- 博客(50)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 windows命令：改变软件默认安装路径
这篇博客介绍了如何通过命令行改变Windows系统软件的默认安装路径，避免因路径包含空格而导致的安装问题。首先提供了两种常用的命令行方式，分别使用 `--installation-dir` 和 `/D` 参数来指定自定义的安装目录。同时，详细解释了这些参数的作用，并提醒要注意路径中空格的问题，建议使用引号包裹路径，避免路径解析错误。需要注意的是，有些安装程序不支持 `/D` 参数，因此建议在使用时查阅安装包的文档。最后，博客提供了有效的路径设置方式，帮助用户更高效地进行软件安装。
2025-03-24 15:08:02
412
原创 Data Serialization（数据序列化）
这篇blog介绍了数据序列化（Serialization）和反序列化（Deserialization）的概念，并探讨了几种常用的数据序列化格式，包括 YAML、XML、JSON 和 TOML。序列化是将数据结构或对象转换为便于存储或传输的格式，而反序列化则是将这些格式恢复为原始的数据结构。文章还介绍了这些格式的特点、优缺点及其适用场景。
2025-03-23 14:17:45
1067
原创 windows命令：创建和打开文件
本博文提供了在 Windows 中使用 echo 和 type null 命令创建空文件的详细说明。它解释了如何生成具有各种扩展名的文件，例如。短信。Pdf 及。并提供使用 start 命令或特定程序 (如记事本) 打开这些文件的方法。它还包括用 Explorer 命令打开文件夹。
2025-03-19 19:41:06
922
原创 科研入门--如何着手写一篇Review
这篇博客介绍了如何编写一篇高质量的文献综述。首先，博客强调了文献综述的重要性，包括帮助学习基本概念、总结未解决的科学问题以及构建研究领域的逻辑关系。接着，作者详细描述了写作的步骤，从确定主题、进行文献检索、文献整理到构建框架。特别提到文献检索时需要确保全面性和精准性，并介绍了常用的检索平台如知网、PubMed和Google。文献整理阶段则建议将重要文献的结论标注出来，并在Word或笔记中进行归类整理。最后，博客提供了GPT版本的文献综述写作方法，利用AI工具提供切入角度和框架结构，帮助提升文献综述的创新性和
2025-03-17 15:52:37
673
原创 科研首战：Raman原理
这篇博客介绍了拉曼光谱的基本原理和应用。拉曼效应通过弹性散射和非弹性散射来分析物质的分子结构，分为斯托克斯和反斯托克斯散射。博客详细讲解了拉曼光谱中的“拉曼频移”以及如何通过不同波长的激光获得一致的拉曼频移。文章还描述了拉曼光谱仪的组成，包括激光、滤波片、光栅和CCD接收器等，以及如何通过这些部件实现高分辨率的光谱分析。拉曼光谱的优势在于其无损、快速的检测特性，尤其适用于化学成分的分析。此外，表面增强拉曼散射（SERS）技术被提及，展示了如何通过金属或半导体表面的增强效应大幅提高拉曼信号。
2025-03-17 15:29:09
370
原创 科研入门--SCI及分区
这篇博客详细介绍了SCI（科学引文索引）体系及其分类。SCI涵盖了自然科学、社会科学、艺术与人文学科等多个领域，并根据期刊的影响因子将期刊分为四个区。一区代表学科内影响力最强的期刊，二区、三区和四区依次递减。博客还解释了期刊的影响因子（IF）及其与单篇论文被引次数的关系，强调IF代表期刊整体的学术影响力，而单篇论文的引用频次更能体现论文本身的影响力。此外，博客还介绍了顶级会议（顶会）的定义和特点，特别是在计算机科学等领域，顶会论文的影响力与期刊论文相当，甚至更具重要性。
2025-03-17 15:17:13
1067
原创 ChatGPT and Claude国内使用站点
这篇博客介绍了不同的AI聊天平台和定价信息，主要对比了ChatGPT和Claude两款产品。文章列出了多个提供聊天服务的AI平台，包括RawChat、ChatGPTPlus、ChatOpens、Wildcard和2233.ai等，并提供了每个平台的网页链接和定价详情。特别关注了Claude平台，介绍了其普通账号与会员账号的不同，以及相关的定价信息。此外，还提到了一些虚拟卡定价和服务细节，为用户选择合适的AI服务提供了多种参考。
2025-03-17 15:11:51
652
原创 深度学习：分类和回归的区别
