巴塞罗那的余晖
巴塞罗那的余晖

人工智能学习笔记

绪论

  • 三次潮起潮落
    • 第一波1956-1960
      • 算法萌芽，硬件算力不足
      • 逻辑推论，迷宫问题
    • 第二波1985-1990
      • 专家系统
      • 硬件算力还是不足，对于本质不理解，经验不足
      • 模仿人类专业领域识别
    • 第三波2010
      • 大数据下的机器学习
      • 特征撷取，海量数据
  • 超人工智能
    通用人工智能、自我人工智能、创人工智能
    没有可以主动预期规划或者完成预测
  • 人工智能研究切入角度
    跨领域交叉研究

人工智能技术-确定性知识系统

  • 确定性知识系统

    • 状态空间法
      • 状态：为描述不同事物间差别而引入的一组最少变量的有序集合
      • 算符：从一种状态变化为另一种状态的手段
      • 状态空间：一个表示包含该问题全部可能状态及其关系的图或内容
      • 十五数码难题
    • 三元状态（S,F,G）
      你要如何在有橘子的一麻袋苹果汇总找出橘子来？
      状态？算符？状态空间？前提？

  • 问题归约法
    对于要解决的问题实行逆向思维，从初始问题建立子问题以及子问题的子问题，而该等子问题称为本源问题，找出一个平凡的本源问题集合，就是问题归约表示法。
    个人理解：就是借用逆向思维的方式来找到问题的本源问题

    • 三步骤
      • 一个初始问题描述
      • 一套把问题变为子问题的操作符
      • 一套本源问题描述
    • 问题归约表示的图形化表示：与或树图

  • 确定性知识表示方式及输入
    确定性知识推理方法

    • 谓词逻辑标记法

      • 用以描述事物的状态、位置及动作
      • 让知识系统自身与表达获得能以理性逻辑式运作的操作性

    • 产生式表示法

    • 语义网络表示法
      语义网络是一种仿效自然语言理解系统的做法，将实体由语义关联方式连接建立。

      • 语义关系基本类型
        • 实例关系：ISA（IS.....A）
          • 具体与抽象
        • 分类关系：AKO（... IS A KIND OF）
          • 子类与超类
        • 成员关系：A-Member-of（... IS A MEMBER OF ...）
          • 个体与集体
        • 属性关系：（HAVE,CAN）
          • 有 HAVE 事物连接事物
          • 能、会 CAN 事物连接动作
        • 包含关系：（PART OF）
          • 部分与整体
          • 内在部分与外在部分
        • 时间关系：（TIME SQUENCE）
          • 时间次序（BEFORE、AFTER）
        • 位置关系：（SPACE LOCATION）
          • 空间位置
        • 相似关系：（SIMILAR TO,NEAR TO）
          • 外在、内部性质距离

人工智能技术-搜索

  • 搜索类型

    • 按照是否使用启发式信息
      • 盲目式搜索
      • 启发式搜索
    • 按问题的表示方式
      • 状态空间搜索
      • 与或树搜索

  • 状态空间问题求解

    • 状态
    • 操作
    • 状态空间：SFG表示法
      • S：初始/现在状态集合
      • F：操作集合
      • G：目标状态集合
    • 求解做法
      • 从初始状态出发，每次使用一个操作建立顺序及记录每次操作后的状态作为下次操作的起始状态，直到目标状态
      • 一个问题的解：从初始状态到目标状态过程中的算符序列

  • 问题归约求解

    • 把一个问题分解成一组子问题，仅当这一组的问题都有解时才表明原问题有解（等价变换）

  • 盲目策略式搜索

    • 广度优先搜索BFS
      • 每次只扩展一次
      • 队列的形式，按照顺序
    • 深度优先搜索DFS
      • 栈，后进先出
    • 贝尔曼-福特算法

  • 启发策略搜索

    • 概念

      • 启发信息：线索
      • 估价函数：用来估计节点的重要性
        • 约束经过节点N到达目标节点Sg的所有路径中的最小路径估计值
        • f(n)=g(n) or f(n)=g(n)+h(n)
        • g(n)是从初始节点s0到节点n的实际代价
        • h(n)是从节点n到目标节点Sg的最优路径的估计代价

