首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏Hank’s Blog

    2-7 R语言基础 数据框

    > df <- data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,TRUE,FALSE,FALSE)) > nrow(df) #4行 [1] 4

    42520发布于 2020-09-16
  • 来自专栏Deep learning进阶路

    2-7 顺序表 和 链表 对比

    2-7 顺序表 和 链表 对比 1、存储结构的不同 虽然它们同属于线性表,但数据的存储结构有本质的不同: 顺序表存储数据,需预先申请一整块足够大的存储空间,然后将数据按照次序逐一存储,逻辑关系就是靠元素间物理空间上的邻接关系来维持

    47820发布于 2019-07-02
  • 来自专栏嵌入式音视频

    2-7 输入圆的半径,计算其周长与面积

    预览图如下 #include<stdio.h> int main() { int r; printf("请输入r:"); scanf("%d",&r); { if(r>0) {printf("面积是:%f\n",3.14159*r*r); printf("周长是:%f\n",2*3.14159*r);} else printf("输入的r不合法!\n"); } return 0; }

    71630编辑于 2022-12-01
  • 来自专栏刷题笔记

    2-7 一元多项式求导 (20 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/101025651 2-7 一元多项式求导 (20 分) 设计函数求一元多项式的导数。

    91320发布于 2019-11-08
  • 来自专栏JNing的专栏

    【tensorflow】TFRecord读写机理

    1.tfrecord,写的时候是一行一行地写的,读的时候是每batch个行地读的。

    80110发布于 2020-03-17
  • 来自专栏cwl_Java

    C++编程之美-数字之魅(代码清单2-7)

    代码清单2-7 int lowestOne(int N) { int Ret = 0; while(N) { N >>= 1; Ret

    27120编辑于 2022-11-30
  • 来自专栏Golang语言社区

    channel机理及调度理解

    当当 广告

    56130发布于 2018-07-26
  • 来自专栏Golang语言社区

    channel机理及调度理解

    《Go语言编程》一书介绍了libtask库,可以认为这个库等同于go的底层goroutine实现。

    47130发布于 2018-07-26
  • 来自专栏网络信息安全

    熊猫烧香(中)病毒释放机理

    熊猫烧香(中)病毒释放机理 1、sub_40277C子函数 2、sub_405684子函数 3、sub_403ED4子函数 4、sub_4057A4子函数 5.分析sub_4057A4后续删除功能 6.

    95210编辑于 2024-03-12
  • 来自专栏AustinDatabases

    PostgresQL MVCC 机理与 还得学习

    昨天写了些 MYSQL MVCC ,今天就