谷雨·清明
谷雨·清明

cs231n学习笔记——五.CNN 卷积神经网络

5.1 卷积神经网络简介

要介绍CNN，TA选择从神经网络的历史开讲，从1957年的单层感知器讲起
cs231n学习笔记——五.CNN 卷积神经网络_第1张图片
到1960年的多层感知器
cs231n学习笔记——五.CNN 卷积神经网络_第2张图片
到1986年才明确出现反向传播的方法，然而这也只是个理论可行的方法，在实际应用中还是被打烂了头
cs231n学习笔记——五.CNN 卷积神经网络_第3张图片
而直到2006年，深层网络才被验证是初步可训练和使用的，但是也很受限制，需要谨慎的进行初始化，当时是采用受限玻尔兹曼机进行预训练
cs231n学习笔记——五.CNN 卷积神经网络_第4张图片
而直到2012年Hinton和他的学生Alex才使用DNN，分别在语音识别和图像识别领域做出了很惊艳的成果，而图像领域的成果就是早期的CNN，其极大的降低了图像分类的误差并维持了很不错的分类速度
cs231n学习笔记——五.CNN 卷积神经网络_第5张图片
卷积在图像上的应用还是追溯到可怜的脑袋插电猫猫
cs231n学习笔记——五.CNN 卷积神经网络_第6张图片
他们根据大脑中电信号找到了和视觉信息相关的皮层
cs231n学习笔记——五.CNN 卷积神经网络_第7张图片
在此基础上，还发现这部分是存在层级关系的。实验发现视觉刺激会对视觉链路中不同层产生不同的刺激，比如视觉信息会对初级皮层中的视网膜感受神经节造成中心辐射式的刺激，而其他的细胞可能对不同朝向的光以及视觉中目标的边缘产生反应，不同的细胞面向视觉信息中不同的特征产生反应，而这种将视觉信息解耦再在大脑中重组的过程，就成为了卷积神经网络诞生的思路基础
cs231n学习笔记——五.CNN 卷积神经网络_第8张图片
然后1980年就有日本老哥根据这种特点提出一种s-c层交替的网络结构，这种简单simple-复杂complex节点交替的结构显然要比全复杂节点构成的网络更好训练，同时也保证了一定的模型效果
cs231n学习笔记——五.CNN 卷积神经网络_第9张图片
然后就有了1998年的LeNet
cs231n学习笔记——五.CNN 卷积神经网络_第10张图片
然后有了2012年的AlexNet，结构上没有太大区别，只是节点更多，层数更深，从而可以解决复杂的图像分类问题
cs231n学习笔记——五.CNN 卷积神经网络_第11张图片
然后现在CNN就到处用了，包括图像的分类，重建，检测，分割等等
cs231n学习笔记——五.CNN 卷积神经网络_第12张图片cs231n学习笔记——五.CNN 卷积神经网络_第13张图片
还被应用到了自动驾驶、人脸识别、视频分类、姿态检测、玩小游戏啥的，太多了，后面懒得截图了
cs231n学习笔记——五.CNN 卷积神经网络_第14张图片
cs231n学习笔记——五.CNN 卷积神经网络_第15张图片
cs231n学习笔记——五.CNN 卷积神经网络_第16张图片

5.2 卷积神经网络的结构

先从全连接层讲起，最简单神经网络的连接方式就是全连接，比如对于一个32323的图像输入，我们会把他展开成30721的数据输入，根据权重计算之后，输出就是一个单值，但事实上这样就失去了像素数据之间的空间关系，我们又不是不想保留空间关系，我们是木得办法，所以卷积层的出现提出了一种解决思路
cs231n学习笔记——五.CNN 卷积神经网络_第17张图片
卷积层是用一个过滤器filter作为权重，filter的最后维度和图像的最后维度相同，则可以将图像和filter进行卷积计算，即滑动点乘
cs231n学习笔记——五.CNN 卷积神经网络_第18张图片
然后用同样大小不同数值的filter分别计算出新的结果，这些结果就是卷积层对原始输入的初步计算
cs231n学习笔记——五.CNN 卷积神经网络_第19张图片
然后每层加上一个激活神经元（比如Relu），多叠几层，就是个CNN了
cs231n学习笔记——五.CNN 卷积神经网络_第20张图片
以VGG举例，可能浅层网络理解的是一些低阶语义，比如边缘之类的，而高层就在学习一些复杂语义，比如拐角或者斑点之类的（不知道在学啥了），总之从浅层到深层相当于从简单到复杂的特征序列
cs231n学习笔记——五.CNN 卷积神经网络_第21张图片
然后又拿个车尾灯的多层卷积举例子，可以看到蓝色层已经有点常规理解的车灯特征的感觉了
cs231n学习笔记——五.CNN 卷积神经网络_第22张图片
CNN的卷积层&激活层&池化层结构如下，不过说后面讲池化，行吧你是TA你说了算
cs231n学习笔记——五.CNN 卷积神经网络_第23张图片
然后讲快乐的卷积计算，嘛很熟了就随便截图一张，这张应该是计算一个same的卷积，做的0填充
cs231n学习笔记——五.CNN 卷积神经网络_第24张图片
事实上不进行填充的话原始的图像输入在深层网络中会收缩的很快，而这会导致信息的损失
cs231n学习笔记——五.CNN 卷积神经网络_第25张图片
嘛然后就是卷积层的总结了