    • DJ斯特拉算法

    • 贪婪最佳优先搜寻

      • 每次挑选的都是距离目标最近的

    • A算法与A*搜寻

    • 与树/或树式启发搜索

      • 希望树扩展

        最优希望成为最优解树一部分的树状结构，使用作为搜索解中的依据，并且在搜索过程中自身可能不断变化。

        扩展方式：同时扩展两层，选定希望树基础

        ​ ppt4 74-78

    • 博弈树式启发搜索概述

      • α-β剪枝
        • 当α>=β时候执行剪枝操作
        • α初值为-∞，与max挂钩
        • β初值为+∞，与min挂钩

人工智能技术-计算智能

  • 概述
    • 什么是计算智能？
      • 拥有处理数据能力的系统，含有模式识别部件，虽然不一定有使用符合人工智能定义的知识，但由于计算功能具有计算适应性、计算容错率、接近人对结果的计算速度、近似人对结果的误差率的四个特性，可以称得上是具有计算智能。
    • 计算智能是人工智能的核心
  • 人工神经网络
    • 按网络拓扑结构分类
      • 前馈网络
        • 单层前馈网络
        • 多层前馈网络
      • 反馈网络
        • Hopfiedld网络
        • 循环式网络
    • 按学习方法分类
      • 有监督指导
      • 无监督指导
    • 按网络性能分类
      • 连续型网络
      • 离散型网络
    • 人工神经网络模型的使用
      • 感知器（MP）
        • 感知器可视为输出对输入状态分类成有或无
      • 学习器（BPNN）
        • 具有为使得网络获得更佳的输出结果而改变自身网络内容的能力
        • 正向为输出传递，反向为调适传递
        • 倒传递人工神经网络
      • 记忆器（HNN）
        • 离散Hopfield网络在运行中，其能量函数总是在不断降低的，最终趋于稳定状态。
  • 进化计算
    • 生物进化论和遗传论概略认知
      • 遗传
        • 亲代把生物信息交给子代
        • 子代和亲代具有相同或者相似的形状
      • 变异
        • 亲代和子代之间以及子代的不同个体之间总有差异，这种现象称为变异，随机发生
      • 生存斗争和适者生存
      • 遗传算法基于自然选择的生物进化，是一种模仿生物进化过程的包含随机演变效应的方法
    • 进化计算基本过程概述
      • 一定数目N个个体随机进行初始化，并且计算每个个体的适应度函数
      • 按照适应度来选择个体，父代要求基因重组而产生子代。所有子代按一定概率变异
      • 子代适应度重新计算，子代被插入到种群中并将父代替换，构成新的一代，如此循环往复，直到满足优化准则为止。
    • 进化计算基本原理
      • 遗传算法定义
      • 关键技术

        • 编码问题

          • 二进制编码、浮点数编码、符号编码、多参数编码、可变常染色体编码等

        • 初始种群的产生

          • 若无任何参考，使用随机产生样本
          • 若有参考，可将这些先转变为必须满足的一组要求，然后再这些满足要求的解中随机选取样本

        • 确定适应值函数

        • 选择遗传操作操作数

          • 操作数
            • 选择操作数
            • 交叉操作数
            • 变异操作数
          • 选择运算
            • 用来确定重组或者交叉的个体，以及被选个体将产生多少个子代个体
            • 选择的依据是计算适应度
              • 轮盘赌选择
              • 随机遍历抽样
              • 局部选择等

        • 停机条件

          • 最常用的条件是规定遗传的代数，即迭代次数
          • 当遗传算法用来产生新的规则时
            • 子代种群的规则与其父代完全相同，并且各规则的适应值已连续M次保持不变。也就是说，当前工作种群已不再进化了。其中，M是根据不同的应用情况事先设置的一个参数。

        • 轮盘赌选择演算方式

          • 个体被选择的概率计算方法：P=个体适应度/适应度总和

          • 累计概率：取0-1区间，通过累加概率得到

            如：1的选择概率为0.2,2的选择概率为0.4

            则1的累计概率为0.2（0+0.2），2的累计概率为0.6（0.2+0.4）

          • 先用rand()产生一个[0.1之间的]随机数，看看它落在了那个区间，就对应选择哪个个体，例如：这个随机数为0.02，那么个体1就被选中；如果为0.2，则个体2被选中；以此类推

        • 交叉或基因重组计算

          • 杂交率

            用来确定2个染色体进行局部的位(bit)的互换以产生2个新的子代的概率

          • 方法

            • 每一次，从群体中选择 2个染色体，同时生成其值在0到1之间一个随机数，然后根据此数据的值来确定两个染色体是否要进行杂交。
            • 如果数值低于杂交率(0.7)就进行杂交，然后沿着染色体的长度随机选择一个位置，并把此位置后面所有的位进行互换。

        • 遗传算法-交叉运算

          • 单点交叉
            • 配对
            • 选择交叉点位置，后面的互换

        • 遗传算法-变异运算

          • 1.首先确定出各个个体的基因变异位置，下表所示为随机产生的变异点位置，其中的数字表示变异点设置在该基因座处；
          • 2.然后依照某一概率将变异点的原有基因值取反。
    • 模糊计算
      • 模糊计算是以模糊集合与模糊逻辑为主要的数学理论基础
      • 先将问题模糊化适应，然后以模糊化的方式进行问题处理并得到结果，最终将结果以解模糊化手段完成明确表示

你可能感兴趣的:(人工智能学习笔记)

