Matlab——学习笔记第17页

数据结构与算法学习笔记（训练营三）-经典面试四

给你一个字符串类型的数组arr，譬如:String[]arr={"b\st","d\","a\d\e","a\b\c"};把这些路径中蕴含的目录结构给打印出来，子目录直接列在父目录下面，并比父目录向右进两格，就像这样:abcdebcstd同一级的需要按字母顺序排列不能乱。利用前缀树，让后深度优先遍历/***给你一个字符串类型的数组arr，譬如:*String[]arr={"b\st","d\","

剑侠李逍遥·2024-02-20 22:02

韩国韦-《领导力》学习笔记

——领导力，对于作为公司基层员工、普通老百姓的我们有何启示！课程中，国家主席、总统、跨国企业创始人、世界顶级大学教授的例子或许离我们比较远，但无论是伟人还是普通人都会一样遇到各种难题，遇到来自学习、生活、工作、家庭、公司、民族的问题，不同的是，伟人们的解决方法和意愿或许比我们强。喜欢课程中的一个概念：领导力帮你解决人生难题。马奇教授用世界名著来教领导力课程，人生的基本难题，还有什么比文学名著讲得更

韩国韦·2024-02-20 21:10

Android性能优化之App启动速度、Apk体积缩减

转发自：Android性能优化典范-第6季这里是Android性能优化典范第6季的课程学习笔记，从被@知会到有连载更新，这篇学习笔记就一直被惦记着，现在学习记录分享一下，请多多指教包涵！

SyShareS·2024-02-20 21:39

【学习笔记】APP启动时间测试

APP启动1.1APP启动流程（1）Launcher通过Binder进程间通信机制通知ActivityManagerService，它要启动一个Activity；（2）ActivityManagerService通过Binder进程间通信机制通知Launcher进入Paused状态；（3）Launcher通过Binder进程间通信机制通知ActivityManagerService，它已经准备就绪

池上花谷·2024-02-20 21:08

机器学习笔记（KNN算法）

情景分析现在一个二维平面上有众多点(x1,y1),(x2,y2)...(xn,yn)(x_1,y_1),(x_2,y_2)...(x_n,y_n)(x1,y1),(x2,y2)...(xn,yn)，我也知道它们所属哪个类别，现在给出一个点(x,y)(x,y)(x,y)，问这个点是属于哪个类的。这是一个典型的分类问题重要概念相邻点的个数K相邻点的个数Kknn中最重要的概念就是这个了，也是唯一需要理解

空木幻城·2024-02-20 21:08

【机器学习笔记】 9 集成学习

集成学习方法概述Bagging从训练集中进行子抽样组成每个基模型所需要的子训练集，对所有基模型预测的结果进行综合产生最终的预测结果：假设一个班级每个人的成绩都不太好，每个人单独做的考卷分数都不高，但每个人都把自己会做的部分做了，把所有考卷综合起来得到成绩就会比一个人做的高Boosting训练过程为阶梯状，基模型按次序一一进行训练（实现上可以做到并行），基模型的训练集按照某种策略每次都进行一定的转化

RIKI_1·2024-02-20 21:07

机器学习-近邻KNN算法学习笔记

目录一、算法定义KNN算法性能：欠拟合和过拟合KNN算法优缺点二、算法原理算法通俗解释算法的公式欧氏距离曼哈顿距离三、算法实现与应用模型搭建思路KNN算法模型源码代码运行效果图四、总结一、算法定义K最近邻（K-NearestNeighbors，KNN）算法是一种用于分类和回归的监督学习算法。KNN算法的主要思想可以简单概括如下：训练阶段：在训练阶段，KNN算法将所有的训练样本和它们对应的标签存储在

不会敲代码的陈序员·2024-02-20 21:36

吴恩达机器学习全课程笔记第二篇

目录前言P31-P33logistics（逻辑）回归决策边界P34-P36逻辑回归的代价函数梯度下降的实现P37-P41过拟合问题正则化代价函数正则化线性回归正则化logistics回归前言这是吴恩达机器学习笔记的第二篇

亿维数组·2024-02-20 21:03

【机器学习笔记】7 KNN算法

距离度量欧氏距离(Euclideandistance)欧几里得度量（EuclideanMetric）（也称欧氏距离）是一个通常采用的距离定义，指在维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。曼哈顿距离(Manhattandistance)想象你在城市道路里，要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线

