复杂网络夏令营

HCIA动态路由

3.复杂网络环境下配置量小。

Girrzy·2025-03-25 16:10

ROS多机通信（四）——Ubuntu 网卡 Mesh 模式配置指南

/OLSR优点：灵活性高，适合移动性强或需要优化的复杂网络。缺点：配置复杂，需手动管理路由协议。Mesh模式（802.11s）优点：配置简单，内置路由功能，易于部署。缺点：路由协议标准化，灵活性较低。

爱尔兰的楠小楠·2025-03-24 11:58

使用 NetworkX 进行图论分析与可视化

使用NetworkX进行图论分析与可视化NetworkX是一个用于创建、操作和研究复杂网络的Python库。它提供了丰富的图论算法和数据结构，适用于各种网络分析任务。

aiweker·2025-03-23 21:18

《Linux 运维网络安全：全民关注时代，你该如何行动？》

你是否想过，为何有些企业的Linux服务器能在复杂网络环境中“稳如泰山”，而有些却频繁遭受攻击，数据泄露风险剧增？今天，就让我们一同深入Linux运维的网络安全世界，探寻其中的奥秘。

TechStack 创行者·2025-03-12 16:37

Datawhale AI夏令营第四期 AIGC方向 task02学习笔记

探探前沿：了解一下AI生图技术的能力&局限今天我们的任务是对baseline的代码有一个更加细致的理解，然后我们会学习如何借助AI来提升我们的自学习能力，从而帮助大家在后面的学习工作中如何从容迎接各种挑战。授人以鱼不如授人以渔，你可以从中学大模型的提问技巧来实现快速学习，学会如何制作一个话剧连环画。‘自其不变者而观之，则物与我皆无尽也’，拥抱AI、学习AI、运用AI解决各种变化的问题，一起加油！！

流火_授衣·2025-03-09 15:06

复杂网络；社交网络；社区检测；节点重要性(重要节点识别)；舆论动力学模型；传染病模型；蓄意攻击、随机攻击；网络鲁棒性、脆弱性、稳定性

复杂网络社交网络社区检测节点重要性(重要节点识别)舆论动力学模型传染病模型蓄意攻击随机攻击网络鲁棒性、脆弱性、稳定性Python基本的网络分析详细私聊网络拓扑图连通性网络效率下降

xiao黄·2025-03-09 13:25

社会科学市场博弈和价格预测之时间序列挖掘（Datawhale AI 夏令营）

深入理解赛题——探索性数据分析首先，我们先介绍一下什么是EDA：探索性数据分析（ExploratoryDataAnalysis,EDA）是一组数据分析技术，旨在总结其主要特征，通常通过可视化手段来实现。EDA的目标是通过数据的统计摘要和图形展示来发现数据的结构、异常值、模式、趋势、关系以及变量之间的相互作用。为什么进行EDA？在现在的数据挖掘类比赛中，模型和方法选择空间往往很小，同时存在不少自动机

会飞的Anthony·2025-03-08 00:20

016.3月夏令营：数理类

016.3月夏令营：数理类：中国人民大学统计学院：http://www.eeban.com/forum.php?

力学AI有限元·2025-03-07 23:43

火语言 RPA 设置代理相关说明

在电商运营中，企业常面临复杂网络环境，火语言RPA支持设置代理，为用户拓展网络访问能力、提升数据获取效率提供便利。一、设置代理的可行性火语言RPA从设计层面考虑到网络多样性需求，预留了代理设置接口。

IDFaucet·2025-03-05 12:28

【复杂网络建模】真实网络数据集的读取和操作

1.1NetworkRepository.1.2StanfordLargeNetworkDatasetCollection1.3KONCET1.4Netzschleuder2.网络分析2.1计算度中心性2.2绘制网络图小结概要在复杂网络建模中