  • 人工智能学习笔记 - 预备篇之高中数学快速复习 woods_wang_219 人工智能数学统计学人工智能
    最近比较忙，上班忙工作，下班忙着陪儿子玩，只能抽空复习一下，好不容易把高中数学看了一遍，比起初中数学来说要困难了不少，而且增加了不少的选修课程，里面有蛮多大学的课程，比如微积分和矩阵初步，同时还有不少统计学的入门知识。不过总体看下来，觉得自己从基础开始复习还是值得的，对于早已遗忘的一些知识点又有了一些理解，直觉这些和之前林林总总看的一些关于人工智能相关的一些领域知识有一定的联系（我的脑细胞神经元反
  • 人工智能学习笔记-Keras介绍及简单应用 Tauren2614 人工智能python人工智能神经网络深度学习
    Keras介绍及安装1什么是Keras2一些基本概念21符号计算21张量3安装使用演示1一个简单神经网络2模型可视化参考阅读1Keras介绍及安装1.1什么是KerasKeras是一个基于Python的高层神经网络库，其可以使用Tensorflow、Theano以及CNTK等著名深度学习框架作为后端。Keras的设计理念为简单而便捷，你可以通过几行代码构建一个复杂的卷积神经网络或循环神经网络。1.
  • 人工智能学习笔记 sober30 学习笔记人工智能学习笔记
    文章目录一.机器学习概述人工智能概述人工智能、机器学习和深度学习的关系机器学习工作流程1.定义2.工作流程3.获取到的数据集介绍4.数据基本处理5.特征工程6.机器学习7.模型评估机器学习算法分类模型评估Azure机器学习模型搭建实验深度学习简介二.机器学习基础环境按照与使用安装第三方库jupyternotebook使用三.Matplotlibmatplotlib之helloworld实现一个简单
  • AI人工智能学习笔记--配置opencv，skimage，matplotlib，PIL，numpy等视觉识别的库 lisa- 人工智能学习opencv
    一前提条件1.安装好Anaconda，Pycharm。2.用Anaconda配置好tensorFlow或者pytorch环境condainfo-e查看配置好的环境二pycharm创建工程，完成与Anaconda的“联姻”选择File----NewProject，然后选择已经在Anaconda中配置好的环境，下面以tensorflow为例即完成创建新工程三为新的工程配置视觉图像处理库3.1安装pyt
  • 聚类算法及其评价 zhuimeng999 算法机器学习人工智能
    姓名：Jyx描述：人工智能学习笔记聚类聚类是一种非监督学习，聚类需要将一系列样本输入到聚类算法中，学习样本的内在结构。聚类往往不单独存在，而是作为一个大的监督学习算法的一部分存在聚类的原则。类内散度最小，类间散度最大聚类的用途3.1减少计算量。通过对样本分类，以分类标签代替原始向量，大大减少计算量3.2识别离群点。3.3可视化聚类的要素。特征选择，近邻测度，聚类准则，聚类算法，结果验证，结果判定#
  • 人工智能学习笔记 HS_Henry 区块链与人工智能梯度下降正则化
    目录1扫盲阶段2.数学基础知识3.机器学习基础知识4.回归4.1.观察数据4.2.拆分数据集4.3.特征表示法4.4.特征组合4.5.损失4.6.拟合程度4.7.正则化4.8.逻辑回归5.分类6.神经网络初探人工智能知识，初步认识数据处理、分类、回归。1扫盲阶段1.1四类人员从角色维度分为四类人员了解者：大致了解理论，对结果具有判断能力。开发者：了解理论，根据业务场景选择合适算法，进行机器学习方面
  • 人工智能学习笔记（1）——使用深度学习框架完成手写数字识别 fire_Judy
    感觉学习人工智能算法很痛苦，以前的数据结构没有好好学，因此希望通过记笔记来让自己学得好一点。环境：AIStudio中的notebook注：代码示例来源于我的人工智能课老师，一些部分的解释来源于飞桨的文档中，另一些会标注出处，侵删。分析老师给的代码示例（1）查看当前paddlepaddle环境查看当前paddlepaddle环境没什么可说的。（2）完成mnist数据集的加载完成mnist数据集的加载
  • 人人看得懂的AI教程 空中湖 人工智能
    人人看得懂的AI教程，从0开始入门AI教程，一步一步AI，人工智能学习笔记现在写书真的方便，闲来无事写了本从0开始学AI的书籍，哈哈一、基础知识1.1人工智能概览1.2机器学习1.3深度学习1.4数据科学二、编程知识2.1Python基础2.2数据结构与算法2.3数值计算库Numpy2.4数据操作库Pandas三、机器学习基础3.1回归问题3.2分类问题3.3聚类问题3.4模型评估指标四、深度学习
  • python中如何计算列表中的元素数量_人工智能学习笔记——（二）Python之列表 weixin_39950083 python修改列表指定位置的
    认识列表在C++中我们会学习多维数组，在Python中我们学到了一种新的存储信息的方法，即列表。列表让你能够在一个地方存储成组的信息，其中可以只包含数百个元素。列表是python中非常实用的一种方法。列表可以存储很多元素，而且这些元素之间还没有任何关系。在python中我们用方括号来表示列表，中间元素用逗号隔开，下面示例：如示例，python的列表可以把所有的列表元素全部打印出来，包括方括号都打印
  • 人工智能学习笔记（一） 源于花海 学习笔记人工智能深度学习
    家人们，好久不见哈！最近在尝试着学习人工智能的相关知识和具体技能呀。说实话，当像我这样的小白初探人工智能体系时，总是被很多未知的名词以及茫茫内容所淹没，便去想通过网络学习帮助自己建立正确的人工智能基本概念认知。在此，我便进一步对人工智能体系从人工智能、机器学习、深度学习、计算机视觉、自然语言处理、知识图谱等笔记中进行宏观的探索和认知，同时也帮助感兴趣的小伙伴一起入门人工智能呀。目录一、人工智能概述
