Jenkins学习应用

去哪儿网 ReactNative 跨小程序多端方案介绍

方案来自于社区，我们只是合理的应用用来
去哪儿网技术沙龙·2025-03-23 20:15

MATLAB数据的保存与读取

在工程应用中，我们经常需要将未处理完的数据保存起来以便后期使用，或者在一些复杂计算中，我们需要多次计算过程中，由于系统的工作空间会随着系统的关闭而被释放掉，导致下次使用时无法快速调用，所有需要对数据进行保存与读取
晚风微凉～·2025-03-23 20:44

MATLAB的function函数的使用

在工程应用中，我们经常会遇到算法的计算较为复杂，很多算法的过程重复次数过多的问题，针对这个问题我们可以考虑使用function函数简化代码编写的工作量。
晚风微凉～·2025-03-23 20:44

三维点云重建的原理及代码

在实际应用中，无法获得物体所有表面的三维坐标数据，因此点云重建算法必须处理部分点云数据，尽可能准确地还原物体的几何结构。点云重建的目标是通过对描述物体表面形状的点数据进行处理，根据它们的
晚风微凉～·2025-03-23 20:44

C#winform窗体应用如何新增button控件

1.在栏目视图中找到工具箱2.打开工具箱找到公共控件，点开下拉列表，选中button，鼠标拖动到winform窗体中即可完成。
出生猿·2025-03-23 20:43

基于 STC89C52 的 8x8 点阵显示数字

8x8点阵作为一种经济且实用的显示模块，能够呈现数字、简单字母及图形等信息，在电子时钟、简易游戏机等产品中广泛应用。
@小张要努力·2025-03-23 20:13

基于 STC89C52 的智能秒表

引言秒表作为一种常见的计时工具，在体育赛事、实验测量等众多场景中有着广泛应用。随着电子技术的发展，基于单片机的智能秒表凭借其高精度、多功能等优势逐渐取代传统机械秒表。
@小张要努力·2025-03-23 20:42

pyspark学习rdd处理数据方法——学习记录

python黑马程序员"""文件，按JSON字符串存储1.城市按销售额排名2.全部城市有哪些商品类别在售卖3.上海市有哪些商品类别在售卖"""frompysparkimportSparkConf,SparkContextimportosimportjsonos.environ['PYSPARK_PYTHON']=r"D:\anaconda\envs\py10\python.exe"#创建Spark
亭午·2025-03-23 20:12

回归任务中的评价指标MAE，MSE，RMSE，R-Squared

仅供自己学习使用，如有侵权，请联系删除分类任务的评价指标有准确率，P值，R值，F1值，而回归任务的评价指标就是MSE，RMSE，MAE、R-SquaredMSE均方误差MSE是真实值与预测值的差值的平方和然后求平均
旺旺棒棒冰·2025-03-23 20:12

AI大模型编程能力对比：Deepseek&Claude&Gemini

在当今快速发展的技术领域，人工智能（AI）模型在编程和数据处理方面的应用越来越广泛。不同的AI模型因其独特的设计理念和技术优势，适用于不同的编程任务和场景。
黑夜路人（heiyeluren）·2025-03-23 20:11

React Native 迁移的阵痛

背景由于我们的移动应用程序已经存在多年，经历了许多开发者的更替，因此变得越来越臃肿和难以维护。此外，我们团队中的Android开发人员一直很短缺，这导致我们在两个平台上的开发进度和质量存在巨大差异。
Ethan. L·2025-03-23 20:41

Android React Native应用逆向分析初探

随着移动互联网时代的到来，用户在移动设备上花费的时间越来越多，不仅是因为移动设备方便携带，而且还因为层出不穷的大量应用提供为用户使用，以往在电脑上才能做的事情，现在仅靠一部手机就可以解决了。
byc6352·2025-03-23 20:11

DeepSeek：智能搜索与分析的新纪元

DeepSeek，这一基于深度学习和数据挖掘技术的智能搜索与分析系统，不仅重新定义了搜索引擎的边界，更以其卓越的性能和广泛的应用场景，为全球用户带来了前所未有的智能体验。
XRC2231·2025-03-23 20:11