这篇博客讨论了分类和回归这两种监督学习任务的主要区别。分类任务的目标是将数据分配到预定义的离散类别中，而回归任务则是预测一个连续数值。文章介绍了两者在输出类型、常用评价指标、应用场景和算法选择上的不同，并列举了常用的分类和回归算法。同时，博客还深入探讨了分类和回归任务在代码实现中的差异，特别是在数据准备、模型输出层的设置、损失函数、评价指标和预测结果的处理方式上。最终，博客提供了详细的分类和回归任务的代码示例，帮助读者更好地理解和实现这些任务。
2025-03-17 14:47:32
1089
原创 云服务器跑Python：Linux系统终端后台运行进程
这篇博客介绍了在Linux系统中将Python脚本放到后台运行的几种方法。首先，使用nohup命令可以在关闭终端后保持进程运行，并将输出和错误日志重定向到指定文件。其次，screen和tmux是两个终端复用器，它们允许在多个会话中运行任务，即使SSH连接断开也能保持任务继续运行，并且支持会话的恢复和管理。最后，简单地使用&符号也可以将任务放到后台。
2025-03-17 14:42:11
559
原创 云服务器上跑Python：虚拟环境中包调用路径问题
这篇博客讨论了解决Python中`ModuleNotFoundError: No module named 'pre_data'`错误的问题。错误通常发生在Python无法找到指定的包，原因可能是当前工作目录或`PYTHONPATH`未正确配置。文章提供了两种解决方案：首先，可以通过在`data_loader.py`文件的顶部修改`sys.path`，将项目根目录添加到Python的搜索路径；其次，可以临时或永久设置`PYTHONPATH`环境变量，确保Python能够正确加载包。
2025-03-17 14:35:34
240
原创 云服务器上跑Python：Ubuntu上使用miniconda搭建虚拟环境
介绍了如何在Ubuntu系统上使用Miniconda搭建虚拟环境。文章首先指导用户下载和安装Miniconda，接受许可协议并选择安装路径。接着，介绍了如何初始化和激活Miniconda以便自动激活`conda`环境，以及如何手动配置环境变量以确保`conda`命令有效。然后，博客讲解了如何使用`conda`创建一个指定Python版本的虚拟环境，并验证其是否成功激活。最后，文章介绍了如何创建`requirements.txt`文件并使用`pip`安装文件中列出的依赖包，帮助用户在虚拟环境中配置所需的包。
2025-03-17 14:29:14
954
原创 Linux搭建conda虚拟环境流程
（网络问题，conda清华源速度也不行，so使用pip清华源，下载速度可以）（网络问题，conda清华源速度也不行，so使用pip清华源，下载速度可以）可能仍然记录着环境的存在。参数，可以直接指定虚拟环境的完整路径来删除它。：直接删除该路径下的虚拟环境文件夹。envs_path 来删除它。，它会自动解决依赖问题。，它会自动解决依赖问题。要删除位于指定路径的。
2025-03-16 10:03:53
782
原创 数学建模：常用模型
明确目标 → 数据处理 → 模型建立 → 求解与验证 → 结果分析与改进。评价类问题：注重指标构建和权重分配。预测类问题：注重数据的时间序列性和模型的泛化能力。性）明确目标 → 数据处理 → 模型建立 → 求解与验证 → 结果分析与改进。评价类问题：注重指标构建和权重分配。预测类问题：注重数据的时间序列性和模型的泛化能力。优化类问题：注重目标函数和约束条件的合理性。
2025-03-16 09:51:48
1319
原创 DeepLearning：卷积神经网络
1、卷积核的cahnnel与输入特征层的channel相同（都是三通道）2、输出的特征矩阵channel与卷积核的个数相同（通过卷积核1和卷积核2最终得到一个两通道的输出特征矩阵）
2025-03-16 09:42:12
849
原创 DeepLearning：残差网络（ResNet）
1.左边针对与网络层数较少的的网络所使用的的残差结构（34），右边主要针对与网络层数较多的网络所使用的结构（50/101/152）。通过最大池化下采样得到的输出【56,56,64】，而所需的shape为【56,56,256】，此时conv2x第一层需要使用虚线残差结构，但仅改变特征矩阵的深度，不改变高宽。a. 梯度消失：假设每一层的误差梯度是小于1的数，反向传播过程中每向前传播一层，都要乘以一个小于1的误差梯度。层放在卷积层和激活层之间，且卷积层不要使用偏置，使用偏置后求出的结果也是一样的。
2025-03-16 09:37:33
656
原创 DeepLearning：卷积神经网络基础补充