cs231n学习笔记——五.CNN 卷积神经网络_第26张图片
同时给出了一些常见的超参数组
cs231n学习笔记——五.CNN 卷积神经网络_第27张图片
然后给了caffee中实际设计时候的一个对应
cs231n学习笔记——五.CNN 卷积神经网络_第28张图片
嘛这个部分不错，讲了一下其实不同层的卷积计算在面对用一个空间位置进行计算的时候就类似与不同层次的神经元面对同一个视觉输入的不同层次刺激变化，而这就是卷积层区别于全连接层的核心
cs231n学习笔记——五.CNN 卷积神经网络_第29张图片
哈！讲到池化层啦，池化层主要是为了将之前层生成的表示缩小，越小需要训练的参数越少，但是这种缩小和之前卷积层不填充导致的缩小是不同的，卷积层的缩小伴随的是边缘信息的损失，而池化层的缩小更相当于数据压缩，这种压缩面对完整的信息矩阵的每一个位置是同步的
cs231n学习笔记——五.CNN 卷积神经网络_第30张图片
比如最常见的Max Pooling，在22的区域里面取最大值作为降采样结果，相当于认为最大值是临近区域的最关键信息
cs231n学习笔记——五.CNN 卷积神经网络_第31张图片
不得不说，有个最大池化部分的弹幕给我看乐了，虽然语义结构上不太对，但是意会到想表达的意思了hhhh
在这里插入图片描述
然后同样给出了一些常见设置
cs231n学习笔记——五.CNN 卷积神经网络_第32张图片
一堆絮絮叨叨的还原分析就不说了，直接总结！下课！
cs231n学习笔记——五.CNN 卷积神经网络_第33张图片

你可能感兴趣的:(cs231n,卷积神经网络)

  • DeepArt——AI美术创作工具，能够帮助生成视觉内容 爱研究的小牛 AIGC人工智能深度学习
    一、DeepArt的介绍DeepArt是一种基于深度学习的艺术风格迁移应用，能够将输入图像转换成具有特定艺术风格的输出图像。它的核心技术主要依赖于深度卷积神经网络（CNN）和风格迁移算法，能够将著名艺术作品的风格应用到用户的照片或图像上，从而创造出独具特色的艺术效果。二、DeepArt的使用选择内容图像和风格图像：用户首先需要上传一张内容图像，即他们希望转换成艺术风格的图像。接着，可以从提供的艺术
  • 基于霜冰优化算法(RIME)优化CNN-BiGUR-Attention风电功率预测研究（Matlab代码实现） 程序辅导帮 算法cnnmatlab
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、技术概述1.霜冰优化算法（RIME）2.卷积神经网络（CNN）3.双向门控循环单元（BiGRU）4.注意力机制（AttentionMechanism）三、研究内容与方法四、预期成果与贡献五、结论与展望2运行结果3参考文献4Mat
  • Python深度学习：构建下一代智能系统 2401_83402415 pythonpython深度学习开发语言Transformer模型目标检测算法Attention
    近年来，伴随着以卷积神经网络（CNN）为代表的深度学习的快速发展，人工智能迈入了第三次发展浪潮，AI技术在各个领域中的应用越来越广泛。为了帮助广大学员更加深入地学习人工智能领域最近3-5年的新理论与新技术，本文讲解注意力机制、Transformer模型（BERT、GPT-1/2/3/3.5/4、DETR、ViT、SwinTransformer等）、生成式模型（变分自编码器VAE、生成式对抗网络GA
  • 卷积神经网络-解释1 weixin_33749242 人工智能数据结构与算法
    [翻译]神经网络的直观解释2017/07/2717:36这篇文章原地址为AnIntuitiveExplanationofConvolutionalNeuralNetworks，卷积神经网络的讲解非常通俗易懂。什么是卷积神经网络？为什么它们很重要？卷积神经网络（ConvNets或者CNNs）属于神经网络的范畴，已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通
  • 见过最好的神经网络CNN解释 罗晨晖 卷积神经网络CNN计算机视觉深度学习
    什么是卷积神经网络？为什么它们很重要？卷积神经网络（ConvNets或者CNNs）属于神经网络的范畴，已经在诸如图像识别和分类的领域证明了其高效的能力。卷积神经网络可以成功识别人脸、物体和交通信号，从而为机器人和自动驾驶汽车提供视力。在上图中，卷积神经网络可以识别场景，也可以提供相关的标签，比如“桥梁”、“火车”和“网球”；而下图展示了卷积神经网络可以用来识别日常物体、人和动物。最近，卷积神经网络
  • 基于深度学习的手势识别系统 毕设宇航 深度学习人工智能手势识别
    基于深度学习网络的手势识别系统完整源码+数据集+报告+PPT全套信息【python设计开发】基于深度学习的手势图像识别处理系统【包括】代码PPT报告2需求分析2.1要求（1）用Python语言实现程序设计；（2）初识深度学习和图像处理技术;（3）了解深度神经网络（DeepNeuralNetworks，简称DNN）相关知识;（4）【难点】了解LeNet-5卷积神经网络模型，并进行模型训练;（5）【难