  • 人工智能学习笔记 卸TV 人工智能学习机器学习
    1人工智能知识体系学习心得1.1概述人工智能（ArtificialIntelligence）最初在1956年达特茅斯会议上提出，之后研究者们发展了众多理论和原理，人工智能的概念也随之拓展，人工智能通常是指研究与开发用于模拟、延伸和拓展人的智能的理论、方法、技术及系统的一门新兴的交叉学科。经过半个多世纪的经验积累和计算机算力的提高，现今人工智能的发展正处于第三次浪潮，人工智能的理论和技术日趋成熟，应
  • 【人工智能学习笔记1】入门介绍tensorflow2.0 双木又一人 人工智能学习tensorflow
    人工智能学习笔记-1-入门介绍tensorflow2.0人工智能三学派三学派定义神经网络设计过程张量生成常用函数笔记来自【北京大学】Tensorflow2.0笔记来自:https://www.bilibili.com/video/BV1B7411L7Qt?p=2&spm_id_from=pageDriver人工智能三学派三学派定义行为主义：基于控制论，构建感知-动作控制系统（实例：倒立摆，平衡车）
  • Python3人工智能学习笔记（一）——线性回归 Zichel77 机器学习人工智能学习线性回归机器学习
    文章目录1.线性回归1.1概念1.2回归问题求解1.3求解a和b2.线性回归实战准备2.1Scikit-Learn2.2调用Sklearn求解线性回归问题2.3评估模型表现2.3.1均方误差MSE2.3.2R2R^2R2值2.3.3编程2.4图形展示1.画散点图2.多张图同时展示3.多因子线性回归实战流程1.线性回归回归分析：根据数据，确定两种或两种以上变量之间互相依赖的定量关系![在这里插入图片
  • 人工智能学习笔记 实验五 python 实现 SVM 分类器的设计与应用 Zed222 人工智能python机器学习
    学习来源【机器学习】基于SVM人脸识别算法的一些对比探究（先降维好还是先标准化好等对比分析）_○(＾皿＾)っHiahiahia…的博客-CSDN博客实验原理有关svm原理请移步该篇通俗易懂的博客机器学习算法（一）SVM_yaoyz105-CSDN博客_svm下图或许可以简单概括svm功能与原理有关深究svm原理请移步该篇通俗易懂的博客机器学习算法（一）SVM_yaoyz105-CSDN博客_svm
  • 【人工智能】深度学习专项课程精炼图笔记！必备收藏 SophiaCV 人工智能深度学习
    本文为人工智能学习笔记记录,参考机器之心，AI有道，Google资源目录深度学习基础1.深度学习基本概念2.logistic回归3.浅层网络的特点4.深度神经网络的特点5.偏差与方差6.正则化7.最优化8.超参数9.结构化机器学习过程10.误差分析11.训练集、开发集与测试集12.其它学习方法13.卷积神经网络基础14.经典卷积神经网络15.特殊卷积神经网络16.实践建议17.目标检测算法18.人
  • 人工智能学习笔记之计算机视觉（二）——米粒分割算法 ly_zszcyx C++人工智能人工智能计算机视觉
    前言C++提示：以下是本篇文章正文内容，下面案例可供参考一、基于大津算法//米粒分割算法voidImageSmoothHandle::riceDetection(){MatoImg,imageOutput,imageOtsu;stringfp="../resource/米粒图片.png";//相对路径，相对.cpp文件的路径oImg=readImageV2(fp);//imshow("riceIm
  • Unity3D人工智能学习笔记 yongzheliuhua 人工智能unity3d
    Unity3D人工智能学习笔记第3章寻找最短路径并避开障碍物——AI寻路3.1.实现AI寻路的3种工作方式3.1.1基本术语3.1.2AI寻路的三种方式方式1：创建基于单元的导航图基于单元的导航图是将游戏地图划分为多个正方形单元或六边形单元组成的规则网格，网格点或网格单元的中心可以看作是节点。方式2：创建可视点导航图就是手动在场景中放置一些路径点。方式3：创建导航网格导航网格将游戏场景中的可行走区
  • 【AI】微软人工智能学习笔记（一） weixin_30764771
    数据分析平台01|数据平台概况图示上面图中所示就是微软人工智能数据平台的相关的技术。02.1|CortanaIntelligenceSuite从上面图中可以看到，其中有一个CortanaIntelligenceSuite，翻译过来叫做人工智能套件，是微软在azure上面对于人工智能的一整套套件。02|Azure数据湖泊数据湖泊解决方案数据湖泊的解决方案是目前很火的一个解决方案，主要分为三个步骤，导
  • 神经网络超参数Epoch，Batchsize，Iterations及设置多少合适 人工智能学习笔记五 我不是zzy1231A 深度学习神经网络人工智能深度学习机器学习
    Epoch在模型训练的过程中，运行模型对全部数据完成一次前向传播和反向传播的完整过程叫做一个epoch在梯度下降的模型训练的过程中，神经网络逐渐从不拟合状态到优化拟合状态，达到最优状态之后会进入过拟合状态。因此epoch并非越大越好，一般是指在50到200之间。数据越多样，相应epoch就越大。Batchsize当我们处理较大的数据集时，一次向网络喂入全部数据得不到很好的训练效果。通常我们将整个样
  • 人工智能学习笔记--专业词汇 1只特立独行的猫 学习笔记人工智能
