mongodb入门

1.下载地址:
http://www.mongodb.org/downloads

如:
http://downloads.mongodb.org/win32/mongodb-win32-i386-1.8.1.zip


2.启动服务:
解压,然后在根目录下创建文件夹 \data\db
在bin目录下执行:
mongod -dbpath=D:\Development_Tools\mongodb-win32-i386-1.8.1\data\db
启动服务,不指定dbpath时,默认为\data\db(从磁盘根目录算起)
此时,可以通过http://localhost:28017/ 来访问web管理界面


3.客户端连接
执行bin目录下的mongo.exe.
默认mongo.exe连接mongod服务
指向localhost使用数据库test

C:\> cd \my_mongo_dir\bin
C:\my_mongo_dir\bin> mongo
> // the mongo shell is a javascript shell connected to the db
> 3+3
6
> db
test
> // the first write will create the db:
> db.foo.insert( { a : 1 } )
> db.foo.find()
{ _id : ..., a : 1 }

Congratulations, you've just saved and retrieved your first document with MongoDB!

mongo --help 可看其他选项


SQL to Mongo Mapping Chart
[url]http://www.mongodb.org/display/DOCS/SQL+to+Mongo+Mapping+Chart[/url]

Java Language Center
[url]http://www.mongodb.org/display/DOCS/Java+Language+Center[/url]

Java Tutorial
[url]http://www.mongodb.org/display/DOCS/Java+Tutorial[/url]

MongoDB java编程快速入门(内容基本总结自Mongo官方网站)
[url]http://blog.youkuaiyun.com/Richardyu632/archive/2011/04/11/6314942.aspx[/url]

mongodb官方中文-首页
[url]http://www.mongodb.org/pages/viewpage.action?pageId=5079126[/url]

mongodb官方中文-开发社区
[url]http://www.mongodb.org/pages/viewpage.action?pageId=6750283[/url]
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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