- 博客(48)
- 资源 (6)
- 收藏
- 关注
RSS订阅原创 np.random.choice和random.choice的用法
numpy.random.choice(a, size=None, replace=True, p=None)用途：从a(一维数据)中随机抽取数字，返回指定大小(size)的数组replace:True表示可以取相同数字，False表示不可以取相同数字数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。案例：import numpy as nppa = [0.3, 0.2, 0.1, 0.1, 0.3]pa=np.array(pa)a = np.r
2021-04-08 14:21:03
22547
原创 【神经网络】6. 卷积神经网络
在实际的图像识别中，通常都是RGB三通道的彩色图，用常规的神经网络会出现待优化参数过多容易导致模型过拟合。 为了减少待优化参数，我们会先对图片进行特征提取，将提取的特征送入全连接网络进行识别卷积（convolutional）计算可以认为是一种有效的图像特征提取的方法： 一般会用一个正方形的卷积核，按指定的步长，在输入特征图上滑动 遍历输入特征图中的每个点，每一个步长上，卷积核会与输入特征图出现重合区域 重合区域对应的元素相乘，求和，再加偏置项得到输出特征的一个像素点
2021-03-24 21:47:54
845
原创 【神经网络】4. 搭建神经网络中常用概念和函数
1. 张量是什么？张量（Tensor）：多维数组（列表）阶：张量的维数0阶张量叫做标量，1阶张量叫做向量，2阶张量叫做矩阵，...张量可以表示0阶到n阶的数组（列表），判断张量是几阶，主要看方括号有几个Tensorflow的数据类型：tf.int，tf.float，tf.bool，tf.string等如何创建一个张量（Tensor）？tf.constant(张量内容，dtype=数据类型(可选))例如：a=tf.constant([1,5],dtype=tf.int
2021-03-22 23:01:49
636
原创 【神经网络】5. 使用keras搭建神经网路
Tensorflow 的API：keras搭建神经网络将kearas方法搭建神经网络分为六步：Sequential()可以认为是一个容器，这个容器里封装了一个网络结构
2021-03-22 20:10:59
838
原创 【神经网络】3. 编写一个简单的神经网络
本文的目的：是从编程上去理解一个神经网络项目需要由几个方面组成，并且以鸢尾花分类项目为例，用python在tensorflow 2下进行神经网络搭建并测试一个基本的神经网络项目可以从以下几个方面进行编写：首先导入所需的模块# 导入所需模块import tensorflow as tffrom sklearn import datasetsfrom matplotlib import pyplot as pltimport numpy as np1. 准备数据1.1 数据集读
2021-03-22 15:03:06
3136
原创 【神经网络】2. 神经网络设计过程
应用神经网络的基本过程神经网络搭建和使用基本过程如下：准备数据：采集大量“特征/标签”数据（使用神经网络之前需要准备的数据）搭建网络：搭建神经网络结构优化参数：训练网络获取最佳参数（反转）应用网络：将网络保存为模型，输入新数据，输出分类或预测结果（前传）（神经网络已经搭建好了，可以应用了）其中，对于神经网络的设计过程最关键的就是搭建网络和优化参数，后续对神经网络的设计过程将以这两步骤为主。神经网络设计过程鸢尾花的分类过程：将特征 [花萼长、花萼宽、花瓣长、花瓣宽] 输入神经网
2021-03-19 10:50:04
1585
原创 【神经网络】1. 快速了解神经网络
概述常规的神经网络我们可以知道包括：输入层，隐藏层，输出层如：输入层是1*2矩阵X； 隐藏层为1*50的矩阵H； 输出层为1*4的矩阵Y 参数W1为2*50的矩阵 参数W2为50*4的矩阵传播过程为：H=X*W1+b1；Y=H*W2+b2激活层需要注意：一系列线性方程的运算最终都可以用一个线性方程表示。也就是说，上述两个式子联立后可以用一个线性方程表达。对于两次神经网络是这样，就算网络深度加到100层，也依然是这样。这样的话神经网络就失去了意义。因此引入了激活层常用的激活函
2021-03-10 21:46:03
389
原创 windows 系统上安装 tensorflow
首先保证已经安装有Anaconda和Python1. 打开Anaconda prompt2. 在Anaconda Promt依次输入：python 版本查看可以先输入python --versionconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes conda create -n.
