TTT 第9页

邓世超老师简介（500强高管演讲教练）

邓世超老师（合作V：chaoshideng）——500强企业高管演讲教练擅长领域：演讲表达，TTT讲师培养，拆书（高效阅读）讲师资历-----------------------------------

演讲教练邓世超·2023-01-31 13:33

教是最好的学

课程内容是TTT培训师课程，面向企业内部的讲师，系统化输出课程编导演的技巧，并着重强调了演讲这部分的重要性，也做了大量的练习。课程内容我大部分熟悉，因为本身自己的TTT课程也是跟野老师学的。

天气好到走走就能碰到你·2023-01-30 19:21

如何在PBL学习团建中积极而深度地对组员进行反馈？

我曾经在拆书帮接触过一个优秀的企业培训师，她曾经分享了关于培训师深度点评的方法：片段1，来自《成为明星讲师：TTT培训全案》片段2，来自《成为明星讲师：TTT

菠萝萄·2023-01-30 15:15

《培训师授课技能手册》读书笔记

书的开篇，先了解到了“PTT国际专业讲师培训”与“TTT培训师培训”的关系，知道了PTT是更专注于培训方面的专业知识，而TTT范围更广单包含了PTT的相关内容，对PTT来说它是泛而不精。

yangyang_6b35·2023-01-29 13:55

第一课学习收获分享-权德辉

首先谈谈自己的心态，上周学习过程中跟马霞马姐私下聊天的时候，我跟她聊到我对这次学习的感受：被顺波老师邀请参加博雅TTT的学习那一刻开始一方面自己非常的开心，同时忐忑不安，因为内心压力特别的大，因为群里的同修们都是大咖级的人

权德辉·2023-01-29 00:15

TTT培训心得

想趁着刚结束，记忆还鲜活的时候赶紧记录一下三天的培训心得。因为课前老师给我们都做了调研，问我们最想通过这个培训解决什么问题？于是在培训第一天时，就带着自己想要解决的问题，目的非常明确的开始了这趟培训之旅。老师通过非常丰富的教学活动的演示，不断地告诉我们这些适用于什么教学场景，该如何用，然后我就笔耕不辍地记录，用汪佩文老师的话讲，就是这三天的手机电量最后都有80%。但在第一天结束的时候我就非常清楚的

苏暄涵·2023-01-28 12:40

华为笔试题：Linux shell脚本中${xxx}代表变量xxx的值

华为笔试题如下：Linuxshell脚本中${xxx}代表变量xxx的值,给定一个字符串中存在一个或多个${xxx},需要将字符串中所有的${xxx}替换成实际值.示例：输入:4xxx=lyf/${ttt

b335eb9201c3·2023-01-28 03:44

Java去除首尾指定字符

前记：发布公告这个功能点，mysql数据表涉及不合理，公告的标题和内容作为列表一起存储在一个"content"字段里，原先项目是由Python编写，存进表的时候格式特定为：u'www',u'ttt'。

佛系千树·2023-01-27 13:16

动手学深度学习之语言模型与数据集

语言模型所谓语言模型，当给定一个长度为TTT的词的序列w1,w2,...,wTw_1,w_2,...,w_Tw1,w2,...,wT，语言模型的目标就是评估该序列是否合理，即计算序列的概率：P(w1,w2

Ta51167·2023-01-20 10:56

latex array用法

&ddxxxxxd&ttt&rr&t\end{array}$*{3}连在一起用，表示前3列{rlr}表示前三列分别右对齐、左对齐、右对齐若3改为5，格式还不变$\begin{array}{*{5}{rlr