RIKI_1·2024-02-20 21:03

09基于粒子群优化BP神经网络数据回归预测算法PSO-BP【附Matlab源码】只讲代码不讲原理

文章目录一、粒子群优化算法二、BP神经网络核心代码三、完整过程1、读取数据2、划分数据3、数据归一化4、计算优化节点数量5、粒子群优化参数初始化6、提取最优初始权值和阈值通过粒子群优化的最佳权重矩阵7、训练网络和预测数据结合前面BP设置网络参数代码8、绘图和计算评价指标三、实验结果四、获取完整代码和数据一、粒子群优化算法核心计算公式%%参数初始化c1=4.494;%学习因子c2=4.494;%学习

机器不会学习CSJ·2024-02-20 21:59

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

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

机器不会学习CSJ·2024-02-20 21:59

基于WOA优化CNN-LSTM-Attention的回归或时序算法，包含多种CNN-LSTM算法进行对比|Matlab

01基于WOA优化CNN-LSTM-Attention的回归或时序算法，包含多种CNN-LSTM算法进行对比|Matlab基础知识：基于WOA-CNN-LSTM-Attention的数据回归算法是一种利用深度学习技术来进行数据回归分析的方法

机器不会学习CSJ·2024-02-20 21:57

Cadence/Allegro学习笔记

Cadence操作笔记一、快捷键命令**作用Esc结束走线等操作I放大O缩小C以光标所指为新的窗口显示中心W画线On/OffP快速放置元件H元件标号左右翻转V元件标号上下翻转R元件旋转90°N放置网络标号J放置节点On/OffF放置电源G放置地Y画多边形T放置TEXTB放置总线On/OffE放置总线端口T放置TEXTCtrl+PageUp左移一个窗口Ctrl+PageDn右移一个窗口PageUp上

殊途。·2024-02-20 21:54

Cadence Allegro学习笔记【原理图篇】

点击下图中的按钮可以打开3D预览模式按住shift和按鼠标中间可以旋转，单独按鼠标中间可以平移动cadence元器件属性摆放横竖模式切换:双击元器件后进入属性对话框，系统默认是横排显示，鼠标选中左侧框上面右击，出现如下对话框选择Pivot之后就变成了竖排,Crtl+鼠标滚轮可以对界面进行放大缩小完整工程的创建：工程文件.opj原理图文件.dsnPCB文件.brd元件库文件.olb有个小BUG,打开

honey ball·2024-02-20 21:54

Cadence Allegro 学习笔记(已完成，笔记待补充)

一、利用OrCAD绘制原理图二、PCB库部分（利用PadstackEditor制作焊盘+PCBEditor制作封装）三、PCBEditor操作的基本设置四、PCB布局部分整版Fanout(扇出----指引出一小段短线、打孔、绘制铜皮的操作)五、PCB布线部分六、PCB输出文件部分

LIX_TR·2024-02-20 21:54

Datawhale用免费GPU线上跑AI项目实践课程任务一学习笔记。部署ChatGLM3-6B模型

前言本篇文章为学习笔记，流程参照Datawhale用免费GPU线上跑AI项目实践课程任务，个人写此文章为记录学习历程和补充概念，并希望为后续的学习者开辟道路，没有侵权的意思。

Hoogte-oile·2024-02-20 21:04

C++学习笔记之 Big Three & OOP

本篇笔记主要分为三个部分，第一部分是以String类为例的基于对象的编程，重点在于构造与析构、拷贝构造函数、拷贝赋值函数三个重要函数。这一部分与笔记（1）中的内容结合起来就是基于对象编程的主要内容。第二部分是在掌握了基于对象编程的基础上的面向对象编程（OOP）学习，讲解了类之间的组合、继承、委托关系。最后一部分则是一些关于面向对象编程的一点补充，包括内存空间、生命周期、new和delete等，以及

鸿通楼祭司·2024-02-20 21:31

数值计算·第二集：矩阵的条件数（Matlab版）

条件数的倒数：rcond(A)：A为矩阵，rcond(A)为A的1范数的条件数的倒数的估计值。如果A的条件数越好，那么其值在1.0附近；反之，则在无穷小附近。%%矩阵的条件数A=[11,2,3,4;7,-2,-3,-4;0.1,0.2,0.3,0.5;5,7,8,9];%1范数的条件数Ac1=cond(A,1);%2范数的条件数Ac2=cond(A,2);%无穷范数的条件数Acw=cond(A,i