  • 基于白鲸优化算法(BWO)优化CNN-BiGUR-Attention风电功率预测研究（Matlab代码实现） 科研_研学社 算法cnnmatlab
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、算法介绍1.白鲸优化算法（BWO）2.卷积神经网络（CNN）3.双向门控循环单元（BiGRU）4.注意力机制（Attention）三、模型构建与优化1.模型结构2.模型优化四、实验结果与分析五、结论与展望2运行结果3参考文献4M
  • 基于鲸鱼优化算法(WOA)优化CNN-BiGUR-Attention风电功率预测研究（Matlab代码实现） 程序辅导帮 算法cnnmatlab
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、算法介绍1.鲸鱼优化算法(WOA)2.CNN（卷积神经网络）3.BiGRU（双向门控循环单元）4.Attention机制三、模型构建与优化1.模型结构2.模型优化四、实验结果与分析五、结论与展望2运行结果3参考文献4Matlab
  • 基于霜冰优化算法(RIME)优化CNN-BiGUR-Attention风电功率预测研究（Matlab代码实现） 创新优化代码学习 算法cnnmatlab
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、技术概述1.霜冰优化算法（RIME）2.卷积神经网络（CNN）3.双向门控循环单元（BiGRU）4.注意力机制（AttentionMechanism）三、研究内容与方法四、预期成果与贡献五、结论与展望2运行结果3参考文献4Mat
  • 打手机检测算法源码样本展示打手机检测算法实际应用场景介绍 LNTON羚通 算法智能手机算法大数据安全数据库音视频人工智能
    打手机检测算法是一种利用计算机视觉技术来监测和识别人们在特定区域如驾驶舱、考场或其他敏感区域非法使用手机的行为。这种算法对于提高安全性和确保规则的遵守具有重要意义。以下是关于打手机检测算法源码及其实际应用的详细阐述：1.算法实现-深度学习框架：打手机检测算法通常采用卷积神经网络(CNN)等深度学习模型，这些模型能够从图像或视频中提取使用手机时的视觉特征。-数据集准备：为了训练这样的模型，需要大量的
  • 深度学习--Transformer和BERT区别详解 Ambition_LAO 深度学习
    Transformer的概念、作用、原理及应用概念Transformer是一种基于注意力机制（AttentionMechanism）的神经网络架构，由Vaswani等人在2017年提出。与传统的循环神经网络（RNN）和卷积神经网络（CNN）不同，Transformer完全摒弃了循环和卷积结构，依赖于自注意力机制和并行化的处理方式，极大地提高了模型的训练效率和效果。作用Transformer的主要作
  • Atrous Spatial Pyramid Pooling（ASPP）空洞空间卷积池化金字塔 m0_55576290 深度学习人工智能
    文章目录概要整体架构流程演化过程与代码实现概要ASPP主要用于解决语义分割任务中的尺度问题。在语义分割任务中，需要将图像中的每个像素分类到不同的类别中，而不同物体和结构在图像中可能有不同的尺度。传统的卷积神经网络在提取语义信息时，只能通过固定尺度的卷积核进行操作，因此无法很好地捕捉到不同尺度下的上下文信息。ASPP通过在网络中引入多个并行的分支，每个分支使用不同尺度的空洞卷积和池化操作，来捕获不同
  • 基于卷积神经网络与双向门控循环单元CNN-BiGRU的风电功率预测研究（Matlab代码实现） qq_551705769 cnngrumatlab
    欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、CNN-BiGRU模型概述三、基于CNN-BiGRU的风电功率预测模型构建四、研究优势与挑战优势：挑战：五、未来展望2运行结果3参考文献4Matlab代码、数据⛳️赠与读者‍做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，
  • cnn卷积神经网络反向传播,卷积神经网络维度变化 阳阳2013哈哈 PHPcnn机器学习深度学习神经网络
    卷积神经网络是如何反向调整参数的？卷积神经网络反向传播和bp有什么区别如何理解神经网络里面的反向传播算法反向传播算法（Backpropagation）是目前用来训练人工神经网络（ArtificialNeuralNetwork，ANN）的最常用且最有效的算法。其主要思想是：（1）将训练集数据输入到ANN的输入层，经过隐藏层，最后达到输出层并输出结果，这是ANN的前向传播过程；（2）由于ANN的输出结
  • 基于matlab的深度学习案例及基础知识专栏前言 逼子歌 matlab深度学习信号处理神经网络矩阵运算CNN
