<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[pakerder的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/pakerder</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; pakerder]]></copyright><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业11-RNN]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130741472</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130741472</guid><author>pakerder</author><pubDate>Thu, 18 May 2023 10:35:20 +0800</pubDate><description><![CDATA[在RNN中，隐藏层的输出会被作为下一个时间步的输入，这样网络可以捕捉到序列数据中的时间依赖关系。具体而言，BPTT将RNN的每个时间步看作是网络的一个层，通过展开网络，可以得到多个层之间的连接关系。然而，由于展开的序列长度较长时，BPTT会面临梯度消失或梯度爆炸的问题，因此在实际应用中，常常需要进行梯度剪裁或采用其他技巧来解决这些问题，以保证训练的稳定性和效果。综上所述，RNN通过其循环结构和隐藏状态的传递，使得网络能够处理序列数据中的时间依赖关系和变长性质，具备记忆能力，并且可以共享参数。]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业9-卷积3-XO识别]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130741011</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130741011</guid><author>pakerder</author><pubDate>Thu, 18 May 2023 10:16:27 +0800</pubDate><description><![CDATA[【代码】【22-23 春学期】人工智能基础--AI作业9-卷积3-XO识别。]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业10-经典卷积网络]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130740765</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130740765</guid><author>pakerder</author><pubDate>Thu, 18 May 2023 10:03:34 +0800</pubDate><description><![CDATA[P-Net全称为Proposal Network，该网络也是一个全连接网络，对于上一步输入的图像，通过全卷积网络（FCN）初步提取图像特征并且给出初步的标定边框，这时会出现许多标定边框，因为P-Net会通过一个人脸分类器将可能为人脸的部分都打上边框。对网络中输入的值进行更加细化的选择，并且舍去大部分错误，该层也会利用人脸关键点定位器对人脸关键点进行定位以及边框回归，最后利用Bounding-Box Regression与NMS对结果作进一步优化，将可信度较高的人脸区域输出给下一层网络，即O-Net网络。]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业8-卷积2]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130740477</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130740477</guid><author>pakerder</author><pubDate>Thu, 18 May 2023 09:50:25 +0800</pubDate><description><![CDATA[高级特征则是指基于中级特征构建的更加抽象和复杂的特征，如物体的部件、结构、语义等，这些特征能够更好地描述物体的高层次语义信息，因此对于更加复杂的任务（如目标检测、语义分割等）的效果会更好。低级特征通常指一些较为基础的、直接从原始数据中提取的特征，如颜色、纹理、边缘等，它们通常对于物体的分类或识别任务并不十分有效，但是可以作为中级特征的基础。中级特征则是指基于低级特征构建的一些更高层次的特征，如形状、轮廓、纹理组合等，这些特征能够更好地描述物体的形态和结构，因此对于分类或识别任务的效果会更好。]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业7-卷积]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130740361</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130740361</guid><author>pakerder</author><pubDate>Thu, 18 May 2023 09:48:13 +0800</pubDate><description><![CDATA[卷积核：卷积核是一个小型矩阵，用于在卷积过程中与输入数据进行逐元素相乘并求和的操作。特征选择：特征选择是机器学习中一种降低模型复杂度、提高泛化能力的方法。1.简单描述卷积、卷积核、多通道、特征图、特征选择概念。卷积：卷积核与输入数据进行按元素相乘并求和的操作。特征图：特征图是卷积操作后得到的输出数据。多通道：多通道是指输入数据具有多个维度。]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业6-误差反向传播]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130380896</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130380896</guid><author>pakerder</author><pubDate>Wed, 26 Apr 2023 10:53:58 +0800</pubDate><description><![CDATA[老师发布作业链接：(429条消息) 【22-23 春学期】AI作业6-误差反向传播_HBU_David的博客-优快云博客

