《睡眠革命》

睡眠革命——摘抄总结大纲 睡眠革命 想更优秀?从改善睡眠开始! 睡眠不只是睡眠,是一个身心修复过程。 坚持成为习惯,受益终生(开始不见得有效,但是长期:几月或几年,会有明显的变化) 昼夜节律 改善睡眠第一步,先了解睡眠,以及最直观的改善睡眠的方法。 利用日光调节生物钟(后:仿日光灯,模拟日出:飞利浦、卢米 控制日常的运动强度(后:穿戴式设备控制运动强度 和监控身体 也保证每周150分钟的合理运动(不要过于激烈 睡前 9... 阅读详情

前言:
这篇笔记记载整理的内容仅根据我本人的条件来记载,不契合的内容不进行记载
简单概括本人条件:单身,住公司两人宿舍,固定白班,不出差,睡眠类型:中间型
不能确定睡眠类型,可以使用慕尼黑大学的问卷调查表

睡眠修复的关键指标

昼夜节律

昼夜节律是生命体24小时的内循环,是内置在我们体内的,受我们的内置生物钟的管理,了解这一点非常关键。
生物钟并不是唯一的睡眠调节器。
昼夜节律让我们产生睡眠欲望,自我平衡的睡眠压力会令我们产生睡眠需求。
人体对一种蓝光特别敏感,它能帮助设置人体的生物钟、抑制褪黑素的分泌,提高人的灵敏度和各方面表现。天黑以后,蓝光就成了一种不良光线。妨碍了褪黑素的分泌,并推迟了我们的生物钟。电脑、智能手机等电子产品的屏幕所发出的光线大多属于蓝光。
长期违背生物钟,将导致严重的健康问题。

睡眠类型

晚睡型、早起型、中间型(是我)
咖啡因是全世界最受欢迎的表现增强剂,一种会让神经变得兴奋、从而驱走疲劳的神经刺激物。研究证明,咖啡具有提高灵敏度、反应速度、注意力和耐力的功效。大量摄入咖啡因会令人焦虑不安。如果血液中的咖啡因浓度过高,将导致入睡困难或睡不安稳。咖啡因的半衰期是6小时。
智慧睡眠的要点:
1.巧妙规划好你一天的日程,在你状态最佳时做最重要的工作。
2.把咖啡因当成高效的表现增强剂使用,而不是出于习惯去喝咖啡,并且一天的咖啡因摄入量不要超过400毫克。
3.知道何时该上前、何时该退后。

睡眠周期

“R90”指的是以90分钟为一个周期,90分钟是一个人经历各个睡眠阶段所需的时间。这些睡眠阶段组成了一个睡眠周期。
睡眠周期由4个(有时是5个)不同的睡眠阶段组成:
1.打瞌睡 非眼动睡眠 第1阶段
2.浅睡眠 非眼动睡眠 第2阶段
3.深睡眠 眼动睡眠 第3阶段和第4阶段(梦游症患者会在这个阶段开始梦游,睡眠的生理修复功效大多产生于这一阶段)
4.快速眼动睡眠(在这一阶段,大脑将带着我们去坐一次滑梯——身体将暂时无法动弹。我们会做梦,所做的绝大多数梦都发生在这一阶段。这一阶段也被认为有益于开发创造力)
在快速眼动睡眠阶段结束时,我们会醒来,但通常情况下,我们不会记得自己曾经醒来——然后就开始进入下一个睡眠周期。
每晚的各个睡眠周期是互不相同的。在较早的睡眠周期中,深睡眠所占比重更大,因为身体此时希望我们能尽快进入深睡眠状态。而在较迟的睡眠周期中,快速眼动睡眠占有更大比重。但是,如果我们的睡眠时间比通常情况下少,大脑就会在较早的睡眠周期中插入快速眼动睡眠——这点足以说明快速眼动睡眠的重要性 。试图通过早点睡觉或晚点起床来补觉,其实是在浪费时间,这就是其中的一个原因。失去的睡眠,无法再补回来,但我们的身体非常善于对此进行补救。
如果一直被困在浅睡眠中,那么睡了多久就不重要了。
如果想提高睡眠修复的质量,设置固定时间的闹铃,选择一个固定的起床时间。这个起床时间,应该是每天都能实现的。并且除了某些特殊情况没有任何事情需要起得比这个时间更早。周末也要遵循这一起床时间,因此不要选择不太现实的时间。
智慧睡眠的要点:
1.固定的起床时间就像一根铁锚,支撑着整个R90方案。设定一个固定的起床时间,并持之以恒地坚持下去。
2.用90分钟时长的睡眠周期衡量睡眠,而不是睡了多少小时。
3.你可以自行选择入睡时间,但入睡时间取决于你的起床时间。从起床时间出算。
4.把睡眠放在更长一段时间中考虑,减少不必要的压力。一个“没睡好的糟糕晚上”不会要了你的命,不妨试着去考虑,你每周一共获得了多少睡眠周期。
5.尽量避免连续三个晚上睡眠不足(少于理想的睡眠周期)的情况发生。
6.睡眠不是一个简单的数量或质量的问题,试着了解你究竟需要多少睡眠时间。对大多数人来说,每周获得35个睡眠周期是最理想的。28(每晚睡上6小时)~30个睡眠周期也比较理想。如果你睡得比计划中更少,也许会过于疲劳。
7.争取每周至少有4个晚上能获得理想的睡眠时间。