    专栏简介内容涵盖深度学习基础知识、深度学习典型案例、深度学习工程文件、信号处理等相关内容，博客由基于matlab的深度学习案例、matlab基础知识、matlab图像基础知识和matlab信号处理基础知识四部分组成。一、基于matlab的深度学习案例1.1、matlab:基于模板匹配的车牌识别_阐述基于模板匹配的车牌识别的字符识别-CSDN博客1.2、基于卷积神经网络(CNN)的车牌自动识别系统(
  • 计算机毕业设计hadoop+spark知识图谱高考分数预测系统 高考志愿推荐系统 高考可视化大屏 高考大数据 高考数据分析 高考爬虫 大数据毕业设计 计算机毕业设计大全
    开发技术hadoopsparkspringbootvue.jsPython爬虫、机器学习、深度学习mybatis-plusneo4j知识图谱图数据库mysql协同过滤算法(基于物品、基于用户模式)MLP模型SVD神经网络CNN、KNN、GNN卷积神经网络预测算法阿里云平台百度AI平台阿里大于短信平台lstm模型创新点4种机器学习推荐算法进行高考志愿学校推荐1种深度学习模型进行高考分数线预测hado
  • 【PyTorch】（三）----搭建卷积神经网络 麦田里的稻草人w 深度学习pytorchcnn人工智能
    该系列笔记主要参考了小土堆的视频教程，传送门：P1.PyTorch环境的配置及安装（ConfigurationandInstallationofPyTorch)【PyTorch教程】_哔哩哔哩_bilibili涉及到的文件/数据集网盘：链接：https://pan.baidu.com/s/1aZmXokdpbA97qQ2kHvx_JQ?pwd=1023提取码：1023在前面的两篇文章中，我们学会了
  • Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task03笔记 汪贤阳 人工智能AIGC笔记
    如何学习八图ai模型kolors1,Kolors是由快手公司开源的第三代文本到图像生成模型，基于StableDiffusion框架开发。它支持中英文输入，特别在中文内容的理解和生成上表现出色。2,深度学习基础：熟悉神经网络、卷积神经网络（CNN）、Transformer等深度学习模型的基本原理。自然语言处理（NLP）：了解文本编码、语言模型等NLP技术，因为Kolors在生成图像时需要理解并处理输
  • 【人工智能】Python融合机器学习、深度学习和微服务的创新之路 C_GUIQU 人工智能python机器学习深度学习微服务
    1.引言1.1人工智能的现状与发展趋势1.2机器学习、深度学习和神经网络的基本概念1.3微服务架构在人工智能中的作用2.机器学习的演变与创新2.1机器学习的历史回顾2.2传统机器学习算法的优势与不足2.3新兴机器学习算法的探索与应用2.4️案例分析：机器学习在推荐系统中的应用3.深度学习：突破传统的限制3.1深度学习的起源与发展3.2卷积神经网络（CNN）的革新3.3循环神经网络（RNN）与自然语
  • 线性代数在卷积神经网络（CNN）中的体现 科学的N次方 人工智能线性代数cnn人工智能
    案例：深度学习中的卷积神经网络（CNN）在图像识别领域，卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一个广泛应用深度学习模型，它在人脸识别、物体识别、医学图像分析等方面取得了显著成效。CNN中的核心操作——卷积，就是一个直接体现线性代数应用的例子。假设我们正在训练一个用于识别猫和狗的图像分类器，原始输入是一幅RGB彩色图片，可以将其视为一个高度、宽度和通道数（R
  • 计算机设计大赛 题目：基于卷积神经网络的手写字符识别 - 深度学习 iuerfee python
    文章目录0前言1简介2LeNet-5模型的介绍2.1结构解析2.2C1层2.3S2层S2层和C3层连接2.4F6与C5层3写数字识别算法模型的构建3.1输入层设计3.2激活函数的选取3.3卷积层设计3.4降采样层3.5输出层设计4网络模型的总体结构5部分实现代码6在线手写识别7最后0前言优质竞赛项目系列，今天要分享的是基于卷积神经网络的手写字符识别该项目较为新颖，适合作为竞赛课题方向，学长非常推荐
  • Python图像处理【21】基于卷积神经网络增强微光图像 AI technophile Python图像处理实战python图像处理cnn
    基于卷积神经网络增强微光图像0.前言1.MBLLEN网络架构2.增强微光图像小结系列链接0.前言在本节中，我们将学习如何基于预训练的深度学习模型执行微光/夜间图像增强。由于难以同时处理包括亮度、对比度、伪影和噪声在内的所有因素，因此微光图像增强一直是一项具有挑战性的问题。为了解决这一问题，提出了多分支微光增强网络(multi-branchlow-lightenhancementnetwork,MB