2021-01-26 21:56:29
230
原创 【强化学习】Sarsa（lambda）
【强化学习】相关基本概念 【强化学习】 Q-Learning 【强化学习】 Q-Learning 案例分析 【强化学习】 Sarsa 【强化学习】 Sarsa（lambda）代码以及学习过程来源：莫烦Python教学（十分感谢莫烦大佬的教学视频）...
2021-01-25 19:02:19
1621
原创 【强化学习】Sarsa
【强化学习】相关基本概念 【强化学习】 Q-LearningSarsa概述首先可以回顾一下之前说的Q-Learning算法，Sarsa算法与Q-Learning算法很相似，Q-Learing中Q(s1,a2)现实值：Q的现实值是该行为对该状态下的奖励+衰减值乘以下一阶段状态中预估的最大行为反馈的奖励 Q-Learning 在这一步只是估计了一下下一步的行为动作反馈值，实际上并不一定选择该行为 离线学习（off-policy）Sarsa中Q(s1,a2)现实值：Q的现实值是.
2021-01-24 13:59:02
860
原创 【强化学习】Q-Learning 案例分析
前期知识可查看：【强化学习】相关基本概念 【强化学习】 Q-Learning代码以及学习过程来源：莫烦Python教学（十分感谢莫烦大佬的教学视频）案例介绍寻路案例：（强烈建议学习上述前期知识里的【强化学习】 Q-Learning尤其是看懂前面的小案例）红色为可移动的寻路个体 黑色为惩罚位置【奖励= -1】 黄色为目标位置【奖励= +1】 其他区域为常规状态【奖励= 0】寻路个体其实位置如图中所示的左上角，目标是移动到黄色位置，采用Q-Learning算法，能够让个体自主探..
2021-01-23 23:02:20
3067
1
原创 【强化学习】 Q-Learning
强化学习的过程是智能体从与环境的交互中不断学习以完成特定目标QLearning是强化学习算法中value-based的算法，，Q即为Q（s,a）就是在某一时刻的 s 状态下(s∈S)，采取 动作a (a∈A)动作能够获得收益的期望，环境会根据agent的动作反馈相应的回报reward r，所以算法的主要思想就是将State与Action构建成一张Q-table来存储Q值，然后根据Q值来选取能够获得最大的收益的动作。...
2021-01-22 14:48:42
4508
1
原创 【机器学习】朴素贝叶斯（Naive Bayes）
1. 概述贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类是贝叶斯分类中最简单的一种。分类原理：利用贝叶斯公式根据某特征的先验概率计算出其后验概率，然后选择具有最大后验概率的类作为该特征所属的类。之所以称之为”朴素”，是因为贝叶斯分类只做最原始、最简单的假设：所有的特征之间是统计独立的。相关概念：（1）条件概率条件概率(Condittional probability)，就是指在事件B发生的情况下，事件A发生的概率，用P(A|B)来表示。表达如下：（2）...
2021-01-13 20:15:54
7957
原创 【机器学习】决策树（Decision Tree）
一、概述决策树（Decision Tree）是有监督学习中的一种算法，并且是一种基本的分类与回归的方法。决策树有两种：分类树和回归树。（这里主要讨论分类树）相关概念：根节点：没有进边，有出边 中间节点：既有进边也有出边，但进边有且仅有一条，出边也可以有很多条 叶节点：只有进边，没有出边，进边有且仅有一条。每个叶节点都是一个类别标签 父节点和子节点在两个相连的节点中，更靠近根节点的是父节点，另一个则是子节点。两者是相对的...