图像质量评价学习笔记02：IQA模型性能评价指标（PLCC、SROCC、KROCC、RMSE）

性能好的图像质量评价（IQA）算法，其质量评测分数会与主观质量分数高度一致，IQA有许多评价指标，为了衡量方法测试结果与主观评价之间的一致性，视频质量专家组VQEG（VideoQualityExpertsGroup，目前国际上对视频质量进行标准化及性能测试的权威组织）提出了四个可以验证客观评价结果和主观评价结果之间的紧密程度的四个指标：PLCC、SROCC、KROCC和RMSE，也是目前最常用的I
可靠的豆包蟹同志·2025-03-23 20:11

【005安卓开发方案调研】之Flutter+Dart技术开发安卓

基于2025年国内移动开发环境现状，结合多份行业分析报告和技术文档，对Flutter+Dart开发安卓应用的技术成熟度和生态适配性分析如下：一、技术成熟度评估1.跨平台能力达到生产级标准Flutter的
ThinkPet·2025-03-23 20:10

PyQt和PySide的区别和比较

它们都是基于Qt框架，Qt是一个跨平台的应用程序和UI开发框架。本文将介绍PyQt和PySide之间的区别和比较，并提供相应的源代码示例。
PgosOcaml·2025-03-23 19:40

哈尔滨工业大学DeepSeek公开课人工智能：大模型原理 技术与应用-从GPT到DeepSeek｜附视频下载方法

导读INTRODUCTION今天继续哈尔滨工业大学车万翔教授带来了一场主题为“DeepSeek技术前沿与应用”的报告。
你觉得205·2025-03-23 19:39

Node.js 包管理配置文件详解：package.json、npmrc、package-lock.json 全面解析

package-lock.json：锁定依赖版本示例：部分package-lock.json作用如果package-lock.json出现问题3..npmrc：npm的自定义配置文件示例：修改npm源应用
还是鼠鼠·2025-03-23 19:09

计算机基础：编码01，无符号数编码

专栏导航本节文章分别属于《Win32学习笔记》和《MFC学习笔记》两个专栏，故划分为两个专栏导航。读者可以自行选择前往哪个专栏。
水饺编程·2025-03-23 19:09

时序数据库QuestDB在Winform窗体应用

以下是QuestDB在Winform使用的代码：//初始化privatevoidInit(){//创建数据库对象(用法和EFDappper一样通过new保证线程安全)SqlSugarClientDb=newSqlSugarClient(newConnectionConfig(){ConnectionString=“host=10.3.5.227;port=8812;username=admin;p
ryan68888·2025-03-23 19:38

机器学习knnlearn1

importmatplotlib.pyplotaspltimportnumpyasnpimportoperator#定义一个函数用于创建数据集defcreateDataSet():#定义特征矩阵，每个元素是一个二维坐标点，代表不同策略数据点的坐标group=np.array([[20,3],[15,5],[18,1],[5,17],[2,15],[3,20]])#定义每个数据点对应的标签，用于区分
XW-ABAP·2025-03-23 19:07

基于 MySQL 和 Spring Boot 的在线论坛管理系统设计与实现

markdownCopy✌全网粉丝20W+,csdn特邀作者、博客专家、CSDN[新星计划]导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、pyhton、机器学习技术领域和毕业项目实战
城南|阿洋-计算机从小白到大神·2025-03-23 19:36

访问者模式【行为模式C++】

访问者模式在实际开发中使用的非常少，因为它比较难以实现并且应用该模式肯能会导致代码的可读性变差
GoWjw·2025-03-23 19:06

模板方法模式

Java标准库有很多模板方法模式的应用。比如集合类中的AbstractList、AbstractQueuedSynchronize
烟沙九洲·2025-03-23 19:05

【重温设计模式】访问者模式及其Java示例

访问者模式的基本概念访问者模式，一种行为型设计模式，其基本定义是：允许一个或者多个操作应用到一组对象上，解耦操作和对象的具体类，使得操作的添加可以独立于对象的类结构变化。
万猫学社·2025-03-23 19:33

