点级别的attention）通过meta-path:Movie-Director-Movie得到一个同构图，根据终结者的邻居节点（终结者2和泰坦尼克号）通过一种聚合的方式就可以学习到终结者的一个特征表示。这个就是节点级别的at
2021-07-20 12:16:24
10418
2
原创 图网络的分类
A Comprehensive Survey on Graph Neural Network（图神经网络综述）Recurrent Graph Neural Networks（1.递归图神经网络）Convolution Graph Neural Networks（2.卷积图神经网络）Graph Autoencoders（3.图自动编码器）Spatial-temporal Graph Neural Networks（4.时空图神经网络）**A Comprehensive Survey on Gr
2021-07-20 11:43:46
1607
1
原创 在python3.7环境下安装pyltp
我的环境是python3.7，直接用下面的命令安装不了。pip install pyltp在网上找了各种方法，要不就是要换成python3.5或者python3.6的版本然后才能安装。我比较懒，不想在电脑上安装多python环境。下载pyltp-0.2.1-cp37-cp37m-win_amd64.whl文件然后，将pyltp-0.2.1-cp37-cp37m-win_amd64.whl文件复制到你的工程文件下（找到anaconda或者miniconda的Scripts目录下），我的路径如下打
2021-07-18 11:50:42
1526
1
原创 第五课---简单图片分类
下面介绍一下比较重要的模型LeNet输入一个3232的图片，通过Convolutions后，转为6个2828的形状（卷积核为655），下面做池化，把2828的图片转为1414的图片，然后再做卷积得到161010的图片，然后再做池化，得到1655的图片，最后做三个全连接层120维到84维到最后输出的10维。AlexNet彩色图片有3个通道，卷积神经网络在低层次做局部特征，在池化后会关注一些全局的特征。VGG-16ResNet16年提出的模型，跟前面模型最大的区别是有一个特殊的连接，传入的特
2021-07-09 11:27:34
331
1
原创 第三课---语言模型和文本分类
一、语言模型是衡量一句话的合理性大小的一种表示。链式法则在做语言模型时，往往会遵从下面的一种法则，依据条件概率学，每后面的一个单词是基于前面的单词出现的概率。马尔可夫假设后面的单词往往只基于前面的n个单词，至于n+1,n+2个单词就忽略不计了。语言模型的评价基于神经网络的语言模型(Neural Language Model)循环神经网络(Recurrent Neural Network)训练RNN很难长短记忆网络(Long Short-term Memory)RNN
2021-07-08 12:02:10
483
2
原创 第八课---QA, 文本摘要代码阅读
问答系统SQuAD数据集给定一段文字作为context，给定一个问题question，从context中寻找一段连续的文字(text span)作为问题的答案。https://rajpurkar.github.io/SQuAD-explorer/代码https://github.com/galsang/BiDAF-pytorch几个sample问题文本摘要系统给定一长段原文，生成较短的摘要。模型思路Seq2Seq模型Copy MechanismCoverage Loss代码
2021-07-08 11:45:27
269
原创 第六课 图片风格迁移和GAN
一、Neuarl Style Transfer图片风格迁移结合一张图片的内容和另一张图片的风格，生成一张新图片图片表示代码%matplotlib inlinefrom __future__ import divisionfrom torchvision import modelsfrom torchvision import transformsfrom PIL import Imageimport argparseimport torchimport torchvision
2021-07-08 11:16:47
831
原创 第一课深度学习回顾与Pytorch简介
一、深度学习模型入门1、常见的激活函数二、用Pytorch构建深度学习模型1、深度学习模型框架概览2、PyTorch与其他框架的对比PyTorch:动态计算图Dynamic Computation（像python）Tensorflow:静态计算图Static Computation（像c++）PyTorch代码通俗易懂，非常接近PyTorch原生代码，不会让人感觉是完全在学习一门新的语言。拥有Facebook支持，社区活跃。3、PyTorch可以做什么？PyTorch可以定义神经网络，
2021-07-04 19:01:37
146
4
原创 Flutter基础组件总结
一、Text Widget二、Container Widget三、Image1、图片的来源2、图片填充效果3、图片混合模式4、图片重复四、ListView1、给ListView添加内容2、设置显示方式3、动态显示列表五、GridView（网格列表）...