ImageNet项目是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像被ImageNet手动注释，以指示图片中的对象。在实际应用中往往不可能一次性将所有数据载入内存（算力也不够），所以只能分批次（batch）训练。缺点：易受样本噪声影响（有些数据标注错误），可能陷入局部最优解（按batch分批次）若使用分批次样本进行求解，损失梯度指向当前批次最优方向，训练过程更不平稳。Adam效果比较好，一些论文里面常用的还是SGD，根据具体情况选择。St是不断累计的损失梯度的平方和，初始化为0。
2025-03-16 09:36:17
413
原创 Anaconda：使用时的一些小问题
在添加新解释器的时候，你会发现，pycharm会将anaconda的解释器和原来的python中的解释器识别为两个解释器，它们之间的package管理也是相互独立的。ps：关于anaconda的base环境的jupyter怎么下载，也就是在base解释器（我下载的时候是3.6.5）环境下下载，但是我的不知道怎么下载不了（Anaconda Prompt里和cmd里）时，去对应的解释器里下载即可）下运行的，相当于一个集成库，所以可以先在anaconda里创建一个虚拟环境，再下载jupyter库。
2025-03-16 09:25:24
1098
原创 vscode--工作区和相对路径
使用vscode编辑python项目时发现，它的相对路径是相对于当前工作根目录来定位的，也就是从工作文件夹的最顶级目录开始查找，而非是从当前执行文件开始查找。这种优先级的设计使得你可以在不同的项目中使用不同的配置，以满足项目的特定要求，同时保持全局的默认设置。etting.json`，这个是对工作区的设置进行修改，也就是对当前项目的设置修改（局部）。因此，工作区级别的设置会覆盖用户级别的设置，以满足特定项目或文件夹的需求。，这个是对工作区的设置进行修改，也就是对当前项目的设置修改（局部）。
2025-03-15 17:04:15
544
原创 vscode打不开
Bug：窗口意外终止(原因:“launch-failed”，代码:“65"对此造成的不便，我们深表歉意。可以打开新的空窗口以重新启动)
2025-03-15 16:59:27
314
原创 R语言：初始环境配置
当你使用BT下载时，首先把这个“地图”下载到自己机器上，然后这个小种子就告诉你这些资源都在哪些人的机器上，它们就自动下载了。而你所说的种子(.torrent文件)，是一个很小的文件，大概几十K，就好像一张地图一样，告诉你所要的资源都在哪里。在R中安装Jupyter Notebook需要使用IRkernel包来支持在Jupyter中运行R代码。在Jupyter Notebook中创建一个新的R Notebook，你会看到R内核现在是可用的。子就告诉你这些资源都在哪些人的机器上，它们就自动下载了。
2025-03-15 16:55:15
579
原创 GitHub：添加ssh密钥
系统提示输入文件名来保存新的密钥对，可以直接按回车键接受默认文件名（后面跟的是你的电子邮件地址，用作密钥的标签（不必使用。
2025-03-15 16:52:50
347
原创 脑电：基于短时傅里叶变换(STFT)的时频分析(任务态)
沿着channel，沿着f，对t的信息进行基线修正，将[-0.8,-0.2]段作为基线段，算出均值，用0点后的时间段值减去基线段的值得到基线校正后的值。解决：（winsize=0.4）取[-0.8,-0.2]为基线校正时间段，规避时间窗带来的影响。sub_stft函数中的xtimes和原数据的时间维度一致，t是要选取加窗的时间点。关于分段[-1,2]中的0点时间窗，左边是基线部分，右边是任务态部分。则以这个时窗的fft结果来代表这个时间点处的频率分析。时间窗之间可以重叠，每个时间点的时间窗范围不一样。
2025-03-15 16:39:08
277
原创 脑电：频域分析(静息态)
*，这是因为实信号的频谱是对称的，且最高频率成分不会超过采样频率的一半。这是由奈奎斯特定律决定的，该定律指出，为了从采样信号中完全恢复原始信号，采样频率至少应该是信号中最高频率成分的两倍(fs>2f)。FFT结果是对称的，且FFT的输出在频域中是周期性的。对于一个实数信号，其频谱是共轭对称的。因此，我们只需要分析FFT结果的前半部分来获取信号的所有频率成分，所以第NFFT/2+1点的频率值是Fs/2。不去找不同的频率点下，通过点对点的方式找到差异明显的频率点，但是频段的划分依旧按照经典文献的划分方式。
2025-03-15 16:37:15
315
原创 脑电：时域分析(任务态)
根据确定通道（感兴趣通道）波形图来找到显著的成分，波峰P，波谷N选择时间窗（在极点处左右对称取时间段）第五步（画地形图）：在选定的时间窗里，绘制出各通道的电位幅值大小（由colorbar的颜色程度可看出）通过代码来找到时间窗内数据绝对值的最大值，根据最大值的线性值来确定maplimits。展示出时间窗内，所有电极的电位情况（波形图是一个电极在时间上的电位情况）squeeze是将维度为1的维度挤压，降维度。提值的指标，选取平均幅值确定成分的显著情况。ERP：事件诱发的电位是随着时间变化。
