<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[yuuzhao的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/yinxian9019</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yinxian9019]]></copyright><item><title><![CDATA[【kylin/ubuntu 】离线命令行基本操作]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/126008667</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/126008667</guid><author>yinxian9019</author><pubDate>Wed, 27 Jul 2022 10:22:57 +0800</pubDate><description><![CDATA[ubuntu 刚刚启动时的基本命令和技巧]]></description><category></category></item><item><title><![CDATA[【Docker】部署环境]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/125988117</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/125988117</guid><author>yinxian9019</author><pubDate>Tue, 26 Jul 2022 11:01:45 +0800</pubDate><description><![CDATA[简单的基础的使用Docker 完成一次环境部署的过程。]]></description><category></category></item><item><title><![CDATA[【UBUNTU】- 修改操作系统时间]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/124073296</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/124073296</guid><author>yinxian9019</author><pubDate>Sun, 10 Apr 2022 16:29:37 +0800</pubDate><description><![CDATA[MFC 将DWORD类型转换成CString
strTemp.Format(TEXT("%X"), dwAddrList[i]);

修改操作系统时间
sudo date -s hh:mm:ss

或者
su //进入root 

date -s hh::mm:ss

命令行持续显示操作系统时间
https://blog.youkuaiyun.com/wujizhishui/article/details/120492733
date -s

写入到硬件时间
hwclock -w


...]]></description><category></category></item><item><title><![CDATA[VS2017项目改为VS2010]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/123941834</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/123941834</guid><author>yinxian9019</author><pubDate>Wed, 06 Apr 2022 15:02:34 +0800</pubDate><description><![CDATA[VS2017项目改为VS20102021-06-03 17:16:18
将.sln的前四行改为
Microsoft Visual Studio Solution File, Format Version 11.00
Visual Studio 2010
VisualStudioVersion = 12.0.21005.1
MinimumVisualStudioVersion = 10.0.40219.1
Listbox Control 控件的简单使用
https://blog.youkuaiyun.com/qq_334]]></description><category></category></item><item><title><![CDATA[《设计模式》]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/120535042</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/120535042</guid><author>yinxian9019</author><pubDate>Tue, 28 Sep 2021 19:00:24 +0800</pubDate><description><![CDATA[文章目录学习来源P1OOP七大原则
学习来源
https://www.bilibili.com/video/BV1mc411h719?from=search&amp;seid=3837348431201989869&amp;spm_id_from=333.337.0.0
P1

创建模式考虑的是，怎么去创建一个对象。
结构型模式，主要是描述如何将类和对象组成更大的结构。
行为型模式，描述的是类和对象之间相互协作。

OOP七大原则

1、开闭原则， 提倡对扩展开放，对修改关闭，当应用需求发生改变，不修改原来]]></description><category></category></item><item><title><![CDATA[ADTrack: Target-Aware Dual Filter Learning for Real-Time Anti-Dark UAV Tracking]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/118616379</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/118616379</guid><author>yinxian9019</author><pubDate>Sat, 10 Jul 2021 00:09:41 +0800</pubDate><description><![CDATA[文章目录摘要IntroductionRelated WorkMethodExperimentCONCLUSION
摘要
基于先验相关滤波（CF）的无人机（UAV）跟踪方法主要集中在白天的跟踪上。然而，当夜幕降临时，跟踪器会遇到更加严酷的场景，这很容易导致跟踪失败。为此，本文提出了一种具有抗暗功能的新型跟踪器（ADTrack）。该方法将一种高效的微光图像增强器集成到基于CF的跟踪器中。此外，利用图像光照变化同时生成目标感知掩模。该目标感知掩模可用于联合训练聚焦于目标的滤波器，该聚焦滤波器协助上下文滤波器进行鲁]]></description><category></category></item><item><title><![CDATA[【电设】常见线性稳压电源设计 - 基本并联稳压电源-稳压二极管]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/115606786</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/115606786</guid><author>yinxian9019</author><pubDate>Sun, 11 Apr 2021 22:35:57 +0800</pubDate><description><![CDATA[- ? PN结方向击穿状态

- ？电流、电压、电阻高中物理知识





























如此就获得了，限流电阻的取值。













- ？ 限幅

- ？ 电平转化

基准稳压管，在数模转化里面提供参考电压。


...]]></description><category></category></item><item><title><![CDATA[硬件工程师学习路线-好好学习天天向上！]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/115605762</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/115605762</guid><author>yinxian9019</author><pubDate>Sun, 11 Apr 2021 21:11:55 +0800</pubDate><description><![CDATA[@[TOC]