鸿蒙5开发：Ark-TS UI 动效设计指南：让你的应用界面 “活” 起来

在鸿蒙5应用开发中，Ark-TSUI不仅能让你快速构建漂亮的界面，还提供了丰富的动效功能，让界面交互更加流畅和有趣。
·2025-03-23 19:18

数字签名与数字证书

这里写目录标题数字签名数字证书数字证书的原理数字证书的特点如何验证证书机构的公钥不是伪造的数字签名数字签名是非对称密钥加密技术与数字摘要技术的应用，数字签名就是用加密算法加密报文文本的摘要（摘要通过hash
TABE_·2025-03-23 19:03

Python 中的 Iterable、Iterator 与生成器

Python中的Iterable、Iterator与生成器Iterable（可迭代对象）Iterator（迭代器）生成器（Generator）Iterable、Iterator与生成器的关系实际应用生成器的高级用法
CavenWang·2025-03-23 19:02

先验地图--slam学习笔记

先验信息(PriorInformation)先验信息指的是在收集新数据之前已有的知识或假设。这种信息可以来自之前的实验、历史数据、理论模型或专家意见。地图信息：在无人驾驶中，车辆通常会预先加载高精度地图数据，这些地图数据提供了道路布局、车道线位置、交叉口结构等信息。这些信息就是先验信息。车辆动力学模型：车辆的动力学模型，包括车辆的物理特性（如质量、轮胎摩擦系数等），这些模型可以帮助预测车辆的行为。
超级璐璐·2025-03-23 19:31

零基础入门机器学习：用Scikit-learn实现鸢尾花分类

适合人群：机器学习新手|数据分析爱好者|需快速展示案例的学生一、引言：为什么要学这个案例？目的：明确机器学习解决什么问题，建立学习信心。机器学习定义：让计算机从数据中自动学习规律（如分类鸢尾花品种）。
藍海琴泉·2025-03-23 19:31

计算机网络笔记(四)——1.4计算机网络在我国的发展

一、早期探索与奠基（1980-1994年）国际联网的起点1986年：中国启动首个国际联网项目“中国学术网（CANET）”，由北京计算机应用技术研究所与德国卡尔斯鲁厄大学合作，目标是实现电子邮件通信。
xiao--xin·2025-03-23 19:31

机器学习--DBSCAN聚类算法详解

目录引言1.什么是DBSCAN聚类？2.DBSCAN聚类算法的原理3.DBSCAN算法的核心概念3.1邻域（Neighborhood）3.2核心点（CorePoint）3.3直接密度可达（DirectlyDensity-Reachable）3.4密度可达（Density-Reachable）3.5密度相连（Density-Connected）4.DBSCAN算法的步骤5.DBSCAN算法的优缺点5
2201_75491841·2025-03-23 18:30

小白学AI量化：DeepSeek+Python构建强大的金融数据挖掘与多维分析机器人

它不仅适用于通用网页数据抓取，更能深度应用于金融领域，精准捕捉市场信号。本文“干货”很多，请务必耐心读完。一、颠覆认知的性价比革命1.
老余捞鱼·2025-03-23 18:00

【机器学习】机器学习工程实战-第3章 数据收集和准备

上一章：第2章项目开始前文章目录3.1关于数据的问题3.1.1数据是否可获得3.1.2数据是否相当大3.1.3数据是否可用3.1.4数据是否可理解3.1.5数据是否可靠3.2数据的常见问题3.2.1高成本3.2.2质量差3.2.3噪声（noise）3.2.4偏差（bias）3.2.5预测能力低（lowpredictivepower）3.2.6过时的样本3.2.7离群值3.2.8数据泄露/目标泄漏3
腊肉芥末果·2025-03-23 18:28

机器学习实战 第一章 机器学习基础

第一章机器学习1.1何谓机器学习1.2关键术语1.3机器学习的主要任务1.4如何选择合适的算法1.5开发机器学习应用程序的步骤1.6Python语言的优势1.1何谓机器学习    1、简单地说，机器学习就是把无序的数据转换成有用的信息
LuoY、·2025-03-23 18:27

数据挖掘实战-基于机器学习的垃圾邮件检测模型

‍♂️个人主页：@艾派森的个人主页✍作者简介：Python学习者希望大家多多支持，我们一起进步！如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍
艾派森·2025-03-23 18:26