1.梯度下降

2.反向传播

3.计算图

4.使用Numpy编程实现例题

5.使用PyTorch的Backward（）编程实现例题]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业5-深度学习基础]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130380292</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130380292</guid><author>pakerder</author><pubDate>Wed, 26 Apr 2023 10:32:30 +0800</pubDate><description><![CDATA[人工智能、机器学习、深度学习之间的关系
神经网络与深度学习的关系
“深度学习”和“传统浅层学习”的区别和联系
神经元、人工神经元
MP模型
单层感知机 SLP
异或问题 XOR
多层感知机 MLP
前馈神经网络 FNN
激活函数 Activation Function
为什么要使用激活函数？
常用激活函数有哪些？
均方误差和交叉熵损失函数，哪个适合于分类？哪个适合于回归？为什么？]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业4-无监督学习]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130380070</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130380070</guid><author>pakerder</author><pubDate>Wed, 26 Apr 2023 10:14:04 +0800</pubDate><description><![CDATA[KNN是一种基于样本距离的分类算法，而K-means是一种聚类算法，是一种基于数据分布的算法。9. K-means可以看做是最简单的EM算法，它将每个数据点视为一个高斯分布的均值，通过迭代求解，将数据点分配到近似的均值中心，以实现数据聚类。7. 潜在语义分析（LSA）是一种文本分析方法，通过对词汇在文本中的出现频率进行分析，找出其中的潜在语义，以实现文本的分类、聚类等操作。3. 主成分分析（PCA）是一种降维算法，它可以找到数据中的主要方向，并将数据转换到与这些主要方向相关的坐标轴上。奇异值分解（SVD）]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业3-监督学习]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130379918</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130379918</guid><author>pakerder</author><pubDate>Wed, 26 Apr 2023 10:05:22 +0800</pubDate><description><![CDATA[分类和聚类都是机器学习中常见的任务，它们分别涉及到不同类型的学习算法。KNN 是一种基于相似度度量的分类算法， K - mean 是一种基于距离聚类的算法。支持向量机通过最大化训练数据集与超平面之间的距离，寻找最优的超平面，以实现分类的目标。集成学习是一种机器学习的方法，旨在将多个单一的学习算法组合成一个更强大的算法。判别式模型是机器学习模型的一种类型，它不是学习数据分布，而是直接学习从输入到输出之间的映射关系。生成式模型是机器学习模型的一种类型，它通过学习训练集中的数据分布来进行分类或生成数据。]]></description><category></category></item><item><title><![CDATA[【22-23 春学期】人工智能基础--AI作业2-监督学习]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/130379509</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/130379509</guid><author>pakerder</author><pubDate>Wed, 26 Apr 2023 09:56:25 +0800</pubDate><description><![CDATA[补：L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓惩罚是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型叫做Lasso回归，使用L2正则化的模型叫做Ridge回归（岭回归）。]]></description><category></category></item><item><title><![CDATA[渲染十万条数据就把你难住了？不存在的！]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/129443202</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/129443202</guid><author>pakerder</author><pubDate>Fri, 10 Mar 2023 15:10:06 +0800</pubDate><description><![CDATA[长列表数据不可视部分使用空白占位填充（下图中的startOffset和endOffset区域）的方式，下拉到底部获取新的内容加载进来，其实就相当于是在垂直方向上的分页叠加功能，，整个滑动也会造成卡顿，这个时候我们就可以考虑使用虚拟列表来解决问题。但随着加载数据越来越多，浏览器的回流和重绘的开销将会越来越大。不把长列表数据一次性全部直接渲染在页面上。监听滚动事件根据滚动位置动态改变可视列表。对于长列表渲染，传统的方法是使用。CPU计算能力不够，滑动会卡顿。GPU渲染能力不够，页面会跳屏。]]></description><category></category></item><item><title><![CDATA[人工智能基础--AI作业1-ML基础]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/129410931</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/129410931</guid><author>pakerder</author><pubDate>Wed, 08 Mar 2023 20:37:11 +0800</pubDate><description><![CDATA[聚类是指将数据分成不同的组，每组中的数据都具有相似的特征。同时，需要注意的是，训练集、测试集和验证集的划分应该是随机的，并且要保证数据集的代表性和平衡性。在机器学习中，我们的目标是使模型的期望风险最小化，也就是让模型在未见过的数据上的表现最好。监督学习是一种机器学习方法，其中机器学习算法根据给定的输入数据和其对应的输出标签进行训练，以学习如何预测新的输入数据的输出标签。总的来说，损失函数在机器学习中扮演着非常重要的角色，它帮助我们评估模型的性能，并且优化模型的参数，以使得模型能够更好地适应数据。]]></description><category></category></item><item><title><![CDATA[微前端--（学习了解资源合并）]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/129290562</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/129290562</guid><author>pakerder</author><pubDate>Wed, 01 Mar 2023 21:43:32 +0800</pubDate><description><![CDATA[记录一下我学习微前端的几篇很不错的文章：微前端-最容易看懂的微前端知识 - 掘金 (juejin.cn)微前端连载 6/7：微前端框架 - qiankun 大法好 - 掘金 (juejin.cn)从零开始写一个微前端框架-沙箱篇 · Issue #19 · micro-zoe/micro-app (github.com)手把手教你写一个简易的微前端框架 - 掘金 (juejin.cn)快速上手 - qiankun (umijs.org)手写微前端 simple-qiankun - 掘金 (juejin.cn]]></description><category></category></item><item><title><![CDATA[什么是JWT？]