热巴小迷妹·2023-01-19 10:04

利用python open-cv aimageio完成avi png mp4 gif间的转换

gif参考Python图片转视频和视频转图片以及视频转GIFcsdn一、avi转pngimportcv2importmathfile_path=r'C:\Users\li\AppData\Local\ttt

lijil168·2023-01-18 18:51

李沐动手学深度学习V2-深度循环神经网络和代码实现

2.函数依赖关系假设在时间步ttt有一个小批量的输入数据Xt∈Rn×d\mathbf{X}_t

cv_lhp·2023-01-17 07:19

《动手学深度学习》Task02-3:循环神经网络

循环神经网络引入一个隐藏变量HHH，用HtH_{t}Ht表示HHH在时间步ttt的值。

努力！才能被爱慕~·2023-01-15 10:48

[解疑]图像、矩阵的二维空间变换

对图像的几何变换本质上是一种线性变换，其数学本质为Inew=TIoldI_{new}=T{I_{old}}Inew=TIold，即通过变换矩阵TTT将原图上的点的位置IoldI_{old}Iold变换到新的位置

陌生人的天堂·2023-01-14 17:52

CSDN编程竞赛 ——— 第二十一期

题目描述2、代码实现二、千问万问1、题目描述2、代码实现三、连续子数组的最大和1、题目描述2、代码实现四、降水量1、题目描述2、代码实现第二十一期竞赛题目一、合并序列1、题目描述有NNN个单词和字符串TTT

2021dragon·2023-01-14 03:29

洛谷P1829 [国家集训队]Crash的数字表格 / JZPTAB（包括多组数据）

洛谷P1829[国家集训队]Crash的数字表格/JZPTAB加强版：题面不变，包含多组数据，数据组数为TTT，1≤T≤1041\leqT\leq10^41≤T≤104题目大意给出n,mn,mn,m，求

tanjunming2020·2023-01-12 16:38

说话人识别中的分数规范化（Score Normalization）

概述在说话人辨认任务中，我们会将待验证的话语ttt与已注册的话语集合{e1,e2,...,en}\left\{e_1,e_2,...,e_n\right\}{e1,e2,...,en}，计算相似度，得到

DEDSEC_Roger·2023-01-11 11:58

动手学深度学习——循环神经网络

循环神经网络相对于普通神经网络而言，最大的特点在于颖仓变量HHH的引进，用HtH_{t}Ht表示HHH在时间步ttt的值，该变量记录了到当前字符为止的序列信息。历史信息的使用使得预测更为精确。

伸腿瞪眼丸·2023-01-11 07:48

ARAP参数化算法

假设三维模型上的一个三角形ttt表示为xt=x_t=xt={xt0,x

一个勤奋的Coder·2023-01-10 17:10

三维重建经典算法：ICP、ARAP、Marching Cubes、TSDF

贪钱算法还我头发·2023-01-10 17:07

线性代数Python计算：线性变换的值域与核

设数域PPP上的向量空间PnP^nPn的线性变换TTT，在某个基下其变换矩阵A=(α1,α2,⋯ ,αn)\boldsymbol{A}=(\boldsymbol{\alpha}_1,\boldsymbol

戌崂石·2023-01-10 15:12

【国科大模式识别】第三次作业

这里,上标TTT表示向量转置。若采用规范化增广样本表示形式,并假设初始的权向量a=(0,1,0)T\mathbf{a}=(0,1,0)^Ta=(0,

寂静的以·2023-01-05 20:14

【从零开始学习深度学习】37. 深度循环神经网络与双向循环神经网络简介

在时间步ttt里，设小批量输入Xt∈Rn×d\boldsymbol{X}_t\in\mat

阿_旭·2023-01-04 09:05

6.9_deep-rnn

图6.11深度循环神经网络的架构具体来说，在时间步ttt里，设小批量输入Xt∈Rn×d\boldsymbol{X}_t\

给算法爸爸上香·2023-01-02 16:14

6.2_rnn

6.2循环神经网络上一节介绍的nnn元语法中，时间步ttt的词wtw_twt基于前面所有词的条件概率只考虑了最近时间步的n−1n-1n−1个词。

给算法爸爸上香·2023-01-02 16:13

6.1_lang-model

假设一段长度为TTT的文本中的词依次为w1,w2,…,wTw_1,w_2,\ldots,w_Tw1,w2,…,wT，那么在离散的时间序列中，wtw_twt（1≤t≤T1\leqt\leqT1≤t≤T）可看作在时间步