睡眠前后的例行程序

睡觉之前

减少电子产品的使用,f.lux软件和苹果手机操作系统的夜光模式,能让这些设备的色温变得温暖一些,并减少蓝光量。
温度控制,确保你的羽绒被既不太暖,也不太冷。除非卧室特别寒冷刺骨,难以忍受,或者你对温度特别敏感。让卧室保持凉爽(不是寒冷)非常关键。
可以营造一个昏暗或一片漆黑的睡眠环境,以配合你的生理节律。
可以做一些简单、和缓的第二天的准备工作,这样既不会无聊,也能给大脑留下一些空间。利用这段时间,准备一下明天的生活必需品,能放空大脑,为入睡做好准备。
人类需要睡眠的一大关键原因,就是睡眠能加工我们的各种经历,把它们转化成记忆,并且巩固那些已经习得的技能。我们可以通过把一天中的各种经历分门别类进行归档,帮助大脑履行这一功能,便于大脑在睡眠时消化它们。
睡眠是一天之中最容易受到攻击的时机,因此我们需要足够的安全保证。关上所有的门窗——或者再检查一遍所有门窗是否都已关好,能增强我们的安全感,这样做有助于消除那些无益于睡眠的想法。
睡前应该避免剧烈运动。但定量的轻微运动——睡前在小区附近散散步、练练瑜伽(比如拜日式瑜伽)、在静止的自行车上踩上几圈或做一些伸展练习,都有助于睡眠。这些轻微运动还能让体温上升,让你上床时能实现从温暖到凉爽的顺利过渡。
用鼻呼吸的睡眠,常见的睡眠呼吸障碍包括打鼾和睡眠呼吸暂停。睡眠呼吸暂停患者会在夜间睡眠时反复多次地出现呼吸停止。每当这种情况发生时,大脑就会发出缺氧信号,从而严重干扰到睡眠。所有这些问题可归因于呼吸不畅。如果一觉醒来时口干舌燥,或者几乎总要带着一杯水上床,就说明你睡觉时是用嘴巴呼吸的。如果醒来时口腔仍然是湿润的,那就说明你睡觉时是用鼻子呼吸的。