J@u1·2024-02-20 20:24

openGauss学习笔记-08 openGauss 数据类型

openGauss学习笔记-08openGauss数据类型8.1数值类型8.2布尔类型8.3字符类型8.4二进制类型8.5日期/时间类型8.6几何类型8.7网络地址类型8.8位串类型8.9文本搜索类型8.10UUID

superman超哥·2024-02-20 20:40

Tensorflow基础代码报错学习笔记11——classification分类学习

原教程地址原代码更换了tensorflow1.0版本之后代码跟着up主的教程敲就可以了，这里面没什么需要改动的importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_data#如果电脑中没有数据集，会自动下载mnist=input_data.read_data_sets('MNIST_data',one_hot=

7STARX·2024-02-20 20:00

四章-46-使用KML文件渲染要素

本文基于腾讯课堂老胡的课《跟我学Openlayers--基础实例详解》做的学习笔记，使用的openlayers5.3.xapi。

彩云飘过·2024-02-20 20:08

SpringBoot学习笔记总结——动力节点

最近跟着动力节点王鹤老师的视频学到了springboot，看过最细的springboot讲解，初学入门最佳，自己做了笔记分享给大家视频资源：https://www.bilibili.com/video/BV1XQ4y1m7ex1.外部资源properties的几种导入方式1.1使用注解直接在实体类上赋值imageimage.gif1.2通过yaml赋值，在实体类中引用@ConfigurationP

动力节点铁杆粉丝·2024-02-20 19:35

Golang变量-学习笔记

1.为什么需要变量1）一个程序就是一个世界2）变量是程序的基本组成单位不论是使用哪种高级程序语言编写程序，变量都是其程序的基本组成单位。举个栗子：funcgetVal(num1,int,num2,int)(int,int){sum:=num1+num2sub:=num2-num2returnsum,sub}funcmain(){sum,sub:=getVal(30,30)fmt.Println("

超长待机。·2024-02-20 18:50

MATLAB进行特征选择

特征选择是机器学习和统计建模中的重要步骤，它涉及选择最相关、最有信息价值的特征，以提高模型性能、降低过拟合风险，并加速训练过程。以下是一些常见的特征选择方法：（1）方差选择法计算各个特征的方差，然后根据阈值，选择方差大于阈值的特征作为筛选出来的特征。这里是针对于各个变量独立地进行方差计算，然后按照方差大小对特征进行降序排列，保留前几个方差较大的变量。（2）随机森林特征重要度随机森林由多个决策树构成

AI Dog·2024-02-20 18:17

【无标题】Matlab 之axes函数——创建笛卡尔坐标区

**基本用法：**axes在当前图窗中创建默认的笛卡尔坐标区，并将其设置为当前坐标区。应用场景1：在图窗中放置两个Axes对象，并为每个对象添加一个绘图。要求1：指定第一个Axes对象的位置，使其左下角位于点(0.10.1)处，宽度和高度均为0.7。指定第二个Axes对象的位置，使其左下角位于点(0.650.65)处，宽度和高度均为0.28。默认情况下，所有值为基于图窗的归一化值。将这两个Axes

weixin_44202064·2024-02-20 18:16

基于MATLAB的QPSK调制解调仿真(仿真图超多，结果超清晰)

基于MATLAB的QPSK调制解调仿真(包含中间各个环节的时域波形、功率谱、频谱图、星座图和眼图、理论与仿真的误码率曲线)目录前言一、QPSK调制解调过程二、仿真结果Ⅰ、码元信噪比eb/n0=10dB时

迎风打盹儿·2024-02-20 18:39

HTML学习笔记——08：表单＜form＞

HTML元素表示文档中的一个区域，此区域包含交互控件，用于向Web服务器提交信息。例如：登录页面。作用：搜集不同类型的用户输入，并向服务器传送数据。注意：表单本身并不可见！！！示例：firstname:lastname:多数情况下被用到的表单标签是输入标签（）。一、表单的属性1、action属性action=”要提交到的页面(xxx.html)”表单提交的地址，可以是网站也可以是一个请求处理地址。

ruleslol·2024-02-20 18:39

【江湖说️学习日记89决策理论】

【江湖说️学习日记89决策理论】[打卡宝宝]：嘿黑~[打卡日期]：2019/02/28[累计坚持]：这是我坚持学习的第89天️[学习内容]：决策理论：如何做出好的决策[学习笔记]：️一、概念：研究人员曾经做过一次调查

