<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_52847441的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_52847441</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_52847441]]></copyright><item><title><![CDATA[图神经网络与异常检测]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134365551</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134365551</guid><author>m0_52847441</author><pubDate>Sun, 12 Nov 2023 21:03:31 +0800</pubDate><description><![CDATA[图神经网络与异常检测，主要工作和应用，以及未来关注点或值得发展]]></description><category></category></item><item><title><![CDATA[《图机器学习》——阅读记录2，信用卡交易的图分析]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134361103</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134361103</guid><author>m0_52847441</author><pubDate>Sun, 12 Nov 2023 18:24:08 +0800</pubDate><description><![CDATA[图机器学习信用卡交易的图分析]]></description><category></category></item><item><title><![CDATA[深度学习原理与Pytorch实战（第2版）——阅读记录1]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134346051</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134346051</guid><author>m0_52847441</author><pubDate>Sat, 11 Nov 2023 19:30:02 +0800</pubDate><description><![CDATA[大数据深度网络架构GPU深度学习重要的本领在于他可以从海量的数据中自动学习，抽取数据中的特征。另一个重要特性在于特征提取之后的迁移学习transfer learning。理解张量，例如三维张量(3,8,6)可以理解为立方体的长、宽、高。无论函数的依赖关系多么复杂，无论神经网络有多深，都可以通过backward()函数完成梯度的自动计算。只有叶结点才能计算grad信息，非叶节点不能计算，这是因为非叶节点大多是计算中间变量。神经网络的运行通常包含前馈的预测过程和反馈的学习过程。]]></description><category></category></item><item><title><![CDATA[基于深度学习的图异常检测技术综述——阅读]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134339287</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134339287</guid><author>m0_52847441</author><pubDate>Fri, 10 Nov 2023 20:39:31 +0800</pubDate><description><![CDATA[静态图上的异常通常是指图中很少的或者与观察到的模式有明显偏差的节点、边或子图。静态图上的结构异常节点与节点之间节点与子图之间子图与子图之间静态图上的属性异常给定一个图G和其中的节点v,v在结构上属于一个社区，如果v和大量属于其他社区的节点的属性相似，那么这种异常可以定义为属性上的异常。静态图上结构和属性的联合异常。]]></description><category></category></item><item><title><![CDATA[理解pytorch中的LSTM]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134309322</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134309322</guid><author>m0_52847441</author><pubDate>Thu, 09 Nov 2023 16:18:23 +0800</pubDate><description><![CDATA[以下是参数对于输入x的shape要求为，理解这三个参数，可以参考，这篇文章中：介绍到RNN中，time_step，每个t称为1步，t1 - t5为1个周期，RNN引入记忆概念，将上一个时间步产生的结果(Yt−1​）同当前X一同输入进去。理解time_step是神经网络的参数，网络建好了便不会改变，batch是训练参数，在训练时可根据效果随时调整。]]></description><category></category></item><item><title><![CDATA[图机器学习入门CS224W——学习记录1]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134236399</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134236399</guid><author>m0_52847441</author><pubDate>Wed, 08 Nov 2023 19:57:15 +0800</pubDate><description><![CDATA[图机器学习入门CS2224W]]></description><category></category></item><item><title><![CDATA[AE、GAE了解]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134241929</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134241929</guid><author>m0_52847441</author><pubDate>Mon, 06 Nov 2023 15:45:39 +0800</pubDate><description><![CDATA[但是，这样的生成模型存在一个问题：低维向量表示必须是由真实样本通过编码器得到的，否则随机产生的低维向量表示通过生成模型几乎不可能得到近似真实的样本。一个自编码器的输入、输出应有相同的结构，利用数据训练这个网络，等训练结束后，这个网络即学习出了x->h->x的能力，h是至关重要的，是在尽量不损失信息量的情况下，对原始数据的另一种表达。那么，如果能将低维向量表示约束在一个分布（比如正态分布）中，那么从该分布中随机采样，产生的低维向量表示通过生成模型不是就能产生近似真实的样本了吗？，代表的是所有节点的表示。]]></description><category></category></item><item><title><![CDATA[交通流预测文献阅读一]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134181131</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134181131</guid><author>m0_52847441</author><pubDate>Mon, 06 Nov 2023 10:57:44 +0800</pubDate><description><![CDATA[入门交通流预测方面的文章，从15年开始]]></description><category></category></item><item><title><![CDATA[DV-admin日期与时间范围查询-解决]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134230183</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134230183</guid><author>m0_52847441</author><pubDate>Sun, 05 Nov 2023 17:27:02 +0800</pubDate><description><![CDATA[最近在用这套系统试一试，然后表中有一个时间字段，类型为。]]></description><category></category></item><item><title><![CDATA[图异常检测学习]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134179666</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134179666</guid><author>m0_52847441</author><pubDate>Thu, 02 Nov 2023 13:51:05 +0800</pubDate><description><![CDATA[这里理解动态图：引入时间步长t，因此随着t的变化，每个时刻的图的属性矩阵是不一样的，理解为由多个静态图构成的图序列。图异常检测：基于节点的异常检测、基于边的异常检测、基于图的异常检测、基于全图的异常检测。图异常：异常可看作节点、连边、子图等异与图中大多数对象。图数据需要结合图嵌入、图卷积等进行处理然后使用。图的分类：静态平面图、静态属性图、动态图。基于子图的异常检测、基于全图的异常检测。]]></description><category></category></item><item><title><![CDATA[netwokx学习记录]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134159317</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134159317</guid><author>m0_52847441</author><pubDate>Thu, 02 Nov 2023 12:42:56 +0800</pubDate><description><![CDATA[参考博客文章：这里是引用https://blog.youkuaiyun.com/D_Ddd0701/article/details/131057961。]]></description><category></category></item><item><title><![CDATA[《图机器学习》-阅读记录1]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/134136906</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/134136906</guid><author>m0_52847441</author><pubDate>Wed, 01 Nov 2023 13:00:07 +0800</pubDate><description><![CDATA[监督学习无监督学习无监督学习的常见问题是发现相似样本的组（聚类），另外还有就是给出高维空间中数据的新表示方式评估机器学习算法泛化能力的最常用方法是将数据集分为两部分：训练集和测试集。测试集可进一步分为验证集和测试集。验证集通常用于在训练期间评估模型的性能。]]></description><category></category></item><item><title><![CDATA[小程序学习]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/128622998</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/128622998</guid><author>m0_52847441</author><pubDate>Mon, 09 Jan 2023 23:44:40 +0800</pubDate><description><![CDATA[微信小程序入门知识快速了解！学习参考]]></description><category></category></item><item><title><![CDATA[Python数据库编程（基础篇）]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/124620638</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/124620638</guid><author>m0_52847441</author><pubDate>Fri, 06 May 2022 22:47:40 +0800</pubDate><description><![CDATA[第4关
任务描述
在现在的软件、web 开发中，越来越离不开数据库的支持，MySQL 是现在最流行的关系型数据库管理系统（RDBMS - Relational Database Management System），在 WEB 开发中，MySQL 是最好的 RDBMS 应用软件之一。在本教程中，会让大家快速掌握 python 使用 MySQL 的相关知识，并轻松使用 MySQL 数据库。
本关任务：使用 pymysql 从数据库中查询数据。
相关知识
如何使用 pymysql 连接指定数据库并且查询符合条件]]></description><category></category></item><item><title><![CDATA[数据结构顺序表实现]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/120354704</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/120354704</guid><author>m0_52847441</author><pubDate>Fri, 17 Sep 2021 18:42:07 +0800</pubDate><description><![CDATA[#include &lt;iostream&gt;
using namespace std;