  • 深度学习的一个完整过程通常包括以下几个步骤 longerVR DL深度学习人工智能
    深度学习的一个完整过程通常包括以下几个步骤：问题定义和数据收集：定义清晰的问题，明确任务的类型（分类、回归、聚类等）以及预期的输出。收集和整理用于训练和评估模型的数据集。确保数据集的质量，进行预处理和清理。数据预处理：处理缺失值、异常值和重复数据。进行特征工程，选择、转换或创建合适的特征。将数据集划分为训练集、验证集和测试集。选择模型架构：根据问题的性质选择适当的深度学习模型架构，如卷积神经网络（
  • Pyotrch-卷积神经网络基础组件之全连接层 肆十二 Pytorch语法cnn人工智能神经网络
    Pyotrch-卷积神经网络基础组件之全连接层关注B站查看更多手把手教学：肆十二-的个人空间-肆十二-个人主页-哔哩哔哩视频(bilibili.com)基本原理介绍卷积神经网络（CNN）中的全连接层通常出现在网络的最后几层，用于对前面层提取的特征进行加权和。在全连接层中，每个神经元都与其前一层的所有神经元进行全连接。全连接层的作用是将前面层提取的特征综合起来，形成一个一维的特征向量，以便于后续的分
  • 深度学习的进展 CuiXg 深度学习人工智能
    深度学习的进展深度学习作为人工智能领域的重要分支之一，利用神经网络模拟人类大脑的学习过程，通过数据训练模型以自动提取特征、识别模式、进行分类和预测等任务。近年来，深度学习在多个领域取得显著进展，尤其在自然语言处理、计算机视觉、语音识别和机器翻译等方面实现了突破性进展。方向一：深度学习的基本原理和算法深度学习基于神经网络概念，涉及反向传播、卷积神经网络、循环神经网络等算法。这些算法模拟人脑神经元间的
  • 基于卷积神经网络的图像去噪 神经网络机器学习智能算法画图绘图 cnn人工智能神经网络卷积神经网络图像去噪
    目录背影卷积神经网络CNN的原理卷积神经网络CNN的定义卷积神经网络CNN的神经元卷积神经网络CNN的激活函数卷积神经网络CNN的传递函数基于卷积神经网络的图像去噪完整代码：基于卷积神经网络的图像去噪.rar资源-CSDN文库https://download.csdn.net/download/abc991835105/88869565基本结构主要参数MATALB代码结果图展望背影卷积神经网络是为
  • 探索卷积神经网络的奇妙世界-JSP hkmaike cnn人工智能神经网络
    卷积神经网络（ConvolutionalNeuralNetworks，CNNs）是一种深度学习模型，被广泛用于图像识别、语音识别、自然语言处理等领域。它的特殊结构使得它在处理具有空间结构的数据时表现出色。本文将深入介绍卷积神经网络的原理、应用和未来发展方向。卷积神经网络的基本结构卷积神经网络的核心是卷积层（ConvolutionalLayer）。卷积层通过滤波器（Filter）在输入数据上进行滑动
  • 【人工智能学习思维脉络导图】 AK@ 人工智能人工智能学习
    曾梦想执剑走天涯，我是程序猿【AK】目录知识图谱1.基础知识2.人工智能核心概念3.实践与应用4.持续学习与进展5.挑战与自我提升6.人脉网络知识图谱人工智能学习思维脉络导图1.基础知识计算机科学基础数学基础（线性代数、微积分、概率论和统计学）编程语言（Python、R等）2.人工智能核心概念机器学习监督学习无监督学习强化学习深度学习神经网络卷积神经网络（CNN）循环神经网络（RNN）自然语言处理
  • TensorFlow 的基本概念和使用场景 小麟School 计算机基础tensorflow人工智能python
    TensorFlow是一个开源的深度学习框架，由Google在2015年发布。它提供了一个用于构建和训练机器学习模型的图计算系统。TensorFlow的核心概念是计算图，它用于表示计算任务的输入、操作和输出。用户可以使用TensorFlow构建各种机器学习模型，例如神经网络、卷积神经网络、循环神经网络等。它能够让开发者更方便地构建和训练机器学习模型。它的名字中的"Tensor"指的是多维数组，而"
  • 10 中科院1区期刊优化算法|基于开普勒优化-卷积-双向长短期记忆网络-注意力时序预测Matlab程序KOA-CNN-BiLSTM-Attention 机器不会学习CSJ 时间序列预测算法网络matlabcnnlstm深度学习
    文章目录一、开普勒优化算法二、CNN卷积神经网络三、BiLSTM双向长短期记忆网络四、注意力机制五、KOA-CNN-BiLSTM-Attention时间序列数据预测模型六、获取方式一、开普勒优化算法基于物理学定律的启发，开普勒优化算法（KeplerOptimizationAlgorithm，KOA）是一种元启发式算法，灵感来源于开普勒的行星运动规律。该算法模拟行星在不同时间的位置和速度，每个行星代
  • Spring中@Value注解，需要注意的地方 无量 springbean@Valuexml
