- 博客(12)
- 收藏
- 关注
RSS订阅原创 手把手搭建个人云笔记Leanote
根据教程安装宝塔面板https://www.bt.cn/bbs/thread-79460-1-1.html。将下载下来的leanote-master.zip上传到宝塔面板的文件中：根目录>home>www。接下来使用腾讯云轻量应用服务器来构建云笔记,使用宝塔Linux面板。按照提示操作,得到宝塔面板的 地址+用户名+密码。然后选择下面的服务器,进入"应用管理"先在腾讯云的防火墙里放行9000端口。解压完成之后出现云笔记的安装目录。里面存放的是云笔记的初始数据。这时候就可以访问你的云笔记了。
2023-07-24 17:10:08
1844
1原创 解开因果关系：因果发现和推理中的假设
因果关系一直是一个新兴的研究领域，导致文献中充满了解决因果关系不同部分的不同组成部分。对于研究人员来说，越来越难以辨别他们必须遵守的假设，以便从因果概念或方法中收集可靠的结论。本文旨在消除因果推理和观察数据因果发现中出现的不同因果概念的歧义，方法是将它们归因于 Pearl 的因果层次结构的不同层次。我们将为读者提供在所需的层次结构级别进行因果推理所需的假设的综合安排。因此，将强调这些因果概念中的每一个的假设，并将检查它们伴随的图形组件。
2023-07-24 13:39:40
1490
原创 美国疫情大数据可视化系统Echarts+python+Flask框架+mysql+Navicat
数据显示每日的现有确诊人数、累计确诊人数、累计治愈人数和累计死亡人数，以及各州每日的累计确诊、累计死亡和累计治愈人数。具体目标：（1）能够查询各州的疫情确诊信息（2）设计合理的算法，推测疫情拐点出现时间（3）通过图表显示美国地图并且显示出各项指标（4）系统大致完成，代码正常运行（5）系统架构搭建完整，UI界面美观。
2023-07-24 13:23:53
1176
原创 CausalGAN：通过对抗训练学习因果隐式生成模型
我们提出了一种对抗训练的方法，用于给定因果图的情况下学习因果隐式生成模型。我们表明，如果生成器的结构与给定的因果图一致，那么对抗训练可以用于学习一个生成模型，该模型具有真实的观测和干预分布。我们考虑了根据给定的二值标签生成人脸图像的应用，其中标签之间的依赖结构通过因果图来保留。这个问题可以看作是学习一个关于图像和标签的因果隐式生成模型。我们设计了一个两阶段的过程来解决这个问题。首先，我们使用一个与因果图一致的神经网络作为生成器，训练一个关于二值标签的因果隐式生成模型。
2023-07-24 13:06:59
720
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人