自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(16)
  • 收藏
  • 关注

原创 Go语言中进行数据库查询操作

queryMultiRowDemo() 查询多行数据。queryRowDemo() 查询单行数据。initDB() 连接数据库。以下是我自己数据库的demo。

2025-11-13 19:51:02 295

原创 最小公倍数和最大公约数

go基础

2025-11-02 11:19:45 605

原创 理工科如何去阅读文献(eg.计算机类)

这一步并非对所有论文都需要,只针对与你研究方向高度相关、或作为你工作基石的论文。这是判断论文价值的黄金标准。因为你现在对论文内容有了了解,能更好地将前人的工作定位和分类。这是理解每个组件贡献的关键,看移除哪个部分性能下降最多。我能指出论文中可能存在的错误或未说明的隐含假设吗?,判断它是否与你的研究相关,决定是否需要精读。尝试理解其背后的直觉,但不必推导每一个细节。我能向别人清晰地讲解这篇论文的优缺点和细节吗?它是如何解决引言中提出的问题的?论文的核心方法/模型是如何工作的?标记出需要进一步阅读的相关文献。

2025-10-23 15:55:08 291

原创 深度学习框架Sentence Transformer和VGG16

特性VGG16领域自然语言处理(NLP)计算机视觉(CV)输入文本(句子、段落)图像输出句子的语义向量(嵌入)图像的分类概率核心任务语义理解、相似度计算图像分类、特征提取结构基础基于 Transformer(如 BERT)卷积神经网络(CNN)关键创新通过 Pooling 和对比学习获取句子级表示证明了深度和简单 3x3 卷积堆叠的有效性现代应用语义搜索、RAG、聚类主要作为预训练的特征提取器用于其他视觉任务总而言之,

2025-10-21 22:33:20 638

原创 LeNet和AlexNet

摘要 LeNet(1998)和AlexNet(2012)是CNN发展史上的两个里程碑模型。LeNet作为最早的CNN结构之一,采用32×32灰度输入,5×5卷积核和平均池化,参数规模小,用于手写数字识别。AlexNet在ImageNet竞赛中取得突破,使用224×224彩色输入,11×11/5×5/3×3卷积核组合,最大池化和ReLU激活,参数量达6000万。两者对比显示:LeNet采用Sigmoid激活和平均池化,7层结构;AlexNet使用ReLU和最大池化,8层深度,并引入Dropout和数据增强。

2025-10-20 22:53:12 406

原创 推荐算法中的VBPR和DeepStyle

VBPR(Visual Bayesian Personalized Ranking)是一种融合物品视觉特征的推荐模型,在传统BPR协同过滤基础上加入视觉信号,通过预训练CNN提取物品图像特征,并学习用户视觉偏好向量来提升推荐效果,尤其擅长解决冷启动问题。其升级版DeepStyle进一步引入注意力机制,为每个用户构建多组视觉偏好原型,根据物品类别动态组合这些原型,实现更细粒度的上下文相关推荐。两个模型共同推动了多模态推荐系统的发展,证明视觉信息对理解用户偏好的重要性。

2025-10-19 23:08:59 634

原创 推荐系统中的情态模式

使用情态模式比单纯依赖用户历史互动的一般推荐器要好”一般推荐器是在用户的历史行为“是什么”上进行机械的外推。多情态推荐器是在试图理解用户行为背后“为什么”喜欢这些东西,通过分析物品的多种内在特征(情态)来捕捉其深层次的语义和属性。这种从“行为关联”到“语义理解”的跨越,使得推荐系统变得更加智能、灵活和人性化,能够更好地应对冷启动、提供多样化推荐并真正理解用户的潜在兴趣。

2025-10-19 22:50:09 912

原创 机器学习feature transform中的归一化

归一化是一种通过最小-最大缩放将数据特征缩放到一个固定范围(如[0,1])的数据预处理技术。它的主要目的是消除特征之间的尺度差异,从而加速模型训练提升模型性能,并确保某些算法(特别是基于距离的算法)能正常工作。

