时序聚类

基于CNN-LSTM-Attention的回归预测算法（附Tensorflow框架下的代码）

基于CNN-LSTM-Attention的回归预测算法结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（Attention）三种强大的技术，通常用于时序数据的回归预测问题。
Jason_Orton·2025-02-22 20:08

DeepSeek 新注意力架构NSA

最近这一路线的进展包括多种策略：KV缓存淘汰方法、块状KV缓存选择方法以及基于采样、聚类或哈希的选择方法。尽管这些策略前景广阔，现有的稀疏注意力方法在实际部署中往往表现不佳。
Twilight-pending·2025-02-22 00:47

嵌入式八股文（四）计算机网络篇

⽹络协议的三个基本要素：语法、语义和时序。3.接口上下层之间交换信息通过接口来实现。一般使上下层之间传输信息量尽可能少，这样使两层之间保持其功能的相对独立性。硬件接口：在物理层面，接口通常指的是
小仇学长·2025-02-21 17:56

高斯混合模型（GMM）与K均值算法（K-means）算法的异同

高斯混合模型（GaussianMixtureModel,GMM）和K均值（K-Means）算法都是常用于聚类分析的无监督学习方法，虽然它们的目标都是将数据分成若干个类别或簇，但在实现方法、假设和适用场景上有所不同
路野yue·2025-02-21 15:32

机器学习_18 K均值聚类知识点总结

K均值聚类（K-meansClustering）是一种经典的无监督学习算法，广泛应用于数据分组、模式识别和降维等领域。它通过将数据划分为K个簇，使得簇内相似度高而簇间相似度低。
数据媛·2025-02-21 14:53

跨越感官鸿沟：AGI多模态融合技术解析

1.2多模态表示学习的数学框架二、多模态融合的核心技术2.1跨模态对齐架构Transformer-based模型2.2动态模态融合2.3多模态自监督学习三、关键技术挑战与突破3.1模态差异鸿沟3.2多模态时序同步
.猫的树·2025-02-21 13:48

为什么说异步编程是反人类

异步编程的难点在于理解异步执行的时序、错误处理的方式以及在多线程和异步操作混合使用时的复杂性。这一模式特别适合处理I/O密集型操作，然而它的实现和管理常常让开发者感到头痛。
·2025-02-21 02:13

面试基础--分布式任务调度系统设计方案

分布式任务调度系统设计方案以下是一个基于实际项目经验设计的分布式任务调度系统方案，结合北京互联网大厂面试要求，涵盖架构图、调用关系图、设计图和数据流转时序图。
WeiLai1112·2025-02-21 00:41

【数据挖掘】ARFF格式与数据收集

【数据挖掘】ARFF格式与数据收集三级目录1.ARFF格式与数据收集2.稀疏数据3.属性类型4.缺失值与不正确的值5.了解数据6.知识表达7.聚类机器学习算法训练数据挖掘分析数据共享与交换三级目录1.ARFF
布鲁惠比寿·2025-02-20 23:04

萌新的51之旅——串口通信（3）

一，过程特性过程特性规定了信号之间的时序关系，以便正确的接收和发送数据采用RS-232c接口存在的问题一，传输距离短，传输速率低该总线标准受电容允许值的约束，使用时传输距离一般不要超过15米，最高传输速率为
codoger·2025-02-20 16:08

centos操作系统安装R包单细胞拟时序分析CytoTRACE2

探序基因肿瘤研究院整理作者操作系统为centosstream8，R版本为4.3.3devtools::install_github("digitalcytometry/cytotrace2",subdir="cytotrace2_r")中途出现错误：*installing*source*package‘RcppGSL’...**成功将‘RcppGSL’程序包解包并MD5和检查**usingstag
探序基因·2025-02-20 15:56

RT-Thread I2C 驱动框架学习笔记

I2C总线驱动负责控制I2C总线的硬件，包括发送和接收数据的时序控制，以及处理总线冲突等。它与嵌入式系统的硬件层交互，实现对I2C总线的底层操作，使得应用程序可以通过I2C总线与外部设备进行通信。
DgHai·2025-02-20 11:45