给算法爸爸上香·2023-01-02 16:43

策略梯度(Policy Gradient)算法学习

假设策略的待学习参数为θ\thetaθ，则在ttt时刻、状态sss和参数θ\thetaθ下选择动作aaa的概率为π(a∣s,θ)=P

修行僧yicen·2023-01-01 20:55

CTR建模常见的小知识

Click-RhroughRate）用户点击的概率，根据大数定律，在足够多的样本下，我们是能够知道这个概率的，p(click=1)=TNp(click=1)=\frac{T}{N}p(click=1)=NT，其中TTT

superY25·2022-12-31 09:41

【概率论】期末复习笔记：数理统计学的基本概念

统计量1.统计量的概念2.几个常用的统计量1)样本均值2)样本方差和样本标准差3)样本矩4)顺序统计量5)样本极差6)样本ppp分位数四、抽样分布1.Γ\GammaΓ分布2.χ2\chi^2χ2分布3.ttt

seh_sjlj·2022-12-30 11:12

一种时间复杂度为O(2ⁿ)、空间复杂度为O(n)的子集和问题的算法

是说给定一个自然数集合S={a1,a2,⋯ ,an}S=\{a_1,a_2,\cdots,a_n\}S={a1,a2,⋯,an}，它含有nnn个元素，现在又给定一个自然数sss，问是否存在SSS的一个子集TTT

seh_sjlj·2022-12-30 11:35

【从零开始学习深度学习】33.语言模型的计算方式及循环神经网络RNN简介

假设一段长度为TTT的文本中的词依次为w1

阿_旭·2022-12-30 10:30

元启发式算法-模拟退火算法MATLAB实现

###Metropolis准则若在温度TTT，当前状态iii→新状态

RedJACK~·2022-12-30 10:59

数字矩阵（秋季每日一题 3）

输入格式第一行包含整数TTT，表示共有TTT组测试数据。每组数据第一行包含两个整数n,mn,mn,m。接下来nnn行

sweetheart7-7·2022-12-27 21:55

机器学习——k近邻法KNN

(1)根据给定的距离度量，在训练集TTT中找出与xxx最邻近的kkk个点，涵盖这kkk个点的xxx的邻域记作Nk(x)N_k(x)Nk(x)(2)在Nk(x)N_k(x)Nk(

小小硕、·2022-12-27 16:30

小波变换(Wavelet Transform)

建议直接观看YouTube时频Wavelets:amathematicalmicroscope傅里叶变换傅里叶变换将周期性信号从时域ttt转换到频域ω\omegaω：F(ω)=∫f(t)e−jωtdtF

ffiirree·2022-12-27 07:57

opencv 鱼眼相机模型原理及去畸变方法

摄像机参照系中PPP的坐标向量为:Xc=RX+TXc=RX+TXc=RX+T其中RRR为旋转向量ororor对应的旋转矩阵(TTT为平移矩阵):R=

文雯不是头猪哇·2022-12-26 13:28

朴素贝叶斯算法与贝叶斯估计

1.1定义一个数据集实例定义一个数据集TTT为:T={(x1,y1),(x2,y2),⋯ ,(xN,yN)}T=\{(x_1,y_1),(x_

JasonDean·2022-12-26 10:26

图像处理之灰度变换

灰度变换空间域增强空间域增强的特点线性变换分段线性变换非线性变换非线性变换图像前后灰度值关系直方图均衡空间域增强直接对构成图像的像素的灰度级的操作输入图像x(j,i)−−−>y(j,i)x(j,i)--->y(j,i)x(j,i)−−−>y(j,i)y(j,i)=T[x(j,i)]y(j,i)=T[x(j,i)]y(j,i)=T[x(j,i)] 注：TTT

随心变化·2022-12-25 17:30

NEUQ-acm 预备队训练Week4—BFS/DFS

例题P1605迷宫题目描述给定一个N×MN\timesMN×M方格的迷宫，迷宫里有TTT处障碍，障碍处不可通过。在迷宫中移动有上下左右四种方式，每次只能移动一个方格。数据保证起点上没有障碍