2025-10-13 16:33:35 549

原创 机器学习中Generative VS Discriminative

判别式模型“区别它”。直接学习从输入到输出的映射。好比学习“找不同”。生成式模型“生成它”。先了解每个类别本身,再通过比较来决定。好比学习“临摹”。在选择模型时,如果你的最终目标只是做出最准确的分类预测,通常判别式模型是首选。但如果你需要理解数据的内在结构、生成新数据或处理不完整的数据,那么生成式模型是更强大的工具。近年来,像GANs和扩散模型这样的生成式模型,正是在“创造”这个独特优势上大放异彩。

2025-10-13 15:51:51 883

原创 C++解决有效的字母异位词

给定两个字符串 s 和 t ,编写⼀个函数来判断 t 是否是 s 的字⺟异位词。示例 1:输⼊: s = "anagram", t = "nagaram"输出: true示例 2:输⼊: s = "rat", t = "car"输出: false说明:你可以假设字符串只包含⼩写字⺟。

2025-10-12 13:27:54 245

原创 c++动态规划解决01背包问题

动态规划主要运用状态转移方程(即递推方程)解决步骤问题,一般来说遍历方向有从前到后和从后到前,具体问题具体分析下面具体讲解一下动态规划的01背包问题:(一般来说,01背包问题不会刻意出题,但是会解决有限的容量中得到利益最大的一类问题)动态规划(Dynamic Programming, DP)动态规划是一种在数学、计算机科学和经济学中使用的,通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。它通常用于求解最优化问题。

2024-09-22 21:32:40 2593

原创 c++贪心算法之分发饼干问题

答:从题面上来看当然没有问题,但是,我们这题主要是求最多小孩能吃到的分法!result:用于存储饼干分出去的数量;分饼干问题已经解决啦!

2024-09-20 00:06:21 962

原创 dfs解决c++中跳马问题

2.很显然如图跳'日'形有如图一下四种跳法;(但是注意边界条件,及每次开始的坐标不能小于0,因为从左下方开始不能超出棋盘之外,详情请见代码):在半张中国象棋的棋盘上,一只马从左下角跳到右上角,只允许往右边跳,问能有多少种方案。3.跳马可以用for循环坐标同时变化:如下图。:1.棋盘的边界m,n一定要设置,作为边界量用于判断递归结束的条件。

2024-09-11 00:08:05 516

原创 c++数组的折半查找和线性查找

线性查找()是一种简单的查找技术,用于在列表、数组或其他线性数据结构中查找一个特定的元素。线性查找的基本思想是从数据结构的一端开始,,直到找到所需的元素或搜索完整个数据结构为止。

2024-08-17 23:51:35 1534

原创 基于qt的小型聊天室代码

linux小作业,在虚拟机中安装qt并使用实现服务端和客户端的连接,实现局域网聊天的内容环境:centos7(适用于绝大多数本科教学环境)总体设计系统架构:客户端-服务器架构:聊天室采用典型的客户端-服务器架构,客户端负责用户交互和显示,服务器负责消息处理和转发。服务器端设计:网络监听:使用socket编程接口创建TCP监听套接字。定监听地址和端口,开始监听客户端连接。连接管理:采用多线程方式处理客户端连接。为每个连接创建一个会话,记录用户信息和连接状态。

2024-08-13 22:10:01 966 2

原创 c++中字符串匹配的问题

子串的概念:存在一个整数i,使得a0=bi,a1=b(i+1).......a(la-1)=b(i+la-1) (0<=i<=(lb-la))问题描述:读入两个字符串a和b,判断a是否是b的子串(默认a的长度<=b的长度)另一种用函数构造的方法,请读者掌握构造函数的语法。

2024-08-13 20:57:30 310

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

提示
确定要删除当前文章?
取消 删除