    Spring 3以后,支持@Value注解的方式获取properties文件中的配置值，简化了读取配置文件的复杂操作 1、在applicationContext.xml文件(或引用文件中)中配置properties文件 <bean id="appProperty" class="org.springframework.beans.fac
  • mongoDB 分片 开窍的石头 mongodb
        mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上，configsvr上边放的是metar信息，指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard（片）信息。     第一步启动两台以上的mongo服务 &nb
  • OVER(PARTITION BY)函数用法 0624chenhong oracle
    这篇写得很好，引自 http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html OVER(PARTITION BY)函数用法 2010年10月26日 OVER(PARTITION BY)函数介绍 开窗函数        &nb
  • Android开发中，ADB server didn't ACK 解决方法 一炮送你回车库 Android开发
    首先通知：凡是安装360、豌豆荚、腾讯管家的全部卸载，然后再尝试。   一直没搞明白这个问题咋出现的，但今天看到一个方法，搞定了！原来是豌豆荚占用了 5037 端口导致。 参见原文章：一个豌豆荚引发的血案——关于ADB server didn't ACK的问题 简单来讲，首先将Windows任务进程中的豌豆荚干掉，如果还是不行，再继续按下列步骤排查。 &nb
  • canvas中的像素绘制问题 换个号韩国红果果 JavaScriptcanvas
    pixl的绘制，1.如果绘制点正处于相邻像素交叉线，绘制x像素的线宽，则从交叉线分别向前向后绘制x/2个像素，如果x/2是整数，则刚好填满x个像素，如果是小数，则先把整数格填满，再去绘制剩下的小数部分，绘制时，是将小数部分的颜色用来除以一个像素的宽度，颜色会变淡。所以要用整数坐标来画的话（即绘制点正处于相邻像素交叉线时），线宽必须是2的整数倍。否则会出现不饱满的像素。 2.如果绘制点为一个像素的
  • 编码乱码问题 灵静志远 javajvmjsp编码
    1、JVM中单个字符占用的字节长度跟编码方式有关，而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式；2、对于单个字符：ISO-8859-1单字节编码，GBK双字节编码，UTF-8三字节编码；因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节，而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。 3、getBytes()、getByte
  • java 求几个月后的日期 darkranger calendargetinstance
    Date plandate = planDate.toDate(); SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd"); Calendar cal = Calendar.getInstance(); cal.setTime(plandate); // 取得三个月后时间 cal.add(Calendar.M
  • 数据库设计的三大范式（通俗易懂） aijuans 数据库复习
    关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式，才能设计出高效率、优雅的数据库，否则可能会设计出错误的数据库. 目前，主要有六种范式：第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式，简称1NF。在第一范式基础上进一步满足一些要求的为第二范式，简称2NF。其余依此类推。
  • 想学工作流怎么入手 atongyeye jbpm
    工作流在工作中变得越来越重要，很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点，那了解一点，既不系统，也容易半途而废。好比学武功，最好的办法是有一本武功秘籍。研究明白，则犹如打通任督二脉。 系统学习工作流，很重要的一本书《JBPM工作流开发指南》。 本人苦苦学习两个月，基本上可以解决大部分流程问题。整理一下学习思路，有兴趣的朋友可以参考下。 1  首先要
  • Context和SQLiteOpenHelper创建数据库 百合不是茶 androidContext创建数据库
           一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper     一:SQLiteOpenHelper创建数据库:   1,SQLi