2021-04-24 21:53:18
113
原创 CRC-16MODEBUS校验代码
//CRC-16MODEBUS校验代码 var CRC = {}; // CRC.CRC16 = function (data) { // var len = data.length; // if (len > 0) { // var crc = 0xFFFF; // // for (var i = 0; i < len; i++) { // crc = (crc ^ (data[i])); // for (
2021-03-30 21:27:02
168
原创 人工智能基础---你需要的统计学
数据种类回归偏置就是与y轴的交点，权重就是斜率。最小二乘法预测值和观测值差值的平方和。判断拟合好坏模型越好，SSres越接近于0，R^2越接近于1，越好。一般不采用加自变量的方法，因为会使模型变复杂。...
2021-03-21 10:54:31
331
原创 如何学习机器学习
机器学习从数学的角度分析，就把这个模型看成一个简单的函数y=f(x)，f(x)=wx+b，学习就是已经有大量的数据x和y，要求w和b到底是什么东西，有了这个w和b之后，下次来了一个未知的x，我们就可以通过这个公式之后，就可以知道y是什么东西了。回归问题可以看做是在一个区间段连续分类的情况，而分类问题就是有没有，是不是的问题。深度学习机器学习与统计学...
2021-03-21 10:27:51
192
原创 支持向量机
我们想把蓝色点和红色点分开，有很多种分开方式，但是SVM要那个最好的。但是什么是最好的呢？我们可以想象，找一条马路，将这两类点分开，而且这条马路越宽越好，最宽的那条马路就是最好的。但是为什么叫支持向量呢？我们可以把每个点看做是从原点出发的向量，终点是分界平面上的每个点。这个模型就是支持向量机。下面从支持向量机和逻辑回归损失函数角度分析它们的区别从边界来看右边的边界分得更宽一些，符合SVM模型。逻辑回归尝试将所有点远离边界；支持向量机尝试将支持向量推得更开。加了两个异常点后的效果逻
2021-03-21 10:01:34
131
原创 flex布局详解
一、认识flex布局使用display:flex；开启flex container布局二、flex布局模型下面是官方给出的flex布局，注意主轴和交叉轴。三、flex相关属性（一）、flex-container几个CSS属性介绍1、flex-direction：决定主轴的方向2、justify-content:决定flex items主轴的对齐方式3、align-items：决定flex items在交叉轴的对齐方式4、flex-wrap默认情况下，所有的flex item
2021-03-08 17:53:15
117
原创 白手开发Vue项目
一、两种方式将你本地代码提交到Git上1、将Git上代码存放在本地已有的文件中，并与本地已有文件相连接。假设你本地已有一个项目叫supermall1，你想将Git上名为supermall的项目与本地supermall1项目整合到一起。这时，你可以在终端输入git clone 仓库地址其中，仓库地址获取如下：然后将supermall1中除了.git和node_modules文件之外的其他文件全部拷贝到supermall文件夹中。使用git status命令查看状态然后使用下面命令将本地仓
2021-03-08 09:16:03
71
原创 axios学习笔记
一、HTTP相关文档MDN官方文档https://developer.mozilla.org/zh-CN/docs/Web/HTTP/Overview（一）、HTTP请求交互的基本过程（二）、HTTP请求报文1、请求行①、请求方式： method②、请求地址： url例如：GET/product_detail?id=2或者POST/login2、多个请求头①、Host:www.baidu.com②、Cookie:BAIDUID=AD3B0FFA706；BIDUPSID=AD3B0
2021-03-07 12:01:58
707
原创 Vue-router
一、路由阶段1、后端路由阶段后端路由：后端处理URL和页面之间的映射关系。2、前后端分离阶段后端只负责提供数据，不负责提供任何阶段的内容。3、单页面富应用（SPA）阶段即整个网页只有一个html页面。前端路由的核心是什么？改变URL，但是页面不进行刷新。二、URL的hash和HTML5的history如何实现改变URL，但是页面不进行刷新？可以用下面的方法1、URL的hashURL的hash也就是锚点（#）,本质上是改变window.location的href属性。我们可
2021-03-03 21:18:35
140
1
AK100仿真器用户使用指南.pdf
2020-06-03
3-EGo配套实验-v1.0.rar
2020-05-07
2-Vivado上手教程EGo1中文版-v1.0.zip
2020-05-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人