睡醒之后

电子产品的回归,皮质醇是我们面临压力后,身体分泌的一种激素。刚刚醒来后的一段时间内,皮质醇水平是最高的。可以在手机上设一个闹钟,让手机在15分钟后响铃,在铃响之前,不要去碰手机。15分钟后,你就快要完全清醒了。
一日三餐中,早餐最重要,这是老生常谈。吃早餐能给我们提供开始新的一天所必需的能量。
锻炼也是一项极佳的睡眠后例行程序。
适度的脑力挑战,在早上,应该循序渐进地把你的大脑慢慢发动起来。因此,一些锻炼脑力的简单行为,比如在上班路上看看书报新闻或听听播客。
睡眠前后的例行程序:智慧睡眠的要点
1.睡眠前后的例行程序将直接影响你睡眠的质量,以及你清醒的一天:如果予以重视,整个白天和整个晚上就会更加高效。
2.在日间偶尔脱离电子设备,将此作为一种犒劳,并通过这种方式训练你的身体和心灵。
3.让你的身体感受从温暖到凉爽的变化,有利于带来自然的体温下降。快速洗个温水浴,然后选择较凉爽的睡眠环境,能帮助你达到目的。
4.在上床前整理你的卧室,放空你的大脑,就不会在该睡觉的时候想东想西、难以入眠。
5.执行睡眠前例行程序,是为了结束过去的一天——用鼻子呼吸、放松心情、实现从明亮到昏暗的过渡。执行睡眠后例行程序,是为了开启不匆不忙的新一天。这两段时间都只属于你,不属于别人。

日间小睡

午后的这段时光是人体在白天最倦怠疲乏的时候,这也是重新定义“睡眠”的一大关键。
从现在开始,我们要学会不再只把睡眠当成睡眠,而把它看成是一个身心修复的过程。
身心的修复,应该是一个一周7天、一天24小时全天候不间断的过程。
如果夜间缺失了一个睡眠周期,午后就是最佳的弥补时机。
如果当天晚上你有可能会晚睡,不妨利用午后时光,提前做好准备。
充分利用好午后时光,使之配合夜间的睡眠周期,成为我们每周睡眠——清醒常规程序的一个组成部分。通过利用这段时间午睡一会儿,我们就能继续最大化利用白天的每个小时,并让自己发挥出最佳状态。
我们体内的内在睡眠调节模式表明,多相睡眠(多阶段睡眠)是极其自然的。
即便是非常短暂的日间小睡,也能增强大脑的记忆处理能力。日间小睡有助于维持或改善随后的表现,提高生理和心理的灵敏度,并能有效改善情绪。
90分钟的睡眠周期有一个潜在的缺陷:睡眠惰性有可能会紧随其后而来。
睡眠惰性表现为精神恍惚、走路摇摆不稳。在安排可控修复期的时间时,必须牢记这一点。
从长远来看,这些日间小睡并不能代替夜间的睡眠。但这些日间小睡能和你的生理节律保持协调,补充夜间睡眠周期、促进身心的全面修复,并让你保持良好的精神状态和较高的工作效率。
每过90分钟休息片刻,并在必要时打个小盹儿(插入可控修复期),让多次休整实现叠加的效果。
日间小睡:智慧睡眠的要点
1.利用午后休憩时机(下午1—3点)给自己安排一个可控修复期,是弥补夜间睡眠周期的完美方法,这也与你的昼夜节律彼此协调。
2.白天睡不着?没关系。只要花30分钟放松一会儿,暂时脱离周围的世界片刻。
3.至少每隔90分钟休息一会儿,消除大脑的疲劳,提高注意力的集中水平。在休息时不要使用电子设备,你无需让自己自始至终地受到电子设备的控制。
4.如果你真的无法脱身,那就巧妙地安排一天的工作。在午后倦怠期,不要让自己困于太费神的工作。

