自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 资源 (3)
  • 收藏
  • 关注

原创 【无标题】

CMake入门示例CMake是什么1. 最简单的一个例子2. 标准化工程CMake是什么CMake是一个跨平台的安装(编译)工具,可以用简单的语句来描述项目的编译过程。CMake输出是makefile或者project文件,配制文件为CMakeLists.txt。Cmake 并不直接建构出最终的软件,而是产生标准的建构档(如 Unix 的 Makefile 或 Windows Visual C++ 的 projects/workspaces),然后再依一般的建构方式生成项目目标。1. 最简单的一个例

2022-04-20 10:30:39 234

原创 F检验--两个正态总体方差检验

方差比的区间估计假设:样本X1,...,Xn1X_1,...,X_{n_1}X1​,...,Xn1​​来自总体X∼N(μ1,σ12)X\sim N(\mu_1,\sigma_1^2)X∼N(μ1​,σ12​),样本Y1,...,Yn2Y_1,...,Y_{n_2}Y1​,...,Yn2​​来自总体Y∼N(μ1,σ22)Y\sim N(\mu_1,\sigma_2^2)Y∼N(μ1​,σ22​)。样本均值与方差分别标记为,Xˉ=1n1∑i=1n1Xi,Yˉ=1n2∑i=1n2Yi\bar{X}=\fra

2022-03-19 10:47:40 2398

原创 t检验--正态样本均值检验

文章目录1. **单个总体的区间估计与假设检验****1.1 正态总体的抽样分布****1.2 均值μ\muμ的区间估计(σ2\sigma^2σ2未知)**1.3 均值μ\muμ的假设检验2. 两个总体的区间估计与假设检验2.1 均值差的区间估计**2.2 均值差的假设检验**1. 单个总体的区间估计与假设检验1.1 正态总体的抽样分布总体满足X∼N(μ,σ2)X\sim N(\mu,\sigma^2)X∼N(μ,σ2) ,X1,X2,...,XnX_1,X_2,...,X_nX1​,X2​,...,

2022-03-15 23:01:47 1347

原创 IDEA新建Web项目

目录使用IDEA新建Web项目新建web工程New Project设置群组信息设置Maven信息设置项目存入目录信息Maven管理项目信息Maven自动管理项目所需Lib设置Tomcat插件web项目启动配制项目运行,测试是否成功听说IDEA做Java开发很方便。于是,安装好IDEA后,开始Java开发探索之旅。使用IDEA新建Web项目新建web工程New Project打开IntelliJ IDEA,点击File->New->Project后,弹出以下这个页面,如上图所示,选择

2021-04-11 22:19:13 385

原创 打通R语言与C/C++语言的通道

这里写自定义目录标题RCpp入门新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入RCpp入门R语言拥有大量的第三方扩展包,特别是一些统计功能相关的扩展包,非常的方便实用。但也存在着一些需要性能优化的问题,这时,C++就可

2021-04-09 21:30:19 1372

原创 Label Propagation Algorithm

Label Propagation Algorithm简介标签传播算法(label propagation algorithm,LPA)是Zhu等人2002年提出的一种基于图的半监督学习方法。其基本思想是用部分已标记标签的节点预测所有未标记的节点标签信息。Usha等人于2007年首次将LPA用于社区检测。标签传播的半监督学习形式为 minf∑i=1L∥fi−yi∥2+λ∑ijL+UW...

2018-09-09 11:00:33 1282

转载 RNN, LSTM简介

RNN长期依赖的问题LSTMRNNf(x)=12x2+xy+12y2f(x)=12x2+xy+12y2f(x)=\frac{1}{2}x^2+xy+\frac{1}{2}y^2人们的每次思考并不都是从零开始的。比如说你在阅读这篇文章时,你基于对前面的文字的理解来理解你目前阅读到的文字,而不是每读到一个文字时,都抛弃掉前面的思考,从头开始。你的记忆是...

2017-10-09 08:14:18 537

mysql-essential-5.0.67-win32.msi

mysql-essential-5.0.67-win32.msi mysql-essential-5.0.67-win32.msi

2011-10-26

winedt6 注册机

winedt6 注册机 winedt6 注册机 winedt6 注册机 winedt6 注册机 winedt6 注册机 winedt6 注册机 winedt6 注册机 winedt6 注册机

2011-10-12

petshop4.0

microsoft petshop 4.0<br>

2008-03-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除