环境配置（1）：笔记本window、虚拟机ubuntu、开发板三者互ping通信，并且虚拟机ubuntu和开发板能上网

1.配置网络我们配置网络是为了方便后续调试开发板系统或者应用程序时，能够使用tftp协议nfs协议等拷贝文件，以及设置文件系统启动方式为nfs挂载启动。
lishing6·2025-03-23 18:56

集成学习（随机森林）

目录一、集成学习概念二、Bagging集成原理三、随机森林四、例子（商品分类）一、集成学习概念集成学习通过建⽴⼏个模型来解决单⼀预测问题。它的⼯作原理是⽣成多个分类器/模型，各⾃独⽴地学习和作出预测。
herry57·2025-03-23 18:24

Cursor怎样设置中文

4.选择中文：在弹出的选项中选择中文（Chinese），系统会提示您重启软件以应用更改。5.
dkgee·2025-03-23 18:52

【机器学习】朴素贝叶斯入门：从零到垃圾邮件过滤实战

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain
吴师兄大模型·2025-03-23 18:22

APP开发小程序开发常见的用户通知有哪些形式？

它如同一条无形的纽带，连接着应用与用户。及时准确地通知用户订单状态、活动信息等重要内容，能极大地提升用户体验。
Haibakeji·2025-03-23 18:51

【机器学习】机器学习工程实战-第2章 项目开始前

上一章：第1章概述文章目录2.1机器学习项目的优先级排序2.1.1机器学习的影响2.1.2机器学习的成本2.2估计机器学习项目的复杂度2.2.1未知因素2.2.2简化问题2.2.3非线性进展2.3确定机器学习项目的目标
腊肉芥末果·2025-03-23 18:21

Xilinx系ZYNQ学习笔记（二）ZYNQ入门及点亮LED灯

系列文章目录文章目录系列文章目录前言简单介绍简称xc7z020型号FPGAZYNQ实操通用IO点亮LED灯硬件逻辑基础前言简单入门一下ZYNQ是何种架构，如何编程，至于深入了解应该要分开深入学习Linux
贾saisai·2025-03-23 17:50

DeepSeek 如何处理多模态数据（如文本、图像、视频）？

不仅学会如何编程，还将学会如何将AI技术应用到实际问题中，为您的职业生涯增添一笔宝贵的财富
借雨醉东风·2025-03-23 17:50

ZYNQ学习笔记_GPIO之输入输出

ZYNQ学习笔记_GPIO之输入输出GPIO介绍MIO介绍EMIO介绍控制GPIO接口的寄存器原理_输入输出部分GPIO介绍GPIO的英文全称为General-purposeinput/output，即一种通用外设
凌星星星星星·2025-03-23 17:20

《基于自适应正负样本对比学习的特征提取框架》-核心公式提炼简洁版 2022年neural networks

论文源地址以下是从文档中提取的关于“基于对比学习的特征提取框架（CL-FEFA）”中正负样本对比学习实现的技术细节，包括详细的数学公式、特征提取过程以及特征表示方式的说明。
阳光明媚大男孩·2025-03-23 17:49

zynq设计学习笔记2——GPIO之MIO控制LED实验

vivado软件操作步骤与学习笔记1——helloworld差不多，这里不再过多赘述，不同点是在zynq的设置中添加上GPIO的设置即可。
墨漓_lyl·2025-03-23 17:49

蓝桥杯备赛计划

1-2小时的蓝桥杯PythonB组冲刺日程表（持续1个月，聚焦高频考点）：第一周：核心算法突破Day1（周一）学习重点：动态规划（01背包问题）学习资源：AcWing《蓝桥杯辅导课》第8讲（背包问题模板
laitywgx·2025-03-23 17:47

机器学习怎么做特征工程

一、特征工程通俗解释特征工程就像厨师做菜前的食材处理：原始数据是“生肉和蔬菜”，特征工程是“切块、腌制、调料搭配”，目的是让机器学习模型（食客）更容易消化吸收，做出更好预测（品尝美味）。
全栈你个大西瓜·2025-03-23 17:47

When Large Language Models Meet Speech: A Survey on Integration Approaches

主要内容研究背景：大语言模型（LLMs）在自然语言处理领域取得显著进展，其与语音的融合具有广泛应用前景，但缺乏相关集成方法的综述。
UnknownBody·2025-03-23 17:46
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他