2021-01-12 23:14:52
1673
原创 Python中graphviz.backend.ExecutableNotFound: failed to execute问题解决方法
在window系统中运行graphviz报错graphviz.backend.ExecutableNotFound: failed to execute经过网上查找资料解决，遇到的一些需要注意的问题如下：1. 去官网下载graphviz安装包，可安装在Anaconda目录下便于寻找，如下：2. 设置环境变量，电脑-属性-高级系统设置-高级-环境变量3. cmd环境下运行dot - version，出现以下界面表示可行了：如果不行有两种方法建议尝试：（1）将cmd运行路
2021-01-12 11:20:03
3803
原创 在编程中学习Python——Pandas库中常用对象
首先需要创建pandas库的实例对象import pandas as pd1.DataFrame对象DataFrame是Pandas中一种基础数据结构，可以看作特殊的Python字典，创建过程如下：现有一个字典数据：a={'at':[1,2,3],'ab':[11,22,33]}将a转程DataFrame数据a=pd.DataFrame(a)2. Series对象Series对象是一个带索引数据构成的以为数组创建过程如下：b=[4,5,6]..
2021-01-07 22:43:29
582
原创 【机器学习】k近邻算法（KNN）
机器学习——k近邻算法（KNN）1. 概述k-近邻算法（k-Nearest Neighbour algorithm），又称为KNN算法，是数据挖掘技术中原理最简单的算法。KNN的工作原理：给定一个已知标签类别的训练数据集，输入没有标签的新数据后，在训练数据集中找到与新数据最邻近的k个实例，如果这k个实例的多数属于某个类别，那么新数据就属于这个类别。可以简单理解为：由那些离X最近的k个点来投票决定X归为哪一类。以一个案例来说明，每条数据都有多种特征，和最后的类型，那我们就可以根据新电影的特.
2021-01-07 17:45:59
745
原创 【Python】图形界面开发——PySide2库
1. 简介与安装基于Qt 的Python库（PySide2（Qt亲儿子，自己开发的库）、PyQt5（Qt干儿子，收购的库））：优点：控件比较丰富、跨平台体验好、文档完善、用户多。缺点：库比较大，发布出来的程序比较大。调用cmd，安装PySide2的语句：pip install PySide22. 基本结构 导入需要的库 案例：from PySide2.QtWidgets import QApplication, QMainWindow, QPushButton,.
2021-01-04 21:32:11
7566
7
原创 pyside2安装完之后仍然出现This application failed to start because no Qt platform plugin could be initialized的
问题：安装Qt的pyside2，执行了pop install pyside2 仍然出现一下问题：解决方法：在Pyside2的_init_.py中加上这段话即可： import sys import os dirname = os.path.dirname(__file__) plugin_path = os.path.join(dirname, 'plugins', 'platforms') os.environ['QT_QPA_PLATFORM
2021-01-04 10:10:37
987
原创 Matlab遗传算法工具箱的使用（解决连续性优化问题）
问题：我们经常需要在研究过程中求解一些比较复杂的公式，如下：这样的公式，用常规的方法比较难以求解和的关系，可以采用Matlab自带的优化工具箱遗传算法模块进行快速求解近似关系。（1）首先转化公式：首先将公式转化成优化目标和约束的关系式，如下：mins.t.进一步转化约束为小于号，同时零在右边，如下：s.t.（2）编写目标与约束的脚本目标脚本如下：约束脚本如下：其中c表示具有大小关系的约束，ceq表示等式关系，这里没有等式约束，因此空。保存脚本.
2020-10-28 14:56:55
2612
3
原创 一种混合流水车间调度问题的建模思路
混合流水车间调度问题（Hybrid Flow Shop Scheduling Problem, HFSSP）是一种典型的流水车间调度问题。它综合了经典流水车间和并行机两种调度的特点。如下图所示，从开始到结束有m个加工阶段，每个加工阶段内有不同数量的并行机，需要加工的工件从开始一次经过每个加工阶段，在每个加工阶段中可以被该阶段内的任意一台设备加工。一般假设：1）同一阶段中所有机器都...