钰云空间·2025-03-02 21:15

yolo位姿估计实验

1.2背景传统的姿势估计方法常需复杂网络架构和大量计算资源，导致实时性不佳。YOLOv8-Pose通过对YOLOv4算法进

jarreyer·2025-03-01 14:15

3月1日（信息差）

第一章信息差的技术本质：从数据流动到认知断层1.1全球科技信息链的拓扑结构在数字地球的神经系统里，信息差已演变为多层级复杂网络的结构性矛盾。

eqwaak0·2025-03-01 13:11

计算机二级日月潭操作步骤,计算机二级考试真题-PPT-文小雨-台湾日月潭介绍

文小雨加入了学校的旅游社团组织，正在参加与组织暑期到台湾日月潭的夏令营活动，现在需要制作一份关于日月潭的演示文稿。根据以下要求，并参考“参考图片.docx”文件中的样例效果，完成演示文稿的制作。

weixin_39789042·2025-02-06 12:20

openEuler系统添加静态路由的方法

本文记录了在openEuler系统中添加静态路由的方法，用于在复杂网络环境下更灵活地配置主机网络。

代先生.重庆·2025-02-06 07:16

监控易：一体化智能运维在复杂网络环境的架构优势

本文将从架构优势入手，深入探讨监控易如何通过领先的技术实现分布式复杂网络的灵活扩展，并为企业提供高效、稳定、可靠的运维支持。

MXsoft618·2025-02-01 13:44

网络安全态势感知：企业数字化转型的 “安全密钥”

而网络安全态势感知产品，作为应对复杂网络威胁的关键技术，正逐渐成为企业守护数字资产的“智慧大脑”。一、态势感知：全景掌控，精准防御你可以把网络安全态势感知想象成企业网络的“超级侦察兵”。

知白守黑V·2025-01-25 17:35

保研日记--哈工大威海计算机学院

传送门保研日记--中国海洋大学计算机系保研日记--中国人民大学信息学院（人大信院）保研日记--北京交通大学计算机学院保研材料模板（自我介绍，个人简历，个人陈述，推荐信）哈工大威海计算机学院这次夏令营给我的感觉非常的朴素

faaarii·2024-09-16 00:11

借力创新共同进步

借力创新共同进步文/徐立华2021年8月22日为期3天的第七届线上教育行走全国教师公益研修夏令营活动落下来了帷幕，但是美仁们的行走热情并没有减弱，从24日到26日每个学习群里都在进行着活动后的继续分享活动

徐立华·2024-09-15 23:40

2022年“喜迎二十大庆祝建军节”小学部“庆八一”军事夏令营闭营致辞

在祥瑞聚满、骄阳似火的八月，小学部为期三天的“喜迎二十大庆祝建军节”“庆八一”军事夏令营即将完美闭营。

苔花儿·2024-09-14 20:32

保研日记--中国人民大学信息学院（人大信院）

中国海洋大学计算机系保研日记--北京交通大学计算机学院保研日记--哈工大威海计算机学院保研材料模板（自我介绍，个人简历，个人陈述，推荐信）转眼就到九月份了本来想实时记录，忙起来就给忘了，眼看保研就要进入收尾阶段，回忆一下暑假的夏令营经历人大的面试内容没实时更新还有一个原因是

faaarii·2024-09-13 04:21

2022.9.13觉知日记

1.觉知不舒服：住咱们二楼的老板，在我们准备夏令营的时候就搬来住了，因为时间紧，我没有考虑电动单车充电的问题，他就在一楼进门处充，有点妨碍进出。

晖智·2024-09-11 13:56

2023-07-20

同心共筑孩童梦，奋楫扬帆再出发——记中国矿业大学梦启支教团开营仪式为增进营员及其家长对本次暑期夏令营的认识和了解，7月19日上午9时，中国矿业大学梦启支教团在贵州省毕节市金沙县第九小学（金沙县彩虹小学）

2023梦启支教团王耀民·2024-09-09 10:01

难忘的农园生活

夏令营的第三天下午，我们异常兴奋，因为老师答应我们要搞一个田园烧烤。我们床铺都来不及整理，匆匆穿上衣服，跑到厨房去准备食物了。此刻，小雨还在淅淅沥沥的下着，但丝毫不影响我们的心情。

