<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_60066036的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_60066036</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_60066036]]></copyright><item><title><![CDATA[深度学习 概念总结]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/131109635</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/131109635</guid><author>m0_60066036</author><pubDate>Thu, 08 Jun 2023 16:05:08 +0800</pubDate><description><![CDATA[首先抽取一个小批量B，它是由固定数量的训练样本组成的；然后，计算小批量的损失均值关于模型参数的导数（也可以称为梯度）；最后，将梯度乘以一个预先确定正数η, ，并从当前参数的值中减掉。总结算法的步骤如下，（1）初始化模型参数的值，如随机初始化；（2）从数据集中随机抽取小批量样本并且在负梯度方向上更新参数，并不断迭代这一步骤。不断在损失函数递减的方向上更新参数来降低误差。属于梯度下降的变体。]]></description><category></category></item><item><title><![CDATA[OpenMMLab-AI | 实战营课堂笔记1]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/130992248</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/130992248</guid><author>m0_60066036</author><pubDate>Thu, 01 Jun 2023 17:07:46 +0800</pubDate><description><![CDATA[OpenMMLab图像分割算法库]]></description><category></category></item><item><title><![CDATA[深度学习 | 卷积神经网络 考试考点 内附详解]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/130263535</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/130263535</guid><author>m0_60066036</author><pubDate>Sun, 23 Apr 2023 23:43:21 +0800</pubDate><description><![CDATA[卷积神经网络（Convolutional Neural Networks, CNN）是计算机视觉技术最经典的模型结构。卷积神经网络的常用模块包括：卷积、池化、激活函数、批归一化、丢弃法等。]]></description><category></category></item><item><title><![CDATA[前沿 | 数学优化视角下的深度神经网络建模与应用]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/130196905</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/130196905</guid><author>m0_60066036</author><pubDate>Mon, 17 Apr 2023 21:47:27 +0800</pubDate><description><![CDATA[探讨如何面对不同的应用问题，从数学优化的视角加以形式化，进而指导深度神经网络的建模。事实证明，深度神经网络的结构设计和参数选择均有据可循，均可以从数学优化中汲取营养，从传统机器学习中寻求借鉴。]]></description><category></category></item><item><title><![CDATA[数据挖掘导论 | 分类器的Python实现]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/130025374</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/130025374</guid><author>m0_60066036</author><pubDate>Sat, 08 Apr 2023 10:37:10 +0800</pubDate><description><![CDATA[本文将从分类器指标的计算和ROC图像绘制，使用鸢尾花数据集来讲解分类器中代码的含义。]]></description><category></category></item><item><title><![CDATA[Turtle库的使用 | 一文教你用python绘制五角星]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/130023015</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/130023015</guid><author>m0_60066036</author><pubDate>Sat, 08 Apr 2023 00:37:51 +0800</pubDate><description><![CDATA[使用turtle库的turtle.fd()函数和turtle.right()函数绘制一个边长为200像素，黄底黑边的五角星。]]></description><category></category></item><item><title><![CDATA[可视化 | 教你用Python实现热力图（二）]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/129901626</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/129901626</guid><author>m0_60066036</author><pubDate>Sun, 02 Apr 2023 00:35:55 +0800</pubDate><description><![CDATA[在统计学中，用于度量两个具有二元变量或连续变量的数据对象之间的相关性是对象属性之间线性联系的度量（更一般属性之间的相关性计算可以类似地定义。）更准确地，两个数据变量X和Y之间的相关性（线性相关），由皮尔逊相关性系数（Pearson's correlation）定义。]]></description><category></category></item><item><title><![CDATA[可视化 | 教你用Python实现热力图（一）]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/129876085</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/129876085</guid><author>m0_60066036</author><pubDate>Sat, 01 Apr 2023 20:11:18 +0800</pubDate><description><![CDATA[在可视化中，热力图可以使用颜色深浅或者指定颜色来直观的表示目前已有数据情况。热力图的表现形式不只有上面的地图热力图，在Pearson相关性系数的时候也同样会用到热力图。]]></description><category></category></item><item><title><![CDATA[SQL SERVER | 相关表的建立]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/129869749</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/129869749</guid><author>m0_60066036</author><pubDate>Fri, 31 Mar 2023 00:23:36 +0800</pubDate><description><![CDATA[只能保证大概7个左右的精度（如果数据在7位数以内，那么基本是准确的，但是如果超过7位数，那么就是不准确的）Decimal定点数：系统自动根据存储的数据来分配存储空间，每大概9个数就会分配四个字节来进行存储，同时小数和整数部分是分开的。Decimal(M,D)：M表示总长度，最大值不能超过65，D代表小数部分长度，最长不能超过30。解决办法：重新检查元组中的数据是否和设计处的数据长度相符合，进行修改后，表格符合相关数据类型要求。在创建数据库可以通过更改数据库下面的路径，更改存放位置，合理分配存储空间。]]></description><category></category></item><item><title><![CDATA[三级数据库技术|重要知识点（一）]]></title><link>https://blog.youkuaiyun.com/m0_60066036/article/details/129755334</link><guid>https://blog.youkuaiyun.com/m0_60066036/article/details/129755334</guid><author>m0_60066036</author><pubDate>Fri, 24 Mar 2023 21:58:04 +0800</pubDate><description><![CDATA[1）数据定义语言（DDL）是负责数据结构定义与数据库对象定义的语言，并且由CREATE、ALTER、DROP和TRUNCATE四个语法组成。2）数据操纵语言（DML），主要是进行插入元组、删除元组、修改元组的操作。1）确定项目目标和范围，根据系统规划与定义的工作内容，具体说明项目的最终产品以及期望时间、成本和质量目标。通信图是交互图中的一种，表达对象之间的联系以及对象间发送和接收消息的图，即对象在空间中如何交互。组件图提供系统的物理视图，用途是显示系统中的软件对其他软件组件的依赖关系。]]></description><category></category></item></channel></rss>