2020-04-29 11:31:15
14064
5
原创 Inventor 2020 安装教程
1. 进入 Autodesk 教育版官网下 Inventor 下载页：https://www.autodesk.com.cn/education/free-software/inventor-professional没有教育版账号的注册一下，学校老师/学生都可以注册，由教育版账号的直接登陆。2. 点击上图中创建账户（有账户的可跳过该步骤）填好信息，点击“下一步”填好...
2020-03-18 18:08:36
8340
原创 【强化学习】相关基本概念
1.1 强化学习从交互中学习几乎是所有学习和智能理论的基本思想。与其他机器学习方法相比，更侧重于目标导向的交互学习。建立情景-动作映射：通过不断的尝试去发现能最大奖励的动作。动作不仅影响瞬时报酬，还会影响下一个场景，并由此影响后续的奖励。两个特征：试错搜索、延迟奖励。监督学习是由专家提供的一组带标签的训练集中学习的，每个示例都是对一个情境和说明即标签的描述，该标签就是系统在该情...
2020-03-12 00:17:13
1789
原创 自动控制领域三大会议
American Control Conference (ACC) 美国控制会议，较全面地反映自动控制各领域中理论与应用的最新研究成果IEEE Conference on Decision and Control(CDC) IEEE控制与决策会议，侧重于理论研究International Federation of Automatic Control(IFAC)国际自动控制联合会，控制理论与...
2020-02-13 23:50:04
7387
原创 《文献管理与信息分析》——学习笔记1
《文献管理与信息分析》课程是由中国科学技术大学的罗昭锋老师的慕课，本文主要记录本人在学习过程中，重点知识的记录。第一讲 科研工作者的信息修炼1. 研究生培养的关键问题是解决问题的能力；2. 科研就是一个解决未知问题的过程。3. 课程内容：1）搜索引擎 文献数据库 RSS2）文献管理软件 endnote3）个人知识管理工具 为知笔记4）引文分析软件 histcite...
2019-07-09 21:21:08
1601
转载 流水车间调度问题混合整数规划模型
流水车间调度问题（FSP）描述为：有n个独立的工件按照相同的工艺路线在m台机器伤加工，每个工件需要经过m道工序，这些工序分别要求不同的机器，并且各工序的加工过程不能中断。以最大完工时间为目标的流水车间的混合整数规划模型：(1) 符号含义： 机器集合里的机器号 机器总数量 工件集合里的工件号 工...
2019-06-19 15:00:28
15343
6
转载 离散型均匀分布 & 连续型均匀分布
均匀分布（Uniform distribution）是一种简单的概率分布，其分为离散型均匀分布（discrete uniform distribution）和连续型均匀分布（continuous uniform distribution）两种类型的机率分布。1. 离散型均匀分布（discrete uniform distribution）在统计学及概率理论中，离散型均匀分布是一个离散型...
2019-04-11 10:48:25
34885
原创 【优化算法】简述灰狼优化算法（GWO）原理
系列优化算法简述：OP_1. 简述遗传算法（GA）原理OP_2 简述灰狼优化算法（GWO）原理前言：灰狼优化算法（Grey Wolf Optimizer，GWO）由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食猎物活动的启发而开发的一种优化搜索方法，它具有较强的收敛性能、参数少、易实现等特点。近年来受到了学者的广泛关注...
2019-03-25 21:10:34
115585
36
原创 【优化算法】 简述遗传算法（GA）原理
系列优化算法简述：OP_1. 简述遗传算法（GA）原理OP_2 简述灰狼优化算法（GWO）原理前言遗传算法GA（Genetic algorithm）由美国密西根大学 J. Holland 教授于90年代提出来的一种模拟生物进化规律而发展起来的优化方法的主要特点有：较强的隐并行性和全局搜索能力；基于概率化的寻优机制；能自动保留较优解并指导优化的搜索方向，不需要依赖问题的数...