    词汇内容引自博客教主的博文-AI人工智能词汇集-这里收藏博文中的词汇中英对照以供日后学习查询LetterAAccumulatederrorbackpropagation累积误差逆传播ActivationFunction激活函数AdaptiveResonanceTheory/ART自适应谐振理论Addictivemodel加性学习AdversarialNetworks对抗网络AffineLayer仿
  • OpenCV图像分割经典算法（一）基于区域的分割、基于边缘的分割、阈值化 AI每天一点点 图像分割人工智能算法计算机视觉人工智能
    导读：在对处理后的图像数据进行分析之前，图像分割是最重要的步骤之一。它的主要目标是将图像化分为与其中含有的真实世界的物体或区域有枪相关性的组成部分。小编整理了python人工智能学习笔记、课程视频、面试宝典一并可以无套路免费分享给大家！扫描文末二维码加V免费咨询学习问题领取资料，大牛答疑、大厂内推根据目标可将图像分割分为完全分割——结果是一组唯一对应于输入图像中物体的互不相交的区域。部分分割——区
  • 人工智能学习笔记——KL散度 不认输的韦迪 人工智能学习人工智能
    身为一个菜鸡，我经常在数据处理过程中，遇到比较两个样本是否符合同一分布，以及两个模型之间是否相似之类的问题。也是在这个过程中，我才逐渐知道有个东西叫KL散度(divergence)，在这里记录一下。其实在阅读一些文献的时候就见到过这个名词的身影，查阅了一些资料和博客知道，这个名词来源于信息论，来衡量信息的丢失，拓展一下就可以比较两个系统的相似性或者两个样本之间的分布是否一致；在这里先梳理一下信息论
  • 人工智能学习笔记 CV算法恩仇录 人工智能学习
    原创：王稳钺资料来源：单博人工智能如今已经和人们的生活密不可分。如果对人工智能感兴趣，想要学习人工智能该如何学习呢？1.人工智能在哪里？先从日常生活中的人工智能聊起。淘宝、抖音等软件，它们是一种推荐系统，会推测用户喜欢什么。比如最近天气冷了，可能得想买一件羽绒服，在淘宝搜索以后，就会发现淘宝在最近几天总会推荐相关的产品。阿里云音乐也是一样的原理。比如最近有在听李荣浩的歌，网易云就会推荐一些相关的歌
  • 机器学习之人工智能学习笔记：每天五分钟快速学习机器学习理论 幻风_huanfeng 每天五分钟玩转机器学习算法机器学习深度学习神经网络算法人工智能
    在订阅本专栏之前，强烈建议您看一下本篇文章，因为这是本专栏将会详细介绍的内容，内容涵盖了主流的机器学习算法以及机器学习常见的技术。机器学习是什么主要讲解了什么是机器学习，并且机器学习分为监督学习和无监督学习，并且简单的介绍了一下，监督学习有回归和分类，无监督学习有聚类等。单变量线性回归算法讲解单变量的线性回归，从代价函数开始讲，为了找到最好的代价函数，也就是模型，我们需要找到损失函数（代价函数）的
  • Python3人工智能学习笔记（二）——分类问题 Zichel77 机器学习人工智能学习分类
    3.1分类问题实例对垃圾邮件进行检测任务输入：电子邮件输出：此为垃圾邮件/浦东邮件流程（人）标注样本邮件为垃圾/普通（计算机）获取匹配的样本邮件及其标签，学习其特征（计算机）针对新的邮件，自动识别其类型特征用于帮助判断是否为垃圾邮件的属性发件人包含字符：%&*正文包含：现金、领取等等其他分类问题图像分类数字识别考试通过预测概念根据已知样本的某些特征，判断一个新的样本属于哪种已知的样本类分类方法逻辑
  • 经典卷积网络---LeNet、AlexNet、VGGNet、InceptionNet、ResNet [北京大学曹健老师人工智能学习笔记] 百变珍珑兽 人工智能sklearn机器学习python
    LeNet—卷积神经网络的开篇之作YannLeCun于1998年提出，通过共享卷积核减少了网络的参数。LeNet有2个卷积层和3个全连接层在特征提取阶段，卷积层以外的标准化、池化、激活等都看做是卷积层的附属，不计入层数统计。卷积层：6个5×5的卷积核，步长1，不使用全零填充池化层：2×2最大值池化，步长2，不使用全零填充代码中只有Model类继承这里不同，完整代码参考classLeNet(Mode
  • 人工智能学习笔记：Python爬虫开发 霞落凤舞起 人工智能python爬虫搜索引擎java爬虫程序爬虫搜索关键字搜索数据抓取爬虫jsoup数据挖掘自然语言处理
    一、爬虫介绍与常用工具第一个爬虫fromurllib.requestimporturlopenurl='http://www.baidu.com'response=urlopen(url)print(response.read().decode())print(response.getcode())#返回状态码print(response.geturl())#实际访问的urlprint(respo
  • 人工智能学习笔记（一）——神经网络与深度学习 人工智能-saber 深度学习神经网络机器学习
    机器学习有很多经典算法，其中有一个叫做『神经网络』的算法目前最受追捧，因为击败李世石的阿尔法狗所用到的算法实际上就是基于神经网络的深度学习算法。由于其算法结构类似于人脑神经结构，所以人们对他给予了厚望，希望通过神经网络算法实现真正的AI。神经网络（NeuralNetwork(NN)）一个典型的神经网络如下图其最基本的神经元是由一个线性函数和一个非线性的激活函数组成：这个线性函数与之前线性回归是一样
  • 人工智能学习笔记 感知器算法的设计实现 感知器准则实现多类分类 Zed222 人工智能学习笔记人工智能算法分类