以太网通信(1)UDP —— 数据发送

目录一、以太网通信简介1.OSI七层模型2.以太网数据包解析3.IP首部校验和计算与检验二、以太网通信实例1.整体实验框图2.发送部分时序图3.实验代码及仿真结果总结一、以太网通信简介前文我们讲述了多种通信协议
刻蓇铭鑫·2025-02-19 13:13

K-means聚类：解锁数据隐藏结构的钥匙

K-means聚类：解锁数据隐藏结构的钥匙在机器学习的广阔领域中，无监督学习以其独特的魅力吸引了众多研究者和实践者。
小村学长毕业设计·2025-02-18 20:18

机器学习基本篇

1基本概念机器学习，分为回归，分类，聚类，降维有监督学习回归，分类，有特征，有标签，进行训练，然后对新数据进行预测无监督学习聚类，降维。
胖胖的小肥猫·2025-02-18 16:51

解锁机器学习核心算法 | 支持向量机：机器学习中的分类利刃

它们涵盖了回归、分类、聚类、降维等多个机器学习任务领域，是众多机器学习应用的基础和核心。而在这十大算法中，支持向量机（Suppor
紫雾凌寒·2025-02-18 15:15

架构设计之软件建模与软件设计文档

软件建模2.1软件建模的定义2.2软件建模的作用2.3软件建模解决的问题2.3.1明确要解决的领域问题2.3.2最终开发出来的系统包含什么2.3.3软件模型设计流程三、软件设计方法3.1概述3.2类图3.3时序图
夜夜流光相皎洁_小宁·2025-02-18 00:00

蓝桥杯篇---串行EEPROM AT24C02

文章目录前言1.写字节时序（ByteWrite）特点时序步骤1.起始条件（StartCondition）2.发送设备地址（DeviceAddress）3.发送内存地址（WordAddress）4.发送数据
Ronin-Lotus·2025-02-17 23:23

matlab 延迟算子,时间序列分析-----2---时间序列预处理

时间序列分析方法分为描述性时序分析和统计时序分析。1、描述性时序分析通过直观的数据比较或绘图观测，寻找序列中蕴含的发展规律，这种分析方法就称为描述性时序分析。
这块必被安排·2025-02-17 12:42

【转】时间序列分析——基于R，王燕

《时间序列分析——基于R》王燕，读书笔记笔记：一、检验：1、平稳性检验：图检验方法：时序图检验：该序列有明显的趋势性或周期性，则不是平稳序列自相关图检验：（acf函数）平稳序列具有短期相关性，即随着延迟期数
weixin_30780221·2025-02-17 12:41

【论文精读】MotionLM

【论文精读】MotionLM1背景2存在的问题3具体方案轨迹转运动序列模型轨迹去重和聚类loss1背景团队：Waymo时间：2023.9代码：简介：采用自回归的方式做轨迹生成，能够更好地建模交互，且避免模态坍缩
EEPI·2025-02-17 12:37

【论文精读】Sparse4D v2: Recurrent Temporal Fusion with Sparse Model

1背景团队：地平线时间：代码：简介：这篇论文是Sparse4D的续作，区别主要在于特征时序融合上，新版提高了运算效率。后续端到端SparseDrive的基本框架与这篇基本类似。
EEPI·2025-02-17 12:36

跨时钟域（clka，clkb）

1.跨时钟会发生竞争和冒险竞争：逻辑电路中，不同路线汇聚到一个一点时有先后时序，称为逻辑竞争冒险：竞争产生的电平不稳定的现象称为冒险跨时钟域的主要问题是阻止竞争冒险的发生，杜绝亚稳态在电路当中的传播2.
dajunzhi·2025-02-17 09:10

状态机fsm

alwayscase(cur_state)根据输入值，判断next_state是啥，记得default）输出结果（always块中，根据cur_state来输出结果，case(cur_state),使用时序电路
dajunzhi·2025-02-17 09:40