R90在行动

利用R90修复方案

休整计划,如果每晚需要5个睡眠周期,那么你一周共需要35个睡眠周期。减少到28个睡眠周期,或许也没问题。但再少的话,你就会吃不消——你的健康有可能会亮起红灯。
根据世界各国的政府、医生和卫生组织提供的信息,健康的生活方式包括充沛而均衡的营养、充足的体育锻炼。合理的饮食和锻炼,有利于睡眠质量的提高。三者齐头并进,将给你的生活质量带来飞跃式的提高。
尽可能多地摄入各种新鲜食物,避免食用人工培育的、处理过的或添加了化学物质的食品,注意预防食物过敏,特别是注意控制食盐、糖、卡路里和咖啡因的摄入量。
适量补充水分也很重要。
色氨酸是一种非常重要的氨基酸,主要存在于富含蛋白质的食物中,比如鸡肉、火鸡、奶酪、鱼、香蕉、牛奶和坚果。色氨酸是人体分泌血清素、褪黑素所必需的,因此你需要通过饮食摄入充足的色氨酸。
你应当争取在你的目标睡眠时间前的3小时前,最后一次进餐,并将最后一次吃零食的时间控制在睡前90分钟之前。
适当地进行锻炼是睡眠前后例行程序的有机组成部分,它们能让你为开始新的一天做好准备,也能让你睡得更香。
在运动后获得睡眠和修复,同样至关重要。

各种睡眠问题

失眠

失眠是过度清醒造成的。在过度清醒状态下,人脑会因过于兴奋而难以入睡。睡前保持平静。

无效的安眠药

使用安眠药不当,会带来巨大的危险。
安眠药容易让人上瘾,会引发记忆丧失和梦游症。此外,安眠药停留在人体中的时间有可能比预期中的更长,它将严重影响你第二天的平衡能力、灵敏度和反应时间。

睡眠障碍

睡眠状况和精神疾病之间存在着千丝万缕的联系。睡眠障碍会引起抑郁症和焦虑症,甚至还会引起躁郁症、精神分裂症等严重的精神疾病。

Windows笔记本睡眠耗电快?教你强制开启S3睡眠模式(附机械革命F1实测) 本文详细解析了Windows笔记本睡眠耗电快的问题,指出Modern Standby(S0睡眠)的缺陷,并提供了强制开启S3睡眠模式的完整解决方案。通过注册表修改、BIOS设置和电源计划配置三种方法,帮助用户有效降低睡眠耗电,提升稳定性。附机械革命F1实测数据,展示S3睡眠模式的显著优势。 阅读详情

相关推荐

Ansys EMC Plus:用于仿真屏蔽效果的一键式工作流程

在 EMA3D 选项卡下,单击 Shielding Effectiveness 按钮下方的箭头以访问设置并使用所需数量的分割数启动工作流程,这些分割数定义了网格大小。在此示例中,设置了 35 个分段,提供了良好的 FDTD 网格,同时保持了较短的仿真运行时间。接下来,选择默认的平面波源文件,然后选择所需的分析方向。您还可以查看和调整仿真树中的仿真参数,包括定义最低和最高频率值的解域、入射平面波的极化以及探针设置。您可以控制屏蔽效果图设置,并以线性比例显示结果。仿真完成后,软件将绘制与频率相关的屏蔽效果图。

jkh920184196的博客 873

睡眠革命

睡眠革命1. “R90睡眠法”2. 实践-90分钟睡眠法3. 锚定一个起床的时间4. 35个睡眠单元5. 总结参考 1. “R90睡眠法” 这本书主要介绍的是“R90睡眠法”。 整个R90睡眠法,是建立在“90分钟为一个睡眠周期”的思路上的,你就把自己的睡眠分解成一个个90分钟单元。 90分钟为一个周期,基本保证了我们睡眠的完整周期:打瞌睡——浅睡眠——深睡眠——快速眼动睡眠状态——醒来。书中...

哈尼的博客 984

图学习——04.HAN(异构图注意力网络)

什么是异构图,什么是元路径,什么是HAN,怎么计算attention,节点级别的attention和语义级别的attention

m0_51474171的博客 3001

睡眠的一场革命!-读《睡眠革命》笔记(中)

这是一篇读《睡眠革命》的读书笔记,融入了我个人的一些理解,并记下了书中比较重要的内容。 R90睡眠法 “R90”指的是以90分钟为一个周期,获得身体修复。“90”这个数字,并不是从1~100中随意选择的。 从临床上说,90分钟是一个人经历完所有睡眠阶段所需的时间,也就是一个睡眠周期。 我们的睡眠周期由4个不同的睡眠阶段组成,可以把完成一个睡眠周期的过程,想象成一个走下楼梯的过程。 当我们...