圈圈_effa·2024-09-07 01:03

全国"教育行走"活动二三事

全国第七届“教育行走”教师公益研修夏令营线上活动营员征召令正式发布了。这次虽然有门槛，但名额不限。也就是说在规定的时间内能正确报名的都可以参与。老

小尘老师·2024-09-06 20:37

爸爸为你点赞更为你担心

女儿赴外参加夏令营，第二天也就是昨天晚上有点晚的时候，收到老师的消息，说女儿的脚扭伤了，心里不免有些担心。

四悦五阅·2024-09-06 01:14

3

昨晚和孩子说送他参加夏令营为生日礼物，孩子直接否决了，我的情绪一下子低落了。一上午都在想着这个事情，我的需求未被满足，我的期待泡汤，所以我愤怒。再想想孩子有义务满足我的期待与需求吗？

爱君2005·2024-09-06 00:10

Datawhale X 李宏毅苹果书 AI夏令营入门 Task3-机器学习框架

目录实践方法论1.模型偏差2.优化问题3.过拟合4.交叉验证5.不匹配实践方法论1.模型偏差当一个模型由于其结构的限制，无法捕捉数据中的真实关系时，即使找到了最优的参数，模型的损失依然较高。可以通过增加输入特征、使用更复杂的模型结构或采用深度学习等方法来新设计模型，增加模型的灵活性。2.优化问题在机器学习模型训练过程中，即使模型的灵活性足够高，也可能由于优化算法的问题导致训练数据的损失不够低。为了

沙雕是沙雕是沙雕·2024-09-04 19:08

2023-08-03

奋起扬帆新征程，不忘初心再启航——记中国矿业大学梦启夏令营梦启五班主题班会7月19日上午10时，中国矿业大学梦启支教团梦启五班在贵州省金沙县第九小学（金沙县彩虹小学）开展主题班会。

2023梦启支教团白梦楠·2024-09-04 18:13

感恩日记百日行D47（20180705）

1.明天孩子们要参加夏令营了，今晚开始收拾整理行李，我把孩子们的衣服取出每件缝上他们的名字，一针一线在手中舞动着，有点“慈母手中线，临行密密缝”的感概，看着孩子们自己整理着自己的物品，发现孩子们都长大了

MayMay2018·2024-09-04 17:35

Datawhale X 李宏毅苹果书 AI夏令营-深度学入门task2：线性模型

1.线性模型把输入的特征x乘上一个权重，再加上一个偏置就得到预测的结果，这样的模型称为线性模型（linearmodel）2.分段线性模型线性模型也许过于简单，x1跟y可能中间有比较复杂的关系。线性模型有很大的限制，只能表示一条直线，这一种来自于模型的限制称为模型的偏差，无法模拟真实的情况。所以需要写一个更复杂的、更有灵活性的、有未知参数的函数。分段线性曲线（piecewiselinearcurve

m0_53743757·2024-09-04 11:43

没有儿童节的日子-考研记录

也是我决定要报考他们的夏令营的日子。材料写了一部分，还有一部分没有完成，然后老师就要求在今天下午4:00之前把这个事情完成。快2:00的时候，我看见这个消息，但是回到宿舍系统已经关闭了。

何C呀·2024-09-04 00:28

Datawhale AI夏令营第五期CV Task01

一、报名参加2024大运河杯数据开发大赛1.登录赛事平台2.修改昵称，实名认证3.打开比赛链接报名参赛4.修改队伍名称二、领取厚德云支持的GPU在线算力！(点击即可跳转)三、体验baseline1.下载baseline相关文件aptinstallgit-lfsgitlfsinstallgitclonehttps://www.modelscope.cn/datasets/Datawhale/AI_C

m0_60530253·2024-09-02 07:21

Datawhale AI夏令营第五期CV Task02

一、yolo模型介绍YOLO，全称为"YouOnlyLookOnce"，是一种流行的实时目标检测算法，由JosephRedmon等人于2015年首次提出。YOLO的核心思想是将目标检测任务视为一个单一的回归问题，直接从图像像素到边界框坐标和类别概率的映射。这种设计使得YOLO能够以非常快的速度进行目标检测，同时保持较高的精度，特别适合需要实时处理的应用场景。YOLO算法的一个显著特点是它在单个网络

m0_60530253·2024-09-02 07:21

Datawhale AI夏令营第五期魔搭-CV竞赛方向Task1笔记--初识yolo模型

DatawhaleAI夏令营第五期魔搭-CV竞赛方向Task1笔记–初识yolo模型作者:福州大学我是一个温柔的刀客2024/8/221.赛题简介本赛题最终目标是开发一套智能识别系统，能够自动检测和分类城市管理中的违规行为