  • 浅谈group by和distinct bijian1013 oracle数据库group bydistinct
            group by和distinct只了去重意义一样，但是group by应用范围更广泛些，如分组汇总或者从聚合函数里筛选数据等。         譬如：统计每id数并且只显示数大于3 select id ,count(id) from ta
  • vi opertion 征客丶 macoprationvi
    进入 command mode （命令行模式） 按 esc 键 再按 shift + 冒号 注：以下命令中 带 $ 【在命令行模式下进行】，不带 $ 【在非命令行模式下进行】 一、文件操作 1.1、强制退出不保存 $ q! 1.2、保存 $ w 1.3、保存并退出 $ wq 1.4、刷新或重新加载已打开的文件 $ e 二、光标移动 2.1、跳到指定行 数字
  • 【Spark十四】深入Spark RDD第三部分RDD基本API bit1129 spark
      对于K/V类型的RDD,如下操作是什么含义？   val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5)) rdd.reduceByKey(_+_).collect  reduceByKey在这里的操作，是把
  • java类加载机制 BlueSkator java虚拟机
    java类加载机制 1.java类加载器的树状结构 引导类加载器 ^ | 扩展类加载器 ^ | 系统类加载器 java使用代理模式来完成类加载，java的类加载器也有类似于继承的关系，引导类是最顶层的加载器，它是所有类的根加载器，它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时，通常会代理给父类加载器，若已经是根加载器了，就自己完成加载。 虚拟机区分一个Cla
  • 动态添加文本框 BreakingBad 文本框
      <script>     var num=1; function AddInput() {      var str="";     str+="<input 
  • 读《研磨设计模式》-代码笔记-单例模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ public class Singleton { } /* * 懒汉模式。注意，getInstance如果在多线程环境中调用，需要加上synchronized，否则存在线程不安全问题 */ class LazySingleton
  • iOS应用打包发布常见问题 chenhbc iosiOS发布iOS上传iOS打包
    这个月公司安排我一个人做iOS客户端开发，由于急着用，我先发布一个版本，由于第一次发布iOS应用，期间出了不少问题，记录于此。   1、使用Application Loader 发布时报错：Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
  • 工作流复杂拓扑结构处理新思路 comsci 设计模式工作算法企业应用OO
    我们走的设计路线和国外的产品不太一样，不一样在哪里呢？  国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多，仅仅是在有限的了解程度上面提出这样的看法)，从而避免在流程引擎中处理这些复杂的图的问题，而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性，这样一来，在引擎和流程流转控制这一个层面就会遇到很
  • oracle 11g新特性Flashback data archive daizj oracle
    1. 什么是flashback data archive Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象，用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象，概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
  • 多叉树:2-3-4树 dieslrae 树
        平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:     1、有一个数据项的节点总是有2个子节点(称为2-节点)     2、有两个数据项的节点总是有3个子节点(称为3-节
  • C语言学习七动态分配 malloc的使用 dcj3sjt126com clanguagemalloc
