大拼搏吧 未来

一名大学生分享了他在大学期间从依赖他人意见到建立自我主见的过程。通过坚持跑步锻炼,他不仅增强了体质,还学会了独立思考。同时,他意识到大学生活需要竞争,开始积极参与比赛,以追求更好的自己。此外,他还强调了生活不应过于浮躁,要学会享受平静,并在日常中发现乐趣。

叮叮叮
如果人生总是看他人,那你的人生还是你的吗?
大一的时候什么都不懂,都是问其他人的,慢慢的也就没有了自己的主见,什么时候都要询问别人。大二的我要有自己的主见,去做自己真正想做的事。
坚持跑步,虽然别人都在打代码或学习,但我感觉锻炼能带给我更多,每天10圈3组5个引体向上100个跳绳15个俯卧撑,慢慢的我感觉自己更加的强壮。昨天想起了我上学期刚开始练的时候,10圈跑不完,引体向上一个也做不了,俯卧撑10个累死,慢慢的也就坚持下来了,我也知道了不要总看别人亮的一面,因为亮的周围是黑,这样才亮。我现在一星期不跑步就浑身难受,哈哈,是真的难受,感觉生活没能量了,所以我也把跑步叫做充能,夏天星期日晚上我回去学校附近的湖公园,绕湖长跑,一万米吧,跑完也就九点半了,等10点自己就练歌,自己一个人对着湖唱着自己喜欢的歌,也是一种享受吧。
上了大学,我也算认识了一些比较好的朋友,一起跑步,打乒乓球,随意开玩笑。
要学会竞争呀,小伙子
最近突然理解了一个字“”,大学没有人给你各种安排,你的人生只有你自己,没有替你操心,所有都靠你。我是那种从小都不会竞争的人吧,没参加过啥比赛,感觉人生就随便就好,生活也就这样过吧。但现在我要去学会竞争,也是为了追求一个个更好的自己,让自己的大学生活更加的丰富多彩,因为我感觉现在我的生活太平静了。中午看了武汉大学的宣传片,感觉那才是大学,但我也知道人生要努力呀。
生活要静,不要浮躁
生活不要太浮躁了小伙子,有时候感觉自己还可以,心里就飘了,看见漂亮的小姐姐看自己一眼,那可不得了,感觉要飞出地球了,但现在我先给自己一巴掌,醒一下哈,说不定是看你太奇怪了,努力吧,你自己几斤几两你不知道吗。沉淀吧,用时间洗去一些浮躁,用充实的生活培养真实的自信。
要学会吃
最近才学会吃,突然发现学校其实有很多好吃的,暑假留学校,感觉得了厌食症,到食堂就感觉吃不下饭,现在我要尝遍学校每一种饭并用博客记录下来。也算是日记吧,因为我喜欢吃,哈哈哈。
今天评奖学金,让拿证书,结果我没一张,感觉到挫败吧,因为大一一直在做各种浪费的事,像看小说,打游戏,今天我报了几个比赛,想去证明下自己吧,毕竟高四也证明了自己有很大的潜力,就是太容易迷失自我了。
就到这吧,写此文章记录自己此刻的心情。
懒而不自知,知而不能改,改而不能横。我只是一个普通人,但我不想当一个普通人,那就改变自己吧。
嘿嘿

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值