<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wxhdvd的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wxhdvd</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wxhdvd]]></copyright><item><title><![CDATA[深度学习入门，从概念到实操一小时讲清楚！]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/163783618</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/163783618</guid><author>wxhdvd</author><pubDate>Sat, 15 Aug 2026 22:02:13 +0800</pubDate><description><![CDATA[本文系统介绍了深度学习与神经网络的基础知识。首先对比了深度学习与机器学习在特征处理上的区别：深度学习能自动提取特征，适用于图像、语音等复杂场景。其次讲解了人工神经网络的基本结构（输入层、隐层、输出层）及其特点。然后通过PyTorch代码示例，演示了从简单的全连接网络到集成卷积层、池化层、批归一化等模块的增强型网络的搭建过程。这些基础内容为后续学习CNN、RNN等复杂模型奠定了基础，是掌握深度学习技术的重要第一步。]]></description><category></category></item><item><title><![CDATA[微调DeepSeek等AI大模型并部署在ollama上]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/160221274</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/160221274</guid><author>wxhdvd</author><pubDate>Thu, 16 Apr 2026 20:22:15 +0800</pubDate><description><![CDATA[本文介绍了如何在有限算力条件下微调DeepSeek轻量化模型并部署到Ollama上。主要内容包括：1）选用CPU友好的DeepSeek-R1-1.5B模型和llama-factory框架；2）采用LoRA算法实现低资源高效微调；3）详细的环境配置步骤；4）法律助手数据集的准备方法，包括Alpaca格式要求和具体示例。文章提供了从模型选择到最终部署的完整流程，特别适合只有CPU资源的开发者，通过清晰的步骤说明和代码示例，帮助读者实现本地AI模型的定制化部署。]]></description><category></category></item><item><title><![CDATA[一招搞定滑动窗口！！！]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/154916717</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/154916717</guid><author>wxhdvd</author><pubDate>Mon, 17 Nov 2025 10:49:28 +0800</pubDate><description><![CDATA[本文介绍了滑动窗口算法的核心思想和应用实例。主要内容包括：1.滑动窗口的基本原理，即在固定长度窗口滑动过程中处理元素的进出；2.算法实现的关键点，包括窗口长度判断和边界处理；3.通过LeetCode例题具体演示了如何计算连续子数组最大平均值，展示完整代码实现过程；4.对初始值设定和代码优化给出说明。文章为理解滑动窗口算法提供了清晰的技术指导，适合算法学习者参考。]]></description><category></category></item><item><title><![CDATA[超详细教程：一招一式教你将本地项目上传至GitHub]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/151186402</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/151186402</guid><author>wxhdvd</author><pubDate>Thu, 04 Sep 2025 16:41:48 +0800</pubDate><description><![CDATA[文章摘要：本文是一篇Git及GitHub使用指南，详细介绍了从零开始将本地项目上传至GitHub的全过程。作者以亲身经历为引，重点讲解了四大核心步骤：1）Git安装与配置；2）本地仓库初始化与远程连接；3）文件添加与提交规范；4）首次推送及后续同步操作。文章特别强调了分支命名一致性、commit信息规范等易错点，并解释了每个命令背后的原理（如-u参数建立分支跟踪）。通过购物车等生活化比喻，帮助读者理解暂存区、提交等概念，最终实现从&quot;fatal error&quot;到成功推送的完整流程。]]></description><category></category></item><item><title><![CDATA[算法概述篇]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/150639059</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/150639059</guid><author>wxhdvd</author><pubDate>Tue, 26 Aug 2025 19:42:33 +0800</pubDate><description><![CDATA[本文系统介绍了算法的基本概念与分析方法，包括算法定义、时间与空间复杂性分析以及NP完全性理论。算法部分阐述了其输入、输出、确定性和有限性特征；复杂性分析讲解了时间复杂性的渐近表示法（O、Ω、⊝）和空间复杂性的常见级别；NP理论部分区分了P类、NP类、NPC和NP-Hard问题，并列举了典型NP完全问题案例。文章为算法学习提供了基础理论框架，并预告下期将探讨分治算法设计。]]></description><category></category></item><item><title><![CDATA[回溯法求解N皇后问题]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/148123773</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/148123773</guid><author>wxhdvd</author><pubDate>Wed, 21 May 2025 21:51:29 +0800</pubDate><description><![CDATA[本文介绍了回溯法及其在解决N皇后问题中的应用。回溯法是一种通过试探性搜索解决问题的算法，核心思想是“尝试-回退”，通过系统性搜索、剪枝优化和递归实现来高效穷举所有可能解。N皇后问题要求在n*n棋盘上放置n个皇后，使得它们互不攻击。文章详细分析了问题的解题思路，提出了剪枝条件函数，并设计了递归和非递归两种算法来实现回溯法。递归法通过递归调用逐行放置皇后，而非递归法则通过迭代实现。