网络Day_14

1、
所有站点均连接到公共传输媒体上的网络结构是(A )
A、总线型
B、环型
C、树型
D、混合型
解析:
总线拓扑结构采用一个信道作为传输媒体,所有站点都通过相应的硬件接口直接连到这一公共传输媒体上,该公共传输媒体即称为总线。任何一个站发送的信号都沿着传输媒体传播,而且能被所有其它站所接收。
2、
以下软件中(C)是电子邮件软件。
A、Visual Basic
B、Netscape
C、Outlook Express
D、Internet Explorer
解析:
Visual Basic:一门编程语言
Netscape:网景浏览器
Outlook Express:微软的电子邮件客户端
Internet Explorer:IE浏览器,这个没得说的了
3、
数据链路层的三个基本问题是封装成帧、透明传输和(D)
A、差错纠正
B、信息确认
C、载波监听
D、差错检测
解析:
数据链路层的三个基本问题:封装成帧,透明传输,差错检测
4、
下列哪些功能使TCP准确可靠地从源设备到目地设备传输数据(D)
A、封装
B、流量控制
C、无连接服务
D、编号和定序
解析:
TCP是用面向连接的传输保证数据准确可靠的传输,对数据封装成TCP报文,每个TCP报文有编号,使用滑动窗口进行发送,接收ACK确认报文,以便接收端能够准确的恢复。
5、
在Internet域名体系中,域的下面可以划分子域,各级域名用圆点分开,按照 (D) 。
A、从左到右越来越小的方式分4层排列
B、从左到右越来越小的方式分多层排列
C、从右到左越来越小的方式分4层排列
D、从右到左越来越小的方式分多层排列
解析:
域名的结构由标号序列组成,各标号之间用点隔开:
… . 三级域名 . 二级域名 . 顶级域名
6、
构造计算机网络的目的是(D)
A、 信息交流
B、数据交换
C、通信
D、资源共享
解析:
计算机网络向用户提供的最重要功能有两个:
1.连通性
2.共享
7、
布线系统与(A )紧密相关.
A、网络体系结构
B、局域网
C、楼群
D、传输介质
解析:
布线系统是构成以网络为基础的应用系统的重要组成部分
8、
128.14.32/20是哪种网络编制(D)
A、分类IP编址
B、划分子网
C、无分类编址CIDR
D、三级IP地址
9、
在 RS-232C 接口信号中,数据终端就绪 (DTR) 信号的连接方向为 ( A )
A、DTE→DCE
B、DCE→DTE
C、DCE→DCE
C、DTE→DTE
解析:
数据终端设备DTE (Data Terminal Equip-ment)与数据通信设备DCE (Data Communication Equipment)
只有当 DSR和DTR都处于有效(ON)状态时,才能在DTE和DCE之间进行传送操作。若DTE要发送数据,则预先将RTS线置成有效(ON)状态,等CTS线上收到有效(ON)状态的回答后,才能在TxD线上发送串行数据。这种顺序的规定对半双工的通信线路有用,因为半双工的通信线路进行双向传送时,有一个换向问题,只有当收到DCE的CTS线为有效(ON)状态后,才能确定DCE已由接收方向改为发送方向了,这时线路才能开始发送。
10、
下面有关http keep-alive说法错误的是?(D)
A、在HTTP1.0和HTTP1.1协议中都有对KeepAlive的支持。其中HTTP1.0需要在request中增加“Connection: keep-alive” header才能够支持,而HTTP1.1默认支持
B、当使用Keep-Alive模式时,Keep-Alive功能使客户端到服 务器端的连接持续有效,当出现对服务器的后继请求时,Keep-Alive功能避免了建立或者重新建立连接
C、可以在服务器端设置是否支持keep-alive
D、当你的Server多为动态请求,建议开启keep-alive增加传输效率
解析:
太极广场好蠢羊头像太极广场好蠢羊
HTTP/1.0
在HTTP/1.0版本中,并没有官方的标准来规定Keep-Alive如何工作,因此实际上它是被附加到HTTP/1.0协议上,如果客户端浏览器支持Keep-Alive,那么就在HTTP请求头中添加一个字段 Connection: Keep-Alive, 当服务器收到附带有Connection: Keep-Alive的请求时,它也会在响应头中添加一个同样的字段来使用Keep-Alive。这样一来,客户端和服务器之间的HTTP连接就会被保 持,不会断开(超过Keep-Alive规定的时间,意外断电等情况除外),当客户端发送另外一个请求时,就使用这条已经建立的连接
HTTP/1.1
在HTTP/1.1版本中,官方规定的Keep-Alive使用标准和在HTTP/1.0版本中有些不同,默认情况下所在HTTP1.1中所有 连接都被保持,除非在请求头或响应头中指明要关闭:Connection: Close ,这也就是为什么Connection: Keep-Alive字段再没有意义的原因。另外,还添加了一个新的字段Keep-Alive:,因为这个字段并没有详细描述用来做什么,可忽略它
Not reliable(不可靠)
HTTP是一个无状态协议,这意味着每个请求都是独立的,Keep-Alive没能改变这个结果。另外,Keep-Alive也不能保证客户端和服 务器之间的连接一定是活跃的,在HTTP1.1版本中也如此。唯一能保证的就是当连接被关闭时你能得到一个通知,所以不应该让程序依赖于Keep- Alive的保持连接特性,否则会有意想不到的后果