    学习来源https://blog.csdn.net/weixin_43840511/article/details/114897769实验原理实验内容1.数据生成及规范化处理利用高斯模型，生成N类（N＞5）数据（2Dor3D），并对生成样本进行规范化处理2．基于生成数据，利用感知器准则实现多类分类，得到最终分界面的表达式。3．生成测试数据列，并对测试数据进行分类判别。代码实现第一部分数据生成及规范
  • 人工智能学习笔记 Fisher 线性分类器的设计与实现 实例1 Zed222 人工智能学习笔记机器学习人工智能
    学习来源：线性判别分析LDA原理总结-刘建平Pinard-博客园Fisher线性分类器的设计与实现_海绵的博客-CSDN博客一、实验内容二、基本思想若把样本的多维特征空间的点投影到一条直线上，就能把特征空间压缩成一维。那么关键就是找到这条直线的方向，找得好，分得好，找不好，就混在一起。因此fisher方法目标就是找到这个最好的直线方向以及如何实现向最好方向投影的变换。这个投影变换恰是我们所寻求的解
  • Nginx负载均衡 510888780 nginx应用服务器
    Nginx负载均衡一些基础知识: nginx 的 upstream目前支持 4 种方式的分配 1)、轮询（默认）       每个请求按时间顺序逐一分配到不同的后端服务器，如果后端服务器down掉，能自动剔除。 2)、weight       指定轮询几率，weight和访问比率成正比
  • RedHat 6.4 安装 rabbitmq bylijinnan erlangrabbitmqredhat
    在 linux 下安装软件就是折腾，首先是测试机不能上外网要找运维开通，开通后发现测试机的 yum 不能使用于是又要配置 yum 源，最后安装 rabbitmq 时也尝试了两种方法最后才安装成功 机器版本： [root@redhat1 rabbitmq]# lsb_release LSB Version: :base-4.0-amd64:base-4.0-noarch:core
  • FilenameUtils工具类 eksliang FilenameUtilscommon-io
    转载请出自出处：http://eksliang.iteye.com/blog/2217081 一、概述 这是一个Java操作文件的常用库，是Apache对java的IO包的封装，这里面有两个非常核心的类FilenameUtils跟FileUtils，其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装，开发中对文件的操作，几乎都可以在这个框架里面找到。 非常的好用。
  • xml文件解析SAX 不懂事的小屁孩 xml
    xml文件解析:xml文件解析有四种方式， 1.DOM生成和解析XML文档(SAX是基于事件流的解析) 2.SAX生成和解析XML文档(基于XML文档树结构的解析) 3.DOM4J生成和解析XML文档 4.JDOM生成和解析XML 本文章用第一种方法进行解析，使用android常用的DefaultHandler import org.xml.sax.Attributes;
  • 通过定时任务执行mysql的定期删除和新建分区，此处是按日分区 酷的飞上天空 mysql
    使用python脚本作为命令脚本，linux的定时任务来每天定时执行 #!/usr/bin/python # -*- coding: utf8 -*- import pymysql import datetime import calendar #要分区的表 table_name = 'my_table' #连接数据库的信息 host,user,passwd,db =
  • 如何搭建数据湖架构？听听专家的意见 蓝儿唯美 架构
    Edo Interactive在几年前遇到一个大问题：公司使用交易数据来帮助零售商和餐馆进行个性化促销，但其数据仓库没有足够时间去处理所有的信用卡和借记卡交易数据  “我们要花费27小时来处理每日的数据量，”Edo主管基础设施和信息系统的高级副总裁Tim Garnto说道：“所以在2013年，我们放弃了现有的基于PostgreSQL的关系型数据库系统，使用了Hadoop集群作为公司的数
  • spring学习——控制反转与依赖注入 a-john spring
           控制反转（Inversion of Control，英文缩写为IoC）是一个重要的面向对象编程的法则来削减计算机程序的耦合问题，也是轻量级的Spring框架的核心。 控制反转一般分为两种类型，依赖注入（Dependency Injection，简称DI）和依赖查找（Dependency Lookup）。依赖注入应用比较广泛。  
  • 用spool+unixshell生成文本文件的方法 aijuans xshell
    例如我们把scott.dept表生成文本文件的语句写成dept.sql,内容如下: 　　set pages 50000; 　　set lines 200; 　　set trims on; 　　set heading off; 　　spool /oracle_backup/log/test/dept.lst; 　　select deptno||','||dname||','||loc
  • 1、基础--名词解析(OOA/OOD/OOP) asia007 学习基础知识