    /* 2013年3月15日15:16:24 malloc 就memory(内存) allocate(分配)的缩写 本程序没有实际含义，只是理解使用 */ # include <stdio.h> # include <malloc.h> int main(void) { int i = 5; //分配了4个字节 静态分配 int * p
  • Objective-C编码规范[译] dcj3sjt126com 代码规范
      原文链接 : The official raywenderlich.com Objective-C style guide 原文作者 : raywenderlich.com Team 译文出自 : raywenderlich.com Objective-C编码规范 译者 : Sam Lau
  • 0.性能优化-目录 frank1234 性能优化
    从今天开始笔者陆续发表一些性能测试相关的文章，主要是对自己前段时间学习的总结，由于水平有限，性能测试领域很深，本人理解的也比较浅，欢迎各位大咖批评指正。 主要内容包括： 一、性能测试指标 吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间 http://frank1234.iteye.com/blog/2180305 二、性能测试策略 生产环境相同 基准测试 预热等 htt
  • Java父类取得子类传递的泛型参数Class类型 happyqing java泛型父类子类Class
      import java.lang.reflect.ParameterizedType; import java.lang.reflect.Type; import org.junit.Test; abstract class BaseDao<T> { public void getType() { //Class<E> clazz =
  • 跟我学SpringMVC目录汇总贴、PDF下载、源码下载 jinnianshilongnian springMVC
      ----广告-------------------------------------------------------------- 网站核心商详页开发 掌握Java技术，掌握并发/异步工具使用，熟悉spring、ibatis框架； 掌握数据库技术，表设计和索引优化，分库分表/读写分离； 了解缓存技术，熟练使用如Redis/Memcached等主流技术； 了解Ngin
  • the HTTP rewrite module requires the PCRE library 流浪鱼 rewrite
    ./configure: error: the HTTP rewrite module requires the PCRE library. 模块依赖性Nginx需要依赖下面3个包 1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ ) 2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ ) 3. s
  • 第12章 Ajax（中） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Optimize query with Query Stripping in Web Intelligence blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence and a very straightfoward video http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
  • Java开发者写SQL时常犯的10个错误 tomcat_oracle javasql
    1、不用PreparedStatements 　　有意思的是，在JDBC出现了许多年后的今天，这个错误依然出现在博客、论坛和邮件列表中，即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个： 　　他们对PreparedStatements不了解 　　他们认为使用PreparedStatements太慢了 　　他们认为写Prepar
  • 世纪互联与结盟有感 阿尔萨斯
    10月10日，世纪互联与（Foxcon）签约成立合资公司，有感。 全球电子制造业巨头（全球500强企业）与世纪互联共同看好IDC、云计算等业务在中国的增长空间，双方迅速果断出手，在资本层面上达成合作，此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任，另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。 众所周知，精于电子产品制造（世界第一），对于世纪互联而言，能够与结盟
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他