栗小蒙·2024-02-20 18:41

IP地址+子网掩码+CIDR学习笔记

目录一、IP地址1、表示方法：2、特殊IP地址二、子网掩码1、判断网络位和主机位2、子网划分三、无分类编址CIDR1、CIDR路由汇聚汇聚规则：汇聚ID：2、最佳路由匹配原则一、IP地址1、表示方法：机器中存放的IP地址是32位二进制代码，为了提高可读性：每8位加入一个空格，提高可读性每8位的二进制数转换为十进制，用点分十进制记法例：10000000000010110000001100011111

Jizhi_Zhang·2024-02-20 17:35

RabbitMQ学习笔记

1消息队列基础1.1同步异步同步调用时效性强拓展性差性能下降级联失败异步调用业务解耦，拓展性强无需等待，性能好故障隔离缓存信息，流量削峰填谷时效性差不确定执行是否成功1.2MQ技术选型2安装2.1安装步骤linux环境，用docker安装下载rabbitmq镜像dockerpullrabbitmq:3.7.15创建容器dockerrun-eRABBITMQ_DEFAULT_USER=admin-e

hhf的博客·2024-02-20 17:53

Spring AOP 笔记

精通Spring4.x企业级应用》学习笔记Aop适合具有横切逻辑的应用场合：性能监测、访问控制、事务管理、日志记录；Aop通过横向抽取机制为这类无法通过纵向继承体系进行抽象的重复性代码提供了解决方案。

里昂_79ce·2024-02-20 17:06

Redis学习笔记

1基础1.1NoSQL特点：非结构化、无关联、非SQL、没有事务或事务不满足ACID特性、内存存储、支持水平扩展1.2Redis概括redis官网：https://redis.io/一个基于内存的键值型NoSQL数据库key-value型单线程，每个命令具备原子性低延迟，速度快（基于内存、IO多路复用、c语言编写）支持数据持久化支持主从/分片集群支持多语言客户端1.3linux系统安装下载redi

hhf的博客·2024-02-20 17:19

JDK1.6API学习笔记(0001)---开篇

准备开始了，你准备好了吗！野马之路！本来想一切都做成最新的呢，后来一想，没什么意义，用现在机器上装的1.6.0版本算了。再一想，不对，开始的时候就妥协，怕这个系列不会超过个位数的文章了，还是努力一下吧。可怜我这老黄牛的网速啊。系统：WindowsXPSP2番茄花园版CPU：古老滴AMD1700+，新来的不要笑哦！内存：一根266的512DDR，一根400的512DDR，加起来是266的1GDDR。

langzitianya·2024-02-20 16:28

Neo4j学习笔记(三) Spring Data Neo4j中可以按方法名自动生成查询逻辑的查询方法

目录一.概述二.方法名元素三.属性表达式四.分页和排序五.TopN的取得一.概述SpringData的Repository接口提供了通过方法名称自动生成查询逻辑的能力。在SpringDataNeo4j中，继承Neo4jRepository接口同样可以获得这种按方法名自动生成查询逻辑的功能。查询的默认深度为1，即查询本节点以及和本节点有直接关系的节点，查询的关系类型为节点实体类(使用@NodeEnt

langzitianya·2024-02-20 16:58

Neo4j学习笔记(四.3) Spring Data Neo4j中连接Neo4j因果集群

一.配置文件Neo4j4.0之前，instance0~instance2都是因果集群里的核心服务器URI=bolt+routing://instance0:7687URIS=bolt+routing://instance1:7687,bolt+routing://instance2:7687Neo4j4.0之后，instance0~instance2都是因果集群里的核心服务器URI=neo4j:/

langzitianya·2024-02-20 16:58

matlab批量修改csv文件中元素的值，适用于其它能用Excel打开的文件格式

以下matlab代码作用为批量修改（文件数1到任意）csv文件中的值，例如将所有大于0的数修改为1clc;clearall;path='';%读取output_path='';%输出路径mkdir(output_path

小白菜儿929·2024-02-20 16:56

清翔零基础教你学51单片机_个人学习笔记(5)_数码管静态和动态显示

说明本人使用的是清翔的51单片机开发板，如果型号相同最方便，但是如果型号不同也可以参考，因为芯片都是一样的，只是外设不同而已，使用时只需要对照自己的开发板原理图稍微修改下引脚即可。本次笔记对应清翔视频教程的第16、17、18集数码管静态显示和动态显示（理论+编程）一、什么是数码管1.1数码管的构成1位数码管多位数码管数码管内部由8个LED组层，排列成8字形，点亮对应的LED，熄灭其他的LED，即可

BO_S__·2024-02-20 16:47

vscode写MATLAB配置

vscode写MATLABpython下载官网说明VersionsofPythonCompatiblewithMATLABProductsbyRelease-MATLAB&Simulink不确定这三列都表示什么意思