SunSatan的博客 1545

Python 爬虫实战:从零搭建第一个爬虫程序(附完整代码)

本文介绍了Python网络爬虫的入门实战,以豆瓣Top250电影榜单为例,详细讲解爬虫开发全流程。内容包括爬虫基础原理、环境搭建、请求发送与响应处理、数据解析与保存等核心环节,并提供了可直接运行的完整代码示例。文章还分析了常见问题解决方案,并强调了爬虫开发的合规注意事项。通过本教程,读者可快速掌握Python爬虫的基本思路和实操技巧,为后续深入学习BeautifulSoup、XPath等进阶技术打下基础。

2503_91057718的博客 2316

Python 爬虫实战:微信搜一搜内容深度爬取(含搜索结果解析与企业级架构设计)

在信息爆炸的时代,微信搜一搜已成为海量信息获取的重要入口。无论是个人知识探索,还是企业舆情监控,掌握微信搜一搜内容的深度爬取能力具有巨大价值。本文将从基础原理到企业级实现,全面解析微信搜一搜爬虫的开发过程。

yansideyucsdn的博客 2455

睡眠的一场革命!-读《睡眠革命》笔记(上)

这是一篇读《睡眠革命》的读书笔记,融入了我个人的一些理解,并记下了书中比较重要的内容。 你知道昼夜节律吗? 昼夜节律是生命体二十四小时的内循环,受我们的内置生物钟的管理。 我们大脑中的这一生物钟,二十四小时调节着我们的多个内部系统,包括睡眠和饮食习惯、激素的分泌、体温、灵敏度、情绪和消化,使其与地球的自转相一致。 我们的生物钟是根据一些外部线索而设定的,其中最主要的是日光,此外还包括温度、...

SunSatan的博客 1198

2025年开源气象大模型的实现原理与实践指南

气象大模型在人工智能时代实现了革命性突破,通过深度学习技术以更低的计算成本达到甚至超越传统数值天气预报的精度。开源气象大模型的出现使得全球研究者和机构都能参与气象AI的创新。本文详细解析了开源气象大模型的实现原理,包括核心架构、数据准备、训练方法和实际预测流程,并提供了实践指南。核心架构主要采用Transformer、图神经网络和扩散模型,处理多模态数据融合和时空联合建模。数据体系构建涉及数据来源、预处理和增强策略。模型训练关键技术包括损失函数设计、分布式训练优化和训练过程监控。微调与领域适应策略包括迁移学

专注AI大模型,软件混淆,授权 1183

《睡眠革命》总结

R90睡眠革命 确定自己是早睡早起星人还是晚睡晚起星人 每晚5个睡眠周期(浅睡眠,深睡眠,快速眼动睡眠),一个周期1.5小时(根据自身调整,4~6个睡眠周期都行) 在固定时间起来:比你上班时间早1.5小时 这样每周就有7*5个睡眠周期,perfect(必要时,每周至少保证获取4个睡眠充足的晚上) 采用胎儿侧卧睡姿,用鼻呼吸,不要用嘴呼吸。 普通单人床宽90厘米,长190~200厘米 ...

zqzwzd的博客 1120

Android系统修改驱动固定USB摄像头节点绑定前后置摄像头

Android系统中usb摄像头节点会因为摄像头所接的usb口不同或者usb设备识别顺序不一样而出现每次开机生成的video节点不一样的问题。由于客户app调用摄像头时,需要固定摄像头的节点。因此需要针对前面的情况做处理。

Android系统开发笔记 2251

四舵轮底盘运动学模型(源码)(四轮四独立转向)二

舵轮4转向活动范围 x 轴正半轴,x轴正方向为0弧度,左正右负, -M_PI/2 < 转向范围 < M_PI/2;移动底盘的正前方为x方向,左侧为y轴方向(遵循右手坐标系,右手大拇指指向天空为z轴方向,食指与中指垂直,食指指向小车正前方为x轴,中指指向为移动底盘y轴方向)转向:逆时针旋转角速度w为正,顺时针旋转角速度w为负。(遵循右手螺旋法则,右手握拳大拇指指向天空为旋转z轴方向,拳垂直于地面,4指方向即底盘转动的正方向)左前轮为1号轮,右前轮为2号轮,左后轮为3号轮,右后轮为4号轮。