2019-03-25 20:44:21
6581
原创 如何将CAD格式转成可以编辑的矢量图
前言：本文主要介绍如何将CAD文件中需要的部分转换成矢量图，并能用在ppt、visio、word等Office的软件里。尤其在写论文的过程中需要图片采用矢量图，保证图片的清晰度。本文介绍用到的软件有 Auto CAD 2017、Visio 2016、PowerPoint 2016、Word 2016、Adobe illustrator CS6（简称AI）。1. CAD导出EPS矢量图...
2019-03-25 19:24:27
29063
7
原创 【多目标优化】3. 基于分解的多目标进化算法 —（MOEA/D)
多目标优化系列：MOP_1. 多目标优化的相关基本概念MOP_2. 非支配排序遗传算法 —（NSGA、NSGA-II)MOP_3. 基于分解的多目标进化算法 —（MOEAD)基于分解的多目标进化算法 (MOEA/D)一种基于分解的多目标进化算法，是由张青富教授和李辉博士在2007年发表在《IEEE Transactions on Evolutionary Computatio...
2019-03-20 11:09:15
19726
9
原创 【多目标优化】2. 非支配排序遗传算法 —（NSGA、NSGA-II)
多目标优化系列：MOP_1. 多目标优化的相关基本概念MOP_2. 非支配排序遗传算法 —（NSGA、NSGA-II)MOP_3. 基于分解的多目标进化算法 —（MOEAD)1. 非支配排序遗传算法(NSGA)1995年，Srinivas和Deb提出了非支配排序遗传算法(Non-dominatedSorting Genetic Algorithms，NSGA)。这是一种基于P...
2019-03-19 22:22:00
64746
17
原创 【多目标优化】1. 多目标优化的相关基本概念
多目标优化系列：MOP_1. 多目标优化的相关基本概念MOP_2. 非支配排序遗传算法 —（NSGA、NSGA-II)MOP_3. 基于分解的多目标进化算法 —（MOEAD)在学习多目标优化的过程中，尤其涉及Pareto相关知识的一些概念的时候，公式与严谨逻辑的定义，在初学状态下，很难准确的认识并理解这些概念，本文重点就是将学习的过程中，对这些概念的自己理解，用较通俗的语言整理出来...
2019-03-19 20:43:08
12342
3
原创 二、数据类型
学习内容：1. 字符串与二进制转换2. 列表的使用3. 元组4.字典1. 字符串与二进制转换（1）转换规则：（2）语法str="北京工业大学"a=strb=str.encode(encoding="utf-8")c=str.encode(encoding="utf-8").decode(encoding="utf-8")print('\n',a,...
2018-08-14 20:51:12
169
原创 一、初识python
学习内容：1. python，pycharm 介绍与安装；2. 输入输出；3. 变量/常量python变成规则；4. 多行打印；5. 编码发展史；6. 格式化拼接；7. 密码密文；8. if...elif...else 条件语句；9. while/if 循环语句10. 猜年龄游戏实践
2018-07-15 13:08:32
274
原创 8. Python面向对象编程
1. 面向对象的程序设计类：某种类型集合的描述属性： 类本身的一些特性，如名字，身高，体重等属性 属性具体值会根据每个人的不同而不同方法： 类所能实现的行为，吃饭，走路，睡觉等方法2. 类的定义class classname[{父类名}]： —— classname这个类的名称，父类名是可选的，子类拥有父类的响应属性和方法 [成员函数
2017-07-11 16:40:52
312
Matlab编写NSGA-2多目标优化算法
2021-02-23
NSGA2作业车间多目标优化调度算法.zip
2019-09-23
Matlab遗传算法求混合流水车间调度最优问题
2018-11-29
C# winform 子窗体调用父窗体函数实现关闭该窗体打开另一个窗体
2018-05-14
OPC统一架构
2017-09-18
车牌模式识别软件C#开发源码
2017-06-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人