    OOA:Object-Oriented Analysis（面向对象分析方法） 是在一个系统的开发过程中进行了系统业务调查以后，按照面向对象的思想来分析问题。OOA与结构化分析有较大的区别。OOA所强调的是在系统调查资料的基础上，针对OO方法所需要的素材进行的归类分析和整理，而不是对管理业务现状和方法的分析。 　　OOA（面向对象的分析）模型由5个层次（主题层、对象类层、结构层、属性层和服务层）
  • 浅谈java转成json编码格式技术 百合不是茶 json编码java转成json编码
    json编码;是一个轻量级的数据存储和传输的语言       在java中需要引入json相关的包,引包方式在工程的lib下就可以了   JSON与JAVA数据的转换（JSON 即 JavaScript Object Natation，它是一种轻量级的数据交换格式，非   常适合于服务器与 JavaScript 之间的数据的交
  • web.xml之Spring配置(基于Spring+Struts+Ibatis) bijian1013 javaweb.xmlSSIspring配置
    指定Spring配置文件位置 <context-param> <param-name>contextConfigLocation</param-name> <param-value> /WEB-INF/spring-dao-bean.xml,/WEB-INF/spring-resources.xml, /WEB-INF/
  • Installing SonarQube（Fail to download libraries from server） sunjing InstallSonar
    1.  Download and unzip the SonarQube distribution 2.  Starting the Web Server The default port is "9000" and the context path is "/". These values can be changed in &l
  • 【MongoDB学习笔记十一】Mongo副本集基本的增删查 bit1129 mongodb
    一、创建复本集   假设mongod,mongo已经配置在系统路径变量上，启动三个命令行窗口，分别执行如下命令：   mongod --port 27017 --dbpath data1 --replSet rs0 mongod --port 27018 --dbpath data2 --replSet rs0 mongod --port 27019 -
  • Anychart图表系列二之执行Flash和HTML5渲染 白糖_ Flash
    今天介绍Anychart的Flash和HTML5渲染功能   HTML5 Anychart从6.0第一个版本起，已经逐渐开始支持各种图的HTML5渲染效果了，也就是说即使你没有安装Flash插件，只要浏览器支持HTML5，也能看到Anychart的图形（不过这些是需要做一些配置的）。 这里要提醒下大家，Anychart6.0版本对HTML5的支持还不算很成熟，目前还处于
  • Laravel版本更新异常4.2.8-> 4.2.9 Declaration of ... CompilerEngine ... should be compa bozch laravel
    昨天在为了把laravel升级到最新的版本，突然之间就出现了如下错误： ErrorException thrown with message "Declaration of Illuminate\View\Engines\CompilerEngine::handleViewException() should be compatible with Illuminate\View\Eng
  • 编程之美-NIM游戏分析-石头总数为奇数时如何保证先动手者必胜 bylijinnan 编程之美
    import java.util.Arrays; import java.util.Random; public class Nim { /**编程之美 NIM游戏分析 问题： 有N块石头和两个玩家A和B，玩家A先将石头随机分成若干堆，然后按照BABA...的顺序不断轮流取石头， 能将剩下的石头一次取光的玩家获胜，每次取石头时，每个玩家只能从若干堆石头中任选一堆，
  • lunce创建索引及简单查询 chengxuyuancsdn 查询创建索引lunce
    import java.io.File; import java.io.IOException; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.analysis.standard.StandardAnalyzer; import org.apache.lucene.document.Docume
  • [IT与投资]坚持独立自主的研究核心技术 comsci it
           和别人合作开发某项产品....如果互相之间的技术水平不同,那么这种合作很难进行,一般都会成为强者控制弱者的方法和手段.....        所以弱者,在遇到技术难题的时候,最好不要一开始就去寻求强者的帮助,因为在我们这颗星球上,生物都有一种控制其
  • flashback transaction闪回事务查询 daizj oraclesql闪回事务
       闪回事务查询有别于闪回查询的特点有以下3个： （1）其正常工作不但需要利用撤销数据，还需要事先启用最小补充日志。 （2）返回的结果不是以前的“旧”数据，而是能够将当前数据修改为以前的样子的撤销SQL（Undo SQL）语句。 （3）集中地在名为flashback_transaction_query表上查询，而不是在各个表上通过“as of”或“vers