总结指出，回溯法通过智能穷举和剪枝优化，在解决组合问题时能显著减少无效搜索，适用于N皇后、数独、图着色等场景，是解决NP难问题的重要]]></description><category></category></item><item><title><![CDATA[贪心算法解决会议安排问题]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/147672086</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/147672086</guid><author>wxhdvd</author><pubDate>Fri, 02 May 2025 21:55:02 +0800</pubDate><description><![CDATA[本文将主要介绍贪心算法需要注意的地方以及基本概念，理解和解决最经典的会议安排问题，以及有相应的变形题局部最优选择本文通过贪心算法解决了经典的会议安排问题，即在有限的会议室资源下安排尽可能多的互不冲突的活动。首先，我们定义开始时间和结束时间两个关键数组。然后采用贪心算法的策略，按照活动结束时间进行排序，确保每次选择最早结束的活动，从而为后续活动留出更多时间。在具体实现中，使用标志数组来跟踪已安排的活动，并通过迭代选择兼容活动来完成最优安排。]]></description><category></category></item><item><title><![CDATA[数据结构基础知识]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/145366727</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/145366727</guid><author>wxhdvd</author><pubDate>Sun, 26 Jan 2025 12:34:26 +0800</pubDate><description><![CDATA[本文是有关数据结构的基础知识介绍，其在蓝桥杯以及各类面试活动中都占有重要的部分。数据结构是一门研究非数值计算的程序设计问题中计算机的操作对象以及它们之间的关系和操作的学科。]]></description><category></category></item><item><title><![CDATA[数学建模预测类—【非线性回归】]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141282752</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141282752</guid><author>wxhdvd</author><pubDate>Sat, 17 Aug 2024 23:09:20 +0800</pubDate><description><![CDATA[本篇我们将会从一般非线性回归求解和多项式回归求解两个方面来具体介绍如何进行建模求解。]]></description><category></category></item><item><title><![CDATA[数学建模预测类—【多元线性回归】]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141278512</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141278512</guid><author>wxhdvd</author><pubDate>Sat, 17 Aug 2024 13:06:52 +0800</pubDate><description><![CDATA[本文将根据回归建模过程来讲解多元线性回归模型，有关回归分析的知识以及一元线性回归的内容可以戳下方链接查看👇🤩一元线性回归一、模型建立一般根据题干我们确定多元线性回归模型：(回归平面方程）此时Y=[由样本构成的列向量]，X=[由1和x组成的矩阵]，β=[由每个自变量的参数组成的列向量]在确定自变量时有一个非常重要的步骤：逐步回归——利用stepwise(x,y)基本思想：就是通过将自变量一个一个剔除看该自变量对Y作用的影响程度，如果剔除后Y的线性性大大降低，则X对Y影响显著，应该留下该变量；]]></description><category></category></item><item><title><![CDATA[数学建模预测类—【一元线性回归】]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141269720</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141269720</guid><author>wxhdvd</author><pubDate>Fri, 16 Aug 2024 22:50:06 +0800</pubDate><description><![CDATA[在具体讲述线性回归的有关算法和解题思路时，我们会先讲一些有关回归分析的基础（建议大家可以看一下，理解一下原理）已经懂了的友友可以直接跳过~😏🙌在统计学中，回归分析（regression analysis)指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。总而言之，回归分析通常用于。]]></description><category></category></item><item><title><![CDATA[【最短路径算法】]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141219532</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141219532</guid><author>wxhdvd</author><pubDate>Thu, 15 Aug 2024 14:37:49 +0800</pubDate><description><![CDATA[最短路径算法是一类用于解决图中两点间寻找最短路径问题的算法。这里我们只具体介绍利用matlab中的函数实现，迪克斯特拉算法和弗洛伊德算法大家有兴趣可上网了解一下。这类算法在多个领域都有应用，包括网络路由、交通规划、电路设计等]]></description><category></category></item><item><title><![CDATA[利用Matlab实现【图论】中的图]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141218792</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141218792</guid><author>wxhdvd</author><pubDate>Thu, 15 Aug 2024 12:55:32 +0800</pubDate><description><![CDATA[本文将讲解如何使用matlab中的函数实现最短路径算法，所提供代码仅供参考，严禁用于数模比赛中使用！]]