机器学习：k均值

在“无监督学习”中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础，较为经典的是聚类。
golemon.·2025-02-17 08:38

【机器学习】无监督学习算法之：K均值聚类

K均值聚类1、引言2、K均值聚类2.1定义2.2原理2.3实现方式2.4算法公式2.4.1距离计算公式2.4.1中心点计算公式2.5代码示例3、总结1、引言小屌丝：鱼哥，K均值聚类我不懂，能不能给我讲一讲
Carl_奕然·2025-02-16 22:49

【Bluedroid】BLE连接过程详解

根据蓝牙SPEC，当一个设备（称为Advertiser）在广播模式下发送广播包时，它遵循一定的时序和规则，以便其他设备（称为Observer或Scanner）可以检测到它，并在适当的时机发送连接请求。
byte轻骑兵·2025-02-16 13:12

20.LMAX——DDD的极致性能架构

sid=1940048&ctype=0文章目录历史起源架构目标架构要素时序对比传统时序事件溯源时序LMAX时序单线程非阻塞异步IO（reactor）多线程单线程事件溯源高可用方案代价总结优点缺点适用范围历史
MQLYES·2025-02-16 12:06

字节跳动实习生和校招生内推

、有扎实的代码能力，熟悉深度学习/图神经网络/机器学习框架，如Pytorch、Tensorflow、DGL、Pyg、Sklearn等；3、熟悉机器学习/图学习/序列学习算法中的一项或者多项，如图建模、时序信号建模
飞300·2025-02-16 10:15

k均值聚类python实现

K均值聚类（K-MeansClustering）是一种常用的无监督学习算法，用于将数据分成K个簇。
小尤笔记·2025-02-15 23:29

《Python全栈开发：构建高并发物联网数据中台实战》

系统采用微服务架构，核心功能包括：百万级设备并发接入（基于MQTT协议）实时流数据处理（ApacheKafka+Faust）时序数据存储（InfluxDB+Redis）智能告警引擎（规则引擎+机器学习）
放氮气的蜗牛·2025-02-15 22:15

influxdb数据过期_「监控」InfluxDB系统架构分析

InfluxDB系统架构参考：时序数据库技术体系–初识InfluxDB简单的理解:DatabaseInfluxDB中有着和传统数据库一样的Database的概念RetentionPolicy(RP)数据保留策略
云锋金融·2025-02-15 04:29

时序数据库技术体系 – 初识InfluxDB（原理）

qytefg=c4ft23在上篇文章《时序数据库体系技术–时序数据存储模型设计》中笔者分别介绍了多种时序数据库在存储模型设计上的一些考虑，其中OpenTSDB基于HBase对维度值进行了全局字典编码优化
weixin_30622181·2025-02-15 04:29

【论文阅读】Revisiting the Assumption of Latent Separability for Backdoor Defenses

基于这一假设设计的防御方法通过在潜在空间中进行聚类分析来识别毒化样本。具体来说，这些防御方法首先在
开心星人·2025-02-14 19:10

RockChip MIPI Camera IMX214 调试过程总结

1.前言本文将通过详细的代码示例和调试技巧，在RockChip平台上集成IMX214MIPI摄像头模块，需要涉及设备树（DTS）配置、驱动程序修改、上电时序处理、寄存器配置、以及调试验证等多个方面，提供一个完整的开发和调试指南
一歲抬頭·2025-02-14 03:32

机器学习算法工程师笔试选择题（1）

A.逻辑回归B.K-近邻算法C.支持向量机D.K-均值聚类答案：D（K-均值聚
Ash Butterfield·2025-02-14 00:08

【FAQ】HarmonyOS SDK 闭源开放能力 — IAP Kit（4）

解决方案：对于公共事件来说就是提供这个能力，需要调用方保证时序，订阅成功之后再发广播才能收到。2.问题描述：微信支付，支付宝支付，银联支付SDK是否已经支持？
·2025-02-13 16:04