  • Java I/O之FilenameFilter类列举出指定路径下某个扩展名的文件 游其是你 FilenameFilter
    这是一个FilenameFilter类用法的例子，实现的列举出“c:\\folder“路径下所有以“.jpg”扩展名的文件。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
  • C语言学习五函数，函数的前置声明以及如何在软件开发中合理的设计函数来解决实际问题 dcj3sjt126com c
    # include <stdio.h> int f(void) //括号中的void表示该函数不能接受数据，int表示返回的类型为int类型 { return 10; //向主调函数返回10 } void g(void) //函数名前面的void表示该函数没有返回值 { //return 10; //error 与第8行行首的void相矛盾 } in
  • 今天在测试环境使用yum安装，遇到一个问题： Error: Cannot retrieve metalink for repository: epel. Pl dcj3sjt126com centos
    今天在测试环境使用yum安装，遇到一个问题： Error: Cannot retrieve metalink for repository: epel. Please verify its path and try again   处理很简单，修改文件“/etc/yum.repos.d/epel.repo”， 将baseurl的注释取消， mirrorlist注释掉。即可。 &n
  • 单例模式 shuizhaosi888 单例模式
    单例模式      懒汉式 public class RunMain { /** * 私有构造 */ private RunMain() { } /** * 内部类，用于占位，只有 */ private static class SingletonRunMain { priv
  • Spring Security（09）——Filter 234390216 Spring Security
    Filter 目录 1.1     Filter顺序 1.2     添加Filter到FilterChain 1.3     DelegatingFilterProxy 1.4     FilterChainProxy 1.5
  • 公司项目NODEJS实践0.1 逐行分析JS源代码 mongodbnginxubuntunodejs
      一、前言         前端如何独立用nodeJs实现一个简单的注册、登录功能，是不是只用nodejs+sql就可以了？其实是可以实现，但离实际应用还有距离，那要怎么做才是实际可用的。         网上有很多nod
  • java.lang.Math liuhaibo_ljf javaMathlang
    System.out.println(Math.PI); System.out.println(Math.abs(1.2)); System.out.println(Math.abs(1.2)); System.out.println(Math.abs(1)); System.out.println(Math.abs(111111111)); System.out.println(Mat
  • linux下时间同步 nonobaba ntp
    今天在linux下做hbase集群的时候，发现hmaster启动成功了，但是用hbase命令进入shell的时候报了一个错误  PleaseHoldException: Master is initializing，查看了日志，大致意思是说master和slave时间不同步，没办法，只好找一种手动同步一下，后来发现一共部署了10来台机器，手动同步偏差又比较大，所以还是从网上找现成的解决方
  • ZooKeeper3.4.6的集群部署 roadrunners zookeeper集群部署
    ZooKeeper是Apache的一个开源项目，在分布式服务中应用比较广泛。它主要用来解决分布式应用中经常遇到的一些数据管理问题，如：统一命名服务、状态同步、集群管理、配置文件管理、同步锁、队列等。这里主要讲集群中ZooKeeper的部署。   1、准备工作 我们准备3台机器做ZooKeeper集群，分别在3台机器上创建ZooKeeper需要的目录。   数据存储目录
  • Java高效读取大文件 tomcat_oracle java
    　　读取文件行的标准方式是在内存中读取，Guava 和Apache Commons IO都提供了如下所示快速读取文件行的方法： 　　Files.readLines(new File(path), Charsets.UTF_8); 　　FileUtils.readLines(new File(path)); 　　这种方法带来的问题是文件的所有行都被存放在内存中，当文件足够大时很快就会导致
  • 微信支付api返回的xml转换为Map的方法 xu3508620 xmlmap微信api
    举例如下： <xml>    <return_code><![CDATA[SUCCESS]]></return_code>    <return_msg><![CDATA[OK]]></return_msg>    <appid><
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他