切记我是一个温柔的刀客·2024-09-02 07:19

Datawhale Al夏令营第三期 Al+物质科学task2学习笔记

AI4Science是一个较为普遍的术语，通常指的是人工智能在科学研究和技术发展中的应用。它涵盖了各种科学领域，包括物理学、化学、生物学、地球科学等。虽然没有一个特定的确切历史，但可以描述人工智能在科学研究中的一些早期里程碑和发展趋势。早期发展知识表示与推理：20世纪70年代末和80年代初，早期的AI研究开始探索如何用机器推理来模拟人类的思维过程。这种推理方式被应用于物理学、化学等学科中，尝试解决

weixin_75033552·2024-09-01 17:56

Datawhale x李宏毅苹果书入门 AI夏令营 task03学习笔记

实践方法论训练模型的基本步骤：（如下图所示）用训练集训练模型，（最终得出来最优的参数集）将最优参数集带入模型中，用测试集测试模型（人话：将最优参数集带入原来函数中，用测试集的x值计算y值）（这个过程就叫做预测）训练过程中遇到问题的解决攻略（看下图的方式是“前序遍历”）modelbias出现问题的情况：1.看trainingdata的loss，太大；2.当你模型无论如何调整参数，训练的结果还是不够好

weixin_75033552·2024-09-01 17:22

【雅静的幸福空间】第86篇《养孩子，请大胆放手》

“妈妈，草帽夏令营成团了吗？”“妈妈，什么时候可以出发啊？”受疫情影响，再加上好多孩子的暑假课程都在七月份，原本7月18日的草帽夏令营因报名人数不足而取消。

雅静_1790·2024-09-01 07:18

Datawhale X 李宏毅苹果书 AI夏令营进阶 Task2-自适应学习率+分类

目录1.自适应学习率1.1AdaGrad1.2RMSProp1.3Adam1.4学习率调度1.5优化策略的总结2.分类2.1分类与回归的关系2.2带有softmax的分类2.3分类损失1.自适应学习率传统的梯度下降方法在优化过程中常常面临学习率设置不当的问题。固定的学习率在训练初期可能过大，导致模型训练不稳定，而在后期可能过小，导致训练速度缓慢。为了克服这些问题，自适应学习率方法应运而生。这些方法

沙雕是沙雕是沙雕·2024-08-31 22:57

Datawhale AI夏令营

一、分析CV识别任务任务分析自己研究生期间做过的大多是无监督任务，监督任务做的很少。比如，之前用过yolov5做过滑动验证码的识别，给滑动验证码的缺口打标签是项耗时费力的工作。本次任务相同，是给非机动车、机动车打标签。frame_id：不同帧event_id：一帧里面出现的不同车辆idbbox：车辆位置模型输入输出猜测1）如果识别车辆很容易，那么输入原始音频x，标出每帧的位置作为输出，记为y。放进

于弋gg·2024-08-31 04:21

[Datawhale#1] cv task1 - Datawhale AI夏令营

参加cv方面的培训，记录自己的一些感悟吧。报名赛事2024“大运河杯”数据开发应用创新大赛——城市治理厚德云远程算力租赁https://portal.houdeyun.cn/register?from=Datawhale可以用3090，速度很快！baselineaptinstallgit-lfsgitlfsinstallgitclonehttps://www.modelscope.cn/datas

cinboxer·2024-08-30 15:29

[Datawhale AI 夏令营][第五期]智能识别系统-Task1笔记

任务是发布在MARS大数据服务平台的2024“大运河杯”数据开发应用创新大赛——城市治理。了解智慧河长的朋友可能听说类似的项目，它们可以识别河道中出现的一些问题。这次的智能识别系统与前者有相似的地方，但这个系统将聚焦城市违规行为的智能检测，通过研究开发高效可靠的计算机视觉算法，提升违规行为检测识别的准确度，降低对大量人工的依赖，提升检测效果和效率，从而推动城市治理向更高效、更智能、更文明的方向发展

keexh·2024-08-30 15:58

DataWhale AI夏令营 2024大运河杯-数据开发应用创新赛-task2

DataWhaleAI夏令营2024大运河杯-数据开发应用创新赛YOLO(YouOnlyLookOnce)上分心得分享YOLO(YouOnlyLookOnce)YOLO算的上是近几年最火的目标检测模型了