# 关键词



电子基础，电子元器件选型，电路原理图设计，高速电路PCB设计，电子元器件焊接技术，电路板调试，启动程序UBOOT裁剪移植，linux内核裁剪移植，文件系统，低层驱动程序(C语言,ARM架构汇编，linux内核架构)，上层应用程序(C++,Qt,JAVA,Python等，深度学习，机器学习，Opencv，神经网络，自然语言处理)，静态博客服务器搭建，高等数学，线性代数，概率论，离散数学，3D建模，3D打印，雕刻机，视频拍摄后期制作，防脱发技术

## 技能关键词...]]></description><category></category></item><item><title><![CDATA[continous attractor neural networks - 连续吸引子网络（ing）]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/111397288</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/111397288</guid><author>yinxian9019</author><pubDate>Sun, 27 Dec 2020 22:01:40 +0800</pubDate><description><![CDATA[continous attractor neural networks - 连续吸引子网络。
处理视觉信号的网络是经典的CNN卷积神经网络，属于人工神经网络ANN家族。 然而故事还没有结束， 在CNN的下面， 有一个主管视觉追踪的CANN网络， 虽然只有一个字母之差， 这可不是卷积神经网络， 这四个字母的含义是continous attractor neural networks - 连续吸引子网络。
所谓空间吸引子， 说的是一种特化了的循环神经网络， 网络的动力学导致一系列可以根据外界信号连续变化的吸引子]]></description><category></category></item><item><title><![CDATA[【Meta-Learning】元学习综述 ：A Survey of Deep Meta-Learning　（ing）]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/111660735</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/111660735</guid><author>yinxian9019</author><pubDate>Sun, 27 Dec 2020 21:56:59 +0800</pubDate><description><![CDATA[文章目录
原文：　https://arxiv.org/pdf/2010.03522.pdf

]]></description><category></category></item><item><title><![CDATA[Uber Thomas 论文整理]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/111282476</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/111282476</guid><author>yinxian9019</author><pubDate>Thu, 24 Dec 2020 15:00:53 +0800</pubDate><description><![CDATA[Thomas Miconi
Working
Neural networks with differentiable structure
虽然梯度下降在学习神经网络的连接权值方面已经被证明是非常成功的，但是这些网络的实际结构通常是由人工或其他优化算法来确定的。这里我们描述了一个简单的方法，使网络结构可微，从而可以得到梯度下降。我们在应用于简单序列预测问题的递归神经网络上测试了这种方法。从只包含一个节点的初始网络开始，该方法自动构建成功解决任务的网络。最终网络中的节点数与任务难度有关。该方法可以动态地增加网络规]]></description><category></category></item><item><title><![CDATA[【Meta-Learning】元学习综述  Meta-Learning in Neural Networks: A Survey　（ing）]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/111213035</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/111213035</guid><author>yinxian9019</author><pubDate>Fri, 18 Dec 2020 22:25:44 +0800</pubDate><description><![CDATA[文章目录参考资料元学习是什么元学习的研究现状元学习有哪些方法
参考资料
论文原文： https://arxiv.org/pdf/2004.05439.pdf
现有翻译： https://blog.youkuaiyun.com/qq_38680752/article/details/106488508
论文集合：　https://github.com/floodsung/Meta-Learning-Papers
元学习是什么
参考资料　：元学习（Meta-learning）——李宏毅老师教学视频笔记 - 郑思座的文章 -]]></description><category></category></item><item><title><![CDATA[Differentiable plasticity: training plastic neural networks withbackpropagation]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/111288245</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/111288245</guid><author>yinxian9019</author><pubDate>Fri, 18 Dec 2020 22:11:28 +0800</pubDate><description><![CDATA[http://proceedings.mlr.press/v80/miconi18a/miconi18a.pdf
文章目录AbstractIntroductionRelated workintro
Abstract

1、 通过梯度下降 优化可微塑性
2、 在测试集合中， 训练集中从未见过的自然图像集合， 能重建。
3、 可以解决一般的元学习任务。
Introduction
Many of the recent spectacular successes in machine learn-ing invol]]></description><category></category></item><item><title><![CDATA[SNN ANN 多模态融合 神经网络发展过程的两个分支]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/111397181</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/111397181</guid><author>yinxian9019</author><pubDate>Fri, 18 Dec 2020 21:57:11 +0800</pubDate><description><![CDATA[人工神经网络ANN和脉冲神经网络SNN， 所谓的ANN和SNN， 事实上是神经网络发展过程的两个分支。 欲了解其背景先了解其历史。
作者：许铁-巡洋舰科技
链接：https://www.zhihu.com/question/338090715/answer/772503438
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
神经网络的故事从模拟单个神经元开始： 神经元是神经网络信息传输的“原子”。通过一定的方法连接这些原子，就可以得到具有智能的系统， 这算是整个人工智能“连]]></description><category></category></item><item><title><![CDATA[OTB100报错：　resize.cpp:4045: error: (-215:Assertion failed) !ssize.empty() in function ‘resize‘]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/110310808</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/110310808</guid><author>yinxian9019</author><pubDate>Sun, 29 Nov 2020 20:28:10 +0800</pubDate><description><![CDATA[SiamMask - otb100