苏凯的博客 529

「笔记」睡眠革命

思维导图 昼夜节律图 实践及感触 入睡前 23点以后停止工作学习,洗数完成后躺在床上看点闲书 不要玩游戏(游戏会让你变得兴奋 平躺下后尽量让手机远离自己 特殊情况下可服用 褪黑素维生素B片 醒来后 起床后第一时间拉开窗帘打开灯(唤醒身体 查看手机是否有急事,若未则开始洗漱 午睡时 存在困意时,则午睡一会儿;若无,则继续学习工作… 关于咖啡 中度咖啡依赖,一天 ...

DChuan 1802

WinCC 7.5 读取 SQL server2016 中的表格数据

环境 win10 SQL Server 2016 WinCC V7.5 SP2 1 安装SQL Server 2016 2 选择服务器名称 .\WINCC 3 建数据库

skr? 7143

《睡眠革命》读后感

  近来甚是心烦。每晚睡7个小时以上,中午睡半个多小时,一天睡觉的时间在7个半小时以上。可是,白天还是犯困,上午觉得没睡醒,下午吃完饭觉得自己躺下就能睡得着。学习效率之底下、时间利用率之低令人烦恼。   一天有24个小时,睡觉占了接近1/3,可是其他的时间还是不够清醒。怀着一切都可以用科学来解释的态度,上网搜索关于睡眠的东西,找到一本《睡眠革命》的书,总结一下重点: 最适合睡眠的三个时间段 夜...

weixin_37961508的博客 757

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

《睡眠革命:如何让你的睡眠更高效读书总结》

1.忽视睡眠的后果也许会非常严重,甚至是致命的癌症、肥胖症、糖尿病、心脏病,并且有可能让你精疲力竭,患抑郁症。其实根本不必担心。采纳R90方案,改变自己的睡眠策略。你将发现,你的情绪、积极性、创造能力、记忆力、精力和灵敏度都将大幅提高。你的工作、家庭生活和人际关系也将出现质的飞跃,因为你将一次又一次地展现你的最佳状态。 2.睡眠质量最高的时间出现在凌晨2,3点,如果在日出之后才去睡觉,就违背了你...

zhangxiaofan666的博客 697

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

读书有感:《睡眠革命》

《睡眠革命》这是一本被过度吹嘘的书,尤其是网上过多的人对这本书进行了片面的解读和断章取义,他们只强调作者的 R90 睡眠周期方案,但忽略了作者在本书 2/3 的部分所疯狂强调的 R90 是一个全天候的修复方案。 最最可怕的是,有部分人仅仅认为 R90 只是代表夜晚的睡眠周期而已,他们可能会作如下解读:对于成年人来说,推荐睡够 5 个周期(7.5 小时),或视个人情况,睡够 4 个周期(6 小时)...

www.wuxianjie.net 1558

提升睡眠质量:程序猿工作伴侣(睡眠革命)

写在前面 本文内容总结来自于《睡眠革命》这本书,作者是一名资深的睡眠教练,曾帮助曼联等多个球队以及诸多体育明星改善了睡眠质量,书中讲述了很多睡眠的基本原理,给出了很多可实际操作的睡眠改善方法。如果有要详细学习了解的朋友建议买一本纸书看看,看完后再实践一部分操作后确实真有收获。相信本文相关分享能帮助你在这个焦虑的社会获得适合自己的睡眠。 核心理念 1. 睡眠不足会导致各种疾病,我们越去对抗昼夜节律,最后越受伤,甚至会造成无法挽回的损伤。 越来越多的科学数据证明睡眠和2型糖尿病,癌症,脑痴呆有关系,且睡

公众号-测试生财 838

【读书笔记】《睡眠革命》

睡眠革命》简短(2小时读完),却变革人生1/3。实践需自律(源于高自尊)。听后试之:睡好=高质量生命,更爱生活。欢迎深读原书。

Chandler2017的博客 929

《睡眠革命》书中的精髓:如何让我们的睡眠变得高效?