></description><category></category></item><item><title><![CDATA[【双向链表】的建立、插入、删除、查找和销毁]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141173376</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141173376</guid><author>wxhdvd</author><pubDate>Tue, 13 Aug 2024 23:01:48 +0800</pubDate><description><![CDATA[本文将讲解有关双向链表的建立，插入、删除，查找数据以及双向链表的销毁。有关代码大家可以复制主页的git链接进行查看哟！😏😁一、建立双向链表带头双向循环链表简称 ”双向链表“双向链表示意图这⾥的“带头”跟前⾯我们说的“头节点”是两个概念，实际前⾯的在单链表阶段称呼不严谨，但是为了我们更好的理解就直接称为单链表的头节点。带头链表⾥的头节点，实际为“哨兵位”，哨兵位节点不存储任何有效元素，只是站在这⾥“放哨 的”“哨兵位”存在的意义： 遍历循环链表避免死循环。]]></description><category></category></item><item><title><![CDATA[数学建模优化类——【最大最小规划】]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141113793</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141113793</guid><author>wxhdvd</author><pubDate>Sun, 11 Aug 2024 23:42:23 +0800</pubDate><description><![CDATA[最大最小规划（Max-Min Planning）是一种优化方法，通常用于处理一类特殊的优化问题，这类问题的目标是最大化最小值（或者最小化最大值）。这种类型的规划问题在多种领域都有应用，包括工程设计、资源分配、风险管理等]]></description><category></category></item><item><title><![CDATA[【整数规划】+【0—1规划】解决优化类问题（Matlab代码）]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141111061</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141111061</guid><author>wxhdvd</author><pubDate>Sun, 11 Aug 2024 21:06:42 +0800</pubDate><description><![CDATA[在规划问题中，有些最优解可能是分数或小数，但对于某些具体问题，常要求某些变量（全部或部分）的解必须是整数。例如当我们的变量时人数或者机器的台数。此时我们就需要利用整数规划来求最优解。背包问题和指派问题是运用0-1规划的常见两种情况，需要掌握还有其他一些情况大家可自行查找资料学习。]]></description><category></category></item><item><title><![CDATA[【蒙特卡罗法】——解决【三门问题】]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141088642</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141088642</guid><author>wxhdvd</author><pubDate>Sat, 10 Aug 2024 12:40:46 +0800</pubDate><description><![CDATA[本篇我们将讲述什么是蒙特卡罗法以及其对我们后面进行非线性规划的数学建模能够提供什么帮助我们发现如果我们选择改变主意能够赢的概率差不多是不改变能赢的两倍；这里我们也可以通俗的理解一下，假如我们不改变主意能赢，只能是开始选的就是汽车，那么能赢的概率就是1/3对吧，如果我们后面选择的改变主意能赢的话，那我们开始只能是选了山羊对吧，而开始选中山羊的概率是2/3，所以这也解释了为什么是一倍的关系。]]></description><category></category></item><item><title><![CDATA[【线性规划】——解决运筹优化类问题]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141033806</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141033806</guid><author>wxhdvd</author><pubDate>Thu, 08 Aug 2024 19:29:03 +0800</pubDate><description><![CDATA[xxx共有多少多少，我们怎样去安排或者分配，可以使···最大/最小/最优，有时对于不同的要求我们还要同时实现，为了解决这类问题，我们提出了线性规划来研究线性约束条件下线性目标函数的极值问题的数学理论和方法。单目标线性规划的代码比较简单，这里我们就不过多赘述，到后面讨论多目标线性规划代码我们再具体展示。]]></description><category></category></item><item><title><![CDATA[数模评价类—【主成分分析法】]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/141000780</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/141000780</guid><author>wxhdvd</author><pubDate>Wed, 07 Aug 2024 22:21:50 +0800</pubDate><description><![CDATA[在日常生活中我们在评价一些东西，或者探求某些因素对结果的影响时，往往需要考虑很多因素，既费时又费力，那么我们现在想想能否选出一些代表性的因素进行考虑呢？于是我们提出了主成分分析法。]]></description><category></category></item><item><title><![CDATA[数模——灰色关联分析算法]]></title><link>https://blog.youkuaiyun.com/wxhdvd/article/details/140966601</link><guid>https://blog.youkuaiyun.com/wxhdvd/article/details/140966601</guid><author>wxhdvd</author><pubDate>Tue, 06 Aug 2024 22:17:21 +0800</pubDate><description><![CDATA[本文将讲解有关灰色关联算法的原理以及实现，一切代码仅供参考，不可用于比赛！有不足之处欢迎大家提出系统总共有黑、白、灰三种，我们用颜色的深浅来反映信息量的多少。白色非常明亮清晰，我们就说这个系统是清楚的，信息量充足；黑色给人神秘莫测的感觉，我们就说这个系统是黑洞洞的，信息量太少；则灰色系统就介于黑白之间，说明它是一个信息不完全的系统这里信息不完全最主要表达的一个意思就是：系统因素不完全明确系统地分析因素——>多种因素谁主要谁次要，哪些影响大哪些小，哪些明显哪些潜在，哪些需发展哪些需抑制。]]></description><category></category></item></channel></rss>