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/129288821</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/129288821</guid><author>pakerder</author><pubDate>Wed, 01 Mar 2023 20:16:29 +0800</pubDate><description><![CDATA[最近别人面试的面经中经常看到JWT，学习一下：(176条消息) 什么是JWT_jwt是什么_小贤编程手记的博客-优快云博客什么是JWT？ - 掘金 (juejin.cn)什么是JWT ？为什么要使用JWT ？_哔哩哔哩_bilibili]]></description><category></category></item><item><title><![CDATA[发布npm包时遇到的错误]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/128965363</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/128965363</guid><author>pakerder</author><pubDate>Fri, 10 Feb 2023 10:20:59 +0800</pubDate><description><![CDATA[网上大多解决方案是将npm使用镜像指向taobao镜像报错原因所以一直困扰没有方向，查看镜像然后为镜像错误只需要执行。然后再重新执行npm login。]]></description><category></category></item><item><title><![CDATA[【JavaScript基础】map、weakmap、object的区别]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/128356419</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/128356419</guid><author>pakerder</author><pubDate>Sat, 17 Dec 2022 19:49:48 +0800</pubDate><description><![CDATA[Map 中的 key 是有序的。因此，当迭代的时候， Map 对象以插入的顺序返回键值。Object 有一个原型, 原型链上的键名有可能和自己在对象上的设置的键名产生冲突。Object 的键必须是 String 或是Symbol。Map的键可以是任意值，包括函数、对象或任意基本类型。Map 是 iterable 的，所以可以直接被迭代。迭代Object需要以某种方式获取它的键然后才能迭代。Map默认情况不包含任何键，只包含显式插入的键。在频繁添加和删除键值对的场景下未作出优化。Object 的键是无序的。]]></description><category></category></item><item><title><![CDATA[【TypeScript系列】【一篇就够】TypeScript知识点总结（二）]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/128330140</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/128330140</guid><author>pakerder</author><pubDate>Thu, 15 Dec 2022 19:11:11 +0800</pubDate><description><![CDATA[简而言之，面向对象就是程序之中所有的操作都需要通过对象来完成。举例来说，操作浏览器要使用windows对象；操作网页要使用document对象；操作控制台要使用console对象。一切操作都要通过对象，也就是所谓的面向对象，那么对象到底是什么呢？这就要先说到程序是什么，计算机程序的本质就是对现实事物的抽象，抽象的反义词是具体，比如：照片是对一个具体的人的抽象，汽车模型是对具体汽车的抽象等等。程序也是对事物的抽象，在程序中我们可以表示一个人、一条狗、一把枪、一颗子弹等等所有的事物。]]></description><category></category></item><item><title><![CDATA[【TypeScript系列】【一篇就够】TypeScript知识点总结（一）]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/128315620</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/128315620</guid><author>pakerder</author><pubDate>Wed, 14 Dec 2022 18:05:33 +0800</pubDate><description><![CDATA[TypeScript是JavaScript的超集。它对JS进行了扩展，向JS中引入了类型的概念，并添加了许多新的特性。TS代码需要通过编译器编译为JS，然后再交由JS解析器执行。TS完全兼容JS，换言之，任何的JS代码都可以直接当成JS使用。相较于JS而言，TS拥有了静态类型，更加严格的语法，更强大的功能；TS可以在代码执行前就完成代码的检查，减小了运行时异常的出现的几率；TS代码可以编译为任意版本的JS代码，可有效解决不同JS运行环境的兼容问题；]]></description><category></category></item><item><title><![CDATA[【Vue系列】Vue3.0知识点汇总整理]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/128297274</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/128297274</guid><author>pakerder</author><pubDate>Tue, 13 Dec 2022 13:40:34 +0800</pubDate><description><![CDATA[(1)  性能的提升（2）源码的升级；使用Proxy代替defineProperty实现响应式；重写虚拟DOM的实现和Tree-Shaking（3）拥抱TypeScript（4）新的特性1.Composition API（组合API）2.新的内置组件3.其他改变ref用来定义：基本数据类型；reactive用来定义：对象（或数组）类型数据；备注：ref也可以用来定义对象或数组类型数据，它内部会自动通过reactive转为代理对象；定义。]]></description><category></category></item><item><title><![CDATA[【前端安全系列】【万字解析】如何防止CSRF攻击？]]></title><link>https://blog.youkuaiyun.com/pakerder/article/details/128269544</link><guid>https://blog.youkuaiyun.com/pakerder/article/details/128269544</guid><author>pakerder</author><pubDate>Sun, 11 Dec 2022 10:50:17 +0800</pubDate><description><![CDATA[相比XSS，CSRF的名气似乎并不是那么大，很多人都认为CSRF“不那么有破坏性”。真的是这样吗？接下来有请小明出场~~这一天，小明同学百无聊赖地刷着Gmail邮件。大部分都是没营养的通知、验证码、聊天记录之类。但有一封邮件引起了小明的注意：聪明的小明当然知道这种肯定是骗子，但还是抱着好奇的态度点了进去（请勿模仿）。果然，这只是一个什么都没有的空白页面，小明失望的关闭了页面。一切似乎什么都没有发生……在这平静的外表之下，黑客的攻击已然得手。小明的Gmail中，被偷偷设置了一个过滤规则，这个规则使得所有的邮件]]></description><category></category></item></channel></rss>