  0%|          | 0/99 [00:00&lt;?, ?it/s]/home/yuuzh/.conda/envs/pytorch-env/lib/python3.7/site-packages/torch/nn/functional.py:2796: UserWarning: nn.functional.upsample is deprecated. Use nn.functional.interpolate instead.
  warnings.wa]]></description><category></category></item><item><title><![CDATA[笔试学习资料]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/109073854</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/109073854</guid><author>yinxian9019</author><pubDate>Wed, 14 Oct 2020 15:04:49 +0800</pubDate><description><![CDATA[UML六种依赖关系
https://blog.youkuaiyun.com/u011402896/article/details/79315769
数据库常用的三种模型
https://blog.youkuaiyun.com/weixin_44116816/article/details/89923325
数据库中的常用的数据模型 层次模型 网状模型 关系模型
i&gt;k?i:k
缓冲池
https://blog.youkuaiyun.com/qq_43279637/article/details/85098847
TCP常用网络和木马使用]]></description><category></category></item><item><title><![CDATA[四轴飞行器的设计与开发过程]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/108821498</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/108821498</guid><author>yinxian9019</author><pubDate>Wed, 30 Sep 2020 14:10:14 +0800</pubDate><description><![CDATA[文章目录一、系统组成模块1、上位机 （PC）2、遥控器系统3、飞行器机体系统3.1 接收遥控器无线数据， 并发送飞行数据到遥控器无线通信模块  Nordic NRF24L013.2 采集传感器数据并进行姿态解算（1）陀螺仪 （角速度）（2）加速度计 （测量载体与重力加速度的角度）（3）磁力计  （测量载体与地磁场的绝对夹角）3.3 依据姿态信息解算各个电机的控制量并发送到电机驱动设备3.4 协调各个功能部件的逻辑运行二、硬件设备及作用1、电源2、传感器2.1 ICM20602 六轴传感器芯片2.2 磁力计传]]></description><category></category></item><item><title><![CDATA[笔试】 EOS]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/108782066</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/108782066</guid><author>yinxian9019</author><pubDate>Thu, 24 Sep 2020 20:07:29 +0800</pubDate><description><![CDATA[输入两个链表，找出它们的第一个公共结点
https://blog.youkuaiyun.com/Ananbei/article/details/80589360
USB 四种传输方式详解
https://blog.youkuaiyun.com/shenjin_s/article/details/86229307
单链表实现队列的基本操作（入队，出队）
https://blog.youkuaiyun.com/qq_32070219/article/details/97298974
C语言中变长数组
void 指针
ARM处理器7种工作模式
ht]]></description><category></category></item><item><title><![CDATA[深度学习-面试]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/108781851</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/108781851</guid><author>yinxian9019</author><pubDate>Thu, 24 Sep 2020 19:54:33 +0800</pubDate><description><![CDATA[sharon:
卷积核（滤波器）为什么都是奇数
https://blog.youkuaiyun.com/qq_26598445/article/details/81285120
sharon:
卷积神经网络的卷积核的数量取多大合适？
https://www.zhihu.com/question/65012947
sharon:
正则化方法：标签平滑
https://blog.youkuaiyun.com/qwer7512090/article/details/100700261
sharon:
梯度消失、爆炸的解决方案
https]]></description><category></category></item><item><title><![CDATA[[PN]一种可以减少频繁的视觉刺激对结果的贡献， 增加不频繁出现的视觉刺激对结果的贡献的方法 （PN）]]></title><link>https://blog.youkuaiyun.com/yinxian9019/article/details/108523005</link><guid>https://blog.youkuaiyun.com/yinxian9019/article/details/108523005</guid><author>yinxian9019</author><pubDate>Thu, 10 Sep 2020 21:13:09 +0800</pubDate><description><![CDATA[Power Normalizing Second-order Similarity Network for Few-shot Learning

]]></description><category></category></item></channel></rss>