十分钟ll·2024-08-30 15:57

Datawhale X 李宏毅苹果书AI夏令营深度学习详解进阶Task02

目录一、自适应学习率二、学习率调度三、优化总结四、分类五、问题与解答本文了解到梯度下降是深度学习中最为基础的优化算法，其核心思想是沿着损失函数的梯度方向更新模型参数，以最小化损失值。公式如下：θt+1←θt-η*∇θL(θt)其中，θ表示模型参数，η表示学习率，L表示损失函数，∇θL表示损失函数关于参数的梯度。然而，梯度下降在复杂误差表面上存在局限性。例如，在鞍点或局部最小值处，梯度接近零，导致模

z are·2024-08-30 08:14

Datawhale AI夏令营-task03

DatawhaleAI夏令营-task03笔记来源：DatawhaleAI夏令营数据增强基础数据增强是一种在机器学习和深度学习领域常用的技术，尤其是在处理图像和视频数据时。

ghost_him·2024-08-29 06:50

致家长朋友们的一封信:

夏令营第一天太多的忙碌，太多的惊喜。相遇即是缘分，上午常规培养课里，我给宝贝们仔细讲述了班级的布置和学习用品整理与摆放，让学生了解班级文化从而喜欢上咱们1.7班。

菩提树下悟道·2024-08-29 03:48

【学习笔记】第三章深度学习基础——Datawhale X李宏毅苹果书 AI夏令营

局部极小值与鞍点梯度为0的点我们统称为临界点，包括局部极小值、鞍点等局部极小值和鞍点的梯度都为0，那如何判断呢？先请出我们损失函数：L(θ)，θ是模型中的参数的取值，是一个向量。由于网络的复杂性，我们无法直接写出损失函数，不过我们可以写出损失函数的近似取值。根据宋浩老师所讲的大学一年级高等数学的知识，我们可以通过三阶泰勒展开对损失函数在θ附近的取值进行近似：其中，θ是模型中的参数的取值，θ’是在θ

MoyiTech·2024-08-28 11:38

Datawhale X 李宏毅苹果书 AI夏令营｜机器学习基础之案例学习

机器学习（MachineLearning,ML）：机器具有学习的能力，即让机器具备找一个函数的能力函数不同，机器学习的类别不同：回归（regression）：找到的函数的输出是一个数值或标量（scalar）。例如：机器学习预测某一个时间段内的PM2.5，机器要找到一个函数f，输入是跟PM2.5有关的的指数，输出是明天中午的PM2.5的值。分类（classification）：让机器做选择题，先准备

Monyan·2024-08-28 11:06

育儿日志10｜20220712-月子餐

又又外婆说：“小宝贝一出生就参加夏令营了，锻炼自己的独立能力，以后一定是个坚强能干的姑娘！”

盼盼_337c·2024-08-28 03:08

感恩日记 2018年7月15日

感恩袁老师和所有的老师为孩子们提供如此好的国学夏令营，感恩所有义工的全体付出。感恩蕙兰姐为家长们带来的金刚智慧的课程，希望家长们都能喜欢并爱上这个终极智慧。

归韵·2024-08-27 12:59

局部极小值与鞍点 Datawhale X 李宏毅苹果书 AI夏令营

1，为什么随着参数的不断更新，损失无法降低？当参数对损失微分为零的时候，梯度下降就不能再更新参数了，训练就停下来了，损失不再下降了，此时梯度接近于0。我们把梯度为零的点统称为临界点（criticalpoint）。损失没有办法再下降，也许是因为收敛在了临界点，临界点包括局部极小值，局部极大值和鞍点（梯度是零且区别于局部极小值和局部极大值（localmaximum）的点）2，如果一个点的梯度接近于0，

千740·2024-08-27 09:23

推荐频道