是夕颜呀·2022-12-22 15:43

Language Models and Datasets - 语言模型与数据集(RNN循环神经网络)

假设长度为TTT的文本序列中的词元依次为x1,x2,…,xTx_1,x_2,\ldots,x_Tx1,x2,…,xT。于是，xtx_txt（1≤t≤T1\leqt\leqT1≤t≤T

Gaolw1102·2022-12-22 06:00

NLP基础：n-gram语言模型和神经网络语言模型

文章目录语言模型的计算n-gram语言模型n-gram平滑技术神经网络语言模型(NNLM)基本思想神经网络语言模型小结语言模型评价指标—困惑度语言模型是自然语言处理中的重要技术，假设一段长度为TTT的文本中的词依次为

VariableX·2022-12-22 06:24

【AI理论学习】n-gram语言模型和神经网络语言模型

基于前馈神经网络的模型基于循环神经网络的模型语言模型评价指标总结参考资料什么是语言模型语言模型是自然语言处理中的重要技术，假设一段长度为TTT的文本中的词依次为w1,w2,…,wTw_1,w_2,\ldots

镰刀韭菜·2022-12-22 06:22

泊松过程

计数过程如果用N(t)N(t)N(t)表示到时刻ttt为止已发生的“事件AAA”的总数，若N(t)N(t)N(t)满足下列条件：1.N(t)≥0N(t)≥0N(t)≥02.N(t)N(t)N(t)取正整数值

一笑为红颜·2022-12-20 13:54

Towards Evaluating the Robustness of Neural Networks(翻译，侵删)

不幸的是，深度网络容易受到对抗样本攻击：给定一个输入xxx和任何类别ttt，有可能找到一个新的输入x′x^\prim

turb_csdn·2022-12-19 18:29

LSTM(循环神经网络RNN)dropout技术——Recurrent Neural Network regularization阅读笔记

规定htl∈Rnh^l_t\in{R^n}htl∈Rn表示第lll层ttt时间步的因状态，维度为n,当l=0l=0l=0时，ht0h^0_tht0表示ttt时刻的外部输入；因为LSTM网络中使用全连接网络作为常规操作

Blssel·2022-12-19 13:54

傅里叶级数与傅里叶变换

本文是推导傅里叶级数与傅里叶变换的一篇简单的笔记三角形式的傅里叶级数傅里叶级数源自这样的一个假设的命题：任何周期函数fT(x)f_T(x)fT(x)都能够表述为若干正弦函数或者余弦函数的线性组合，原周期函数的周期TTT

kigumi·2022-12-19 08:06

知识图谱表示 | TransE原理简介与代码解读

其中hhh表示的是头实体的向量表示；rrr表示的是关系的向量表示；ttt指代的是尾实体的向量表示，如果三元组(h,r,t)(h,r,t)(h,r,t)在向量空间中满足下图关系：当我们通过如上图的形式表示三元组时

HL Lee·2022-12-19 06:35

无线通信基础01

》电磁波电磁波(ElectromagneticWave)是一种波.对于一种波,我们需要关注描述波的基本特性的参量:幅值AAA,相位θ\thetaθ,波速vvv,波长λ\lambdaλ,频率fff和周期TTT

LibraVan·2022-12-18 02:24

热传导方程以及Matlab求解

Matlab求解简略推导设u=u(x⃗,t)u=u(\vec{x},t)u=u(x,t)表示某一个均匀物体Ω⊂R3\Omega\subset\mathbb{R}^3Ω⊂R3在位置x⃗\vec{x}x，时刻ttt

Logistic..·2022-12-16 07:57

SE(3) 上的李代数求导（推导过程）

SE(3)上的李代数求导（推导过程）变量基本形式ppp是一个三维向量，其齐次形式为p=[p1](0)p=\begin{bmatrix}p\\1\end{bmatrix}\tag{0}p=[p1](0)TTT

Sunsetfmb·2022-12-14 19:06

推荐频道

TTT