《睡眠革命》书中的精髓:如何让我们的睡眠变得高效? 说起睡眠,大家肯定都知道一个叫做“8小时睡眠”的定律。也就是说,人们要睡够八个小时,当然,对于正在成长发育的孩子们来说,可能需要睡到十个小时。 但是,今天我们要介绍的《睡眠革命》这本书呢,却告诉我们,我们一直深信不疑的“8小时睡眠”定律,其实是错的! 在《睡眠革命》这本书里,作者尼克第一次提出了一个叫做R90的睡眠方案,这个睡眠方案是他从事睡眠科学研究三十多年得到一个结果。这个方案得到了体育界和商界顶尖专业人士的一致认可。 好,接下来我们看这本书的精彩内容

zz18838的博客 409

win11 机械革命 睡眠后屏幕黑屏无法唤醒

以此输入以下命令,关闭睡眠功能并重新设置睡眠功能配置文件。打开设备管理器,找到系统设备中的这个,在电源选项中将。若显示如下,则可以采用下文的方法。以管理员身份运行cmd,输入。以管理员身份运行cmd。

blueSatchel的博客 4103

高效的睡眠——睡眠革命

上一周觉得时间非常不够用,想要做的事情有好多好多,但是每天的时间只有这么一点,于是就想压缩自己的睡眠时间,结果因为睡眠时间太短,并且每天脑力和体力消耗很大,身体就变得很虚弱,还去校医院开了一些帮助睡眠的药。最后的结果就是发现,压缩什么也不能压缩休息的时间。 很早之前就被安利过这本书了,封面上的副标题也十分吸引我: 用更科学的睡眠方案,优化你的人生效率。 借此正好提取一下这本书里面的干货,看看能...

厉兵秣码 612

睡眠革命-笔记

温柔一刀 215

睡眠的一场革命!-读《睡眠革命》笔记(下)

这是一篇读《睡眠革命》的读书笔记,融入了我个人的一些理解,并记下了书中比较重要的内容。 胎儿的睡姿 和体型一样,人有三种基本的睡姿:俯卧、仰卧、侧卧,对此我们都很熟悉。当然,这三种睡姿并非是彼此完全排斥的,三种睡姿之间的界限是模糊的。 仰卧是一种常见的睡姿,这一睡姿的好处是:能让你的肩背保持直线型(前提是你没有靠在破坏这一直线型的枕头上),但这一睡姿会让我们的喉部肌肉过于放松,导致呼吸道阻塞...

SunSatan的博客 964

mysql5好还是8_8小时睡眠才是好的睡眠?到底对还是不对?这里给你答案

我们都听过8小时睡眠理论,所以在很多平台都有人问,我睡够了8小时为什么还是困,我间断的睡了8个小时,睡眠是不是就足够了。其实这些,都是错误的。《睡眠革命》告诉我们:“8小时其实是每晚的人均睡眠时间,但不知何时起,它却成了普遍适用的推荐睡眠时间。然而一味追求8小时睡眠而产生的巨大压力,反而对我们的睡眠起着破坏性极强的反作用。”简单粗暴、一刀切的“8小时睡眠论”只会带来睡眠焦虑,把我们都给害了。这么说...

weixin_39934302的博客 137

睡眠革命-心得

1、2点前一定睡,此时水淼效率最高 2、“突击补觉”概念上的错误,应该从更大周期看待睡眠周期(例如:一周) 睡眠周期为1.5h ,成人一天需要4-6周期(非8小时,应为6-9小时) 3、影响睡眠因素: 1)防止强蓝光 2)低温 (低于人体1-2度0 3)低亮度 4)睡前收纳,总结 5) 人为因素 : 1)自然唤醒灯(它会根据你设定的时间亮起...

weixin_38740463的博客 267
上一篇: 笔记——基本数据类型
下一篇: Could not run build action using Gradle distribution
柳泫酒
博客等级 码龄9年 2粉丝 12原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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