这里面的编码:“ self.node_feat_encoder = nn.Sequential( nn.Linear(time_steps, 16), # 将14个时间步编码为特征 nn.ReLU(), nn.Linear(16, node_feat_dim) )”可以换成正余弦编码吗?数据在输入进去的时候,第一列是时间,请帮我加入正余弦编码:“class TimeCovariates(object): """Extract all time covariates except for holidays.""" def __init__( self, datetimes, normalized = True ): """Init function. Args: datetimes: pandas DatetimeIndex (lowest granularity supported is min) normalized: whether to normalize features or not holiday: fetch holiday features or not Returns: None """ self.normalized = normalized self.dti = datetimes def _minute_of_hour(self): minutes = np.array(self.dti.minute, dtype=np.float32) if self.normalized: minutes = minutes / 59.0 - 0.5 return minutes def _hour_of_day(self): hours = np.array(self.dti.hour, dtype=np.float32) if self.normalized: hours = hours / 23.0 - 0.5 return hours def _day_of_week(self): day_week = np.array(self.dti.dayofweek, dtype=np.float32) if self.normalized: day_week = day_week / 6.0 - 0.5 return day_week def _day_of_month(self): day_month = np.array(self.dti.day, dtype=np.float32) if self.normalized: day_month = day_month / 30.0 - 0.5 return day_month def _day_of_year(self): day_year = np.array(self.dti.dayofyear, dtype=np.float32) if self.normalized: day_year = day_year / 364.0 - 0.5 return day_year def _month_of_year(self): month_year = np.array(self.dti.month, dtype=np.float32) if self.normalized: month_year = month_year / 11.0 - 0.5 return month_year def _week_of_year(self): week_year = np.array(self.dti.strftime("%U").astype(int), dtype=np.float32) if self.normalized: week_year = week_year / 51.0 - 0.5 return week_year def get_covariates(self): """Get all time covariates.""" moh = self._minute_of_hour().reshape(1, -1) hod = self._hour_of_day().reshape(1, -1) dom = self._day_of_month().reshape(1, -1) dow = self._day_of_week().reshape(1, -1) doy = self._day_of_year().reshape(1, -1) moy = self._month_of_year().reshape(1, -1) woy = self._week_of_year().reshape(1, -1) all_covs = [ moh, hod, dom, dow, doy, moy, woy, ] columns = ["moh", "hod", "dom", "dow", "doy", "moy", "woy"] return pd.DataFrame( data=np.vstack(all_covs).transpose(), columns=columns, index=self.dti, )”并帮我分析一下这样是否能够提升预测精度?
04-06
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值