#define LIST_INIT_SIZE 100
#define LISTINCREMENT 10
#define OK 1
#define ERROR -1
typedef int Status;
typedef int ElemType;
typedef struct
{
	ElemType* elem;
	int length;
	int listsize;
}Sqlist;

Status InitL]]></description><category></category></item><item><title><![CDATA[C++学习记录（1）]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/119024482</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/119024482</guid><author>m0_52847441</author><pubDate>Thu, 29 Jul 2021 22:45:06 +0800</pubDate><description><![CDATA[#1.计算圆周率π\piπ的值
1.编写程序，根据公式π4=1−13+15−17+17.....\frac{\pi}{4} = 1-\frac{1}{3}+\frac{1}{5}-\frac{1}{7}+\frac{1}{7}.....4π​=1−31​+51​−71​+71​.....计算圆周率π\piπ的值,直到公式最后一项的绝对值小于10−610^{-6}10−6。
#include &lt;iostream&gt;
using namespace std;
#include &lt;cmath&gt]]></description><category></category></item><item><title><![CDATA[程序设计实验 完数和水仙花数]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/112298676</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/112298676</guid><author>m0_52847441</author><pubDate>Wed, 06 Jan 2021 22:02:31 +0800</pubDate><description><![CDATA[（一）
编程求1000之内的所有“完数”。所谓“完数”，是指一个数恰好等于它的因子之和。例如，6是完数，因为6=1+2+3.
int main() {

    int i;
    int a, sum;
    for (i = 1; i &lt;= 1000; i++)
    {
        sum = 0;//清零
        for (a = 1; a &lt; i; a++)
        {
            if (i % a == 0)//找出因子并求和
        ]]></description><category></category></item><item><title><![CDATA[C 程序设计实验]]></title><link>https://blog.youkuaiyun.com/m0_52847441/article/details/112298346</link><guid>https://blog.youkuaiyun.com/m0_52847441/article/details/112298346</guid><author>m0_52847441</author><pubDate>Wed, 06 Jan 2021 21:33:00 +0800</pubDate><description><![CDATA[C程序设计实验
题目
编写递归函数reverse(n)，实现将非负整数n逆序输出。
代码
void reverse(int n)
{
    if (n &lt;= 9)
    {
        cout &lt;&lt; n &lt;&lt; endl;
    }
    else
    {
        cout&lt;&lt;n % 10;
        reverse(n / 10);
    }


}
int main()
{
    int x;
    cin &gt;&gt; ]]></description><category></category></item></channel></rss>