2025-03-15 16:35:37
148
原创 脑电：基本原理
因此，脑电所【采集到】的信号是【部分神经元】的活动。EEG是通过精密的仪器，从【头皮】上将脑部【大脑皮层】的【自发性生物电位】加以【放大amplify记录】而获得的图形，是通过电极记录下来的【脑细胞群】的自发性、节律性【电活动】。包括：增加电极，通过【高密度】记录【电极】的数据，结合复杂的【数学程序】和若干【假设】，进行分析运算；当外加某种特定的刺激于【感觉系统】或【脑的某一部位】，在【给予/撤销刺激】或者当【某种心理因素出现】时脑区所产生的电位变化就被叫做事件相关电位(ERP)。（频率升高、幅值降低）
2025-03-15 16:31:42
663
原创 脑电：数据预处理
任务态数据二次滤波和二次分段（都会改变原来一次分段基线校正后的均值），所以都需要进行二次的基线校正。先进行二次滤波，在进行二次分段（因为滤波后还需要基线校正，直接在二次分段时校正即可）二次滤波：预处理时的频段和分析时频段不一样时二次分段：分析的ERPs的分段变成[-0.2, 1]静息态的数据的上述步骤基本一样，只有分段时没有marker标记，所以分段按照代码的方式进行分段。
2025-03-15 16:29:10
905
原创 混淆矩阵概念
本篇blog分别从机器学习和医学角度解释了混淆矩阵的基本概念，包括真阳性，假阳性以及假阴性，真阴性的定义；同时，还有三变量的混淆矩阵。
2025-03-15 16:02:03
330
原创 CIFAR-10 数据集的简介
CIFAR-10 数据集是一个广泛使用的图像数据集，具体可见CIFAR-10 和 CIFAR-100 数据集，它包含 60,000 张 32x32 像素的彩色（3 channels）图像，分为 10 个类别，每个类别有 6,000 张图像。飞机 (airplane): 6,000 张汽车 (automobile): 6,000 张鸟类 (bird): 6,000 张猫 (cat): 6,000 张鹿 (deer): 6,000 张狗 (dog): 6,000 张。
2024-05-24 19:28:52
1540
1
原创 科研入门--Sci简单介绍和实用Paper Websites
DOI全称为Digital Object Unique Identifier，是指数字对象唯一标识符，可以理解为数字资源唯一的“身份证号码”，可以用DOI来标识文献、视频、报告或书籍等数字资源。还有一些整理的Paper websites和一款实用的sci-hub工具箱。
2024-05-17 21:57:10
856
原创 关于LaTex的文件拆分
`\include`和`\input`是LaTeX中用于将其他`.tex`文件内容包含到主文档中的命令，就相当于这些`.tex`文件都是一个子模块，在编译时，LaTeX会将`.tex`子文件中的内容插入到这一点。
2024-05-16 17:47:42
745
原创 LaTex的论文写作的框架介绍以及代码学习
LaTex的论文写作的框架介绍以及代码学习在LaTeX文档编写中，主要分为两部分：1.前言的布置部分，用于设置文档的基本信息和全局格式，2.后面的正文部分，则是文档的正文内容。下面介绍一篇文章大概的编写框架，以及代码编辑流程。
2024-05-16 17:40:54
2380
原创 docker的入门操作和mysql容器的简单使用
启动一个带有 MySQL 客户端的交互式会话，而不是。：一般来说，启动运行对应服务的容器后，可以通过进入的。：列出所有容器（包括停止的容器）。容器并进入其终端，进入了容器的。命令来操作文件系统、管理进程等。For example：（使用。界面执行命令，来操作对应的服务。配置阿里云镜像加速–>客户端命令来启动容器。
2024-04-28 21:30:16
1351
1
intel-integrated-sensor-solution-driver.exe
2024-12-06
intel-hid-event-filter-driver_rkpc4_win64_2.2.2.9_a21_01.exe
2024-12-06
Intel-Driver-and-Support-Assistant-Installer.exe
2024-12-06
资料转移[DPersonal_M3_S1_E_C1-16_T_U_X] v5.2.3.exe
2025-03-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人