BO_S__·2024-02-20 16:46

陈绍斌：与智慧同路，正视未来||心和塾企业家山西研学分享

每次课程陈绍斌都是第一时间把他的学习笔记分享出来，近三万字的学习资料内容，我们会惊讶结构分明的笔记在短短十几分钟就整理出来，对于基础不是十分厚实

孙键_心和塾·2024-02-20 15:56

SQL学习笔记----第二天（学生信息表自增字段的使用）

学生信息表自增字段的使用--目录前言一、MySQL中使用自增字段二、SqlServer中使用自增字段三、Oracle中使用自增字段总结前言我们在设计数据表时，使用自动增长字段可以简化子弹数据的生成，在开发实践中，经常将主键设置为自动增长字段，不同的数据库自动增长字段实现是不同的，下面我们来一起详细了解下一、MySQL中使用自增字段首先了解下怎么在MySQL中创建自增字段，在MySQL中创建自增字段

春眠不觉晓♞·2024-02-20 15:54

HarmonyOS移动应用学习笔记——1.初识HarmonyOS

文章目录1.1HarmonyOS简介1.2HarmonyOS架构和安全HarmonyOS架构内核层系统服务层框架层应用层HarmonyOS应用服务智能分发HarmonyOS系统安全正确的人正确的设备正确地使用数据1.3HarmonyOS关键特性硬件互助，资源共享分布式软总线分布式设备虚拟化分布式数据管理分布式任务调度一次开发，多次部署统一OS，弹性部署

WMX_0121·2024-02-20 15:10

基于matlab的相关模板图像匹配技术

简单光学·2024-02-20 15:40

【静夜思学习笔记】我们是否都生存在某个角色里？

简介：认清人的本性，理解角色化生存，这是了解人性和如何做产品的重要一课，一起了解一下角色化对我们的影响。集体人格什么是集体？集体其实就是一堆角色。为什么会有角色这么一说，其实是管理的需求。比如说你在家里的角色，可能是爸爸，妈妈，儿子。他有了这些角色。就像是赋予了你一个说明书。相当于给你定义了你要做些什么？为人子，方少时，亲师友，习礼仪。所以我们从小就被驯化成某一种角色。当我们被角色训练好，收敛自我

静夜思007·2024-02-20 14:42

学习笔记—独立的损益表

【优胜行动派️❤学习日记】[打卡宝宝]：张雪[打卡日期]：2019/2/21[累计坚持]：这是我坚持学习的第125天[学习内容]：5分钟商学院·独立的损益表[学习笔记]：讲了很久从员工到经理，其最核心的转变

凡小姐_ba36·2024-02-20 14:52

威尔金森功分器基本原理学习笔记

威尔金森功分器基本原理威尔金森功率分配器的功能是将输入信号等分或不等分的分配到各个输出端口，并保持相同输出相位。环形器虽然有类似功能，但威尔金森功率分配器在应用上具有更宽的带宽。微带形功分器的电路结构如图所示，其中，输入端口特性阻抗为Z0Z_0Z0，两段分支微带线电长度为λ/4\lambda/4λ/4，特性阻抗分别为Z02Z_{02}Z02和Z03Z_{03}Z03，终端分别接负载R2R_2R2和

儒雅永缘·2024-02-20 14:13

Kubernetes学习笔记--理解及操作 Kubernetes 对象

本文记录Kubernetes对象在KubernetesAPI的表现形式，以及如何在.yaml格式的文件中表示。Kubernetes对象在Kubernetes系统中，Kubernetes对象是持久化的实体，Kubernetes使用这些实体去表示整个集群的状态，如哪些容器化应用在运行（以及在哪些节点上），可以被应用使用的资源，关于应用运行时表现的策略，比如重启策略、升级策略，以及容错策略等。当操作Ku

木子一酱·2024-02-20 14:05

基于WOA优化的Bi-LSTM多输入时序回归预测（Matlab）鲸鱼算法优化双向长短期神经网络时序回归预测

、程序及算法内容介绍：基本内容：亮点与优势：二、实际运行效果：三、算法介绍：鲸鱼优化算法（WOA）：双向长短期神经网络（Bi-LSTM）：四、完整程序下载：一、程序及算法内容介绍：基本内容：本代码基于Matlab

神经网络与数学建模·2024-02-20 14:28

基于WOA优化的Bi-LSTM多输入回归预测（Matlab）鲸鱼算法优化双向长短期神经网络回归预测