15.模版模式设计思想

1.7主要解决问题02.模版模式原理2.1罗列一个场景2.2用例子理解模版2.3需求普通实现2.4案例演变实现2.5模版模式实现步骤03.模版模式结构3.1模版标准案例3.2模版模式结构3.3模版模式时序图
·2025-02-13 11:26

timescaladb时序数据库高可用docker镜像使用

timescaladb时序数据库高可用docker镜像使用timescaladb时序数据库高可用，基于bitnami/postgresql-repmgrdocker镜像制作，实现数据同步和故障自动转移主备切换
handsomestWei·2025-02-13 10:33

传感器激增，数据库“爆仓”？他们用 TDengine 轻松应对

面对这一挑战，团队在调研后选择TDengine作为时序数据存储引擎，数据写入延迟降至毫秒级，算
·2025-02-12 14:17

深度学习算法informer（时序预测）（一）（数据编码讲解）

前言：informer代码是在transformer代码基础上进行优化，请先了解transformer原理informer代码中数据编码包括三部分，位置编码、数据编码、时间编码目标：时序数据有7个特征，
槑槑紫·2025-02-12 05:33

常用工具+开发工具

印象笔记+cdsn(博客)+网易云笔记+editPlus截图工具Snipaste思维导图，xmind的编辑工具MindMaster画图工具：本地：visio+在线：processon+idea的插件（画时序图
__Winni__·2025-02-12 05:02

【时序预测】-深度学习系列

Wavenet（2016）重点：CNN系列+因果卷积+膨胀卷积核心：确保了输出的时间点只依赖于输入序列中时间戳早于或等于该输出时间点的数据，核心模块膨胀卷积能够扩大卷积层的感受野，从而更充分学习序列的全局信息。DeepAR（2017Amazon）DeepAR:ProbabilisticForecastingwithAutoregressiveRecurrentNetworks重点：RNN系列+多元
TIM老师·2025-02-11 22:04

五十天精通硬件设计第25天-I2C协议及电路设计

系列文章传送门50天精通硬件设计第一天-总体规划-CSDN博客本着学习的态度总结了这篇文章分两个部分重点介绍，一部分是总线介绍，硬件设计介绍，时序介绍。
第二层皮-合肥·2025-02-11 19:47

聚类算法概念、分类、特点及应用场景【机器学习】【无监督学习】

概念机器学习聚类算法‌是一种无监督学习方法，旨在将数据集分割成不同的类或簇，使得同一簇内的数据对象相似性尽可能大，而不同簇之间的数据对象差异性也尽可能大。
飞火流星02027·2025-02-11 07:18

【stm32】软件I2C读写MPU6050

软件I2C读写MPU6050(文章最后附上源码)编码概况首先建立通信层的.c和.h模块在通信层里写好I2C底层的GPIO初始化以及6个时序基本单元起始、终值、发送一个字节、接收一个字节、发送应答、接收应答写好
FLYQR·2025-02-11 04:24

KMeans聚类实战2

目录NBA球员聚类--未知k值的情况NBA球员聚类–未知k值的情况#导入第三方模块importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearnimportmetricsimportseabornassnsfromsklearnimportpreprocess
浊酒南街·2025-02-10 22:04

KMeans聚类实战1

目录iris聚类--已知k值的情况iris聚类–已知k值的情况#导入第三方模块importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearnimportmetricsimportseabornassns
浊酒南街·2025-02-10 22:34

TC-LLaVA论文笔记

RoPE介绍理解LLM位置编码:RoPE|LinsightMotivation在基于视频的multimodallargelanguagemodel中，更好地利用视频提供的时序信息。
0yumiwawa0·2025-02-10 03:27

【redis】redis操作set类型的key发生了什么？

以下是关于Redis操作（添加、删除、修改、查询）Set类型key的完整过程，包括引用源码的数据、时序图、磁盘IO读写、数据长度限制、线程安全控制和故障处理机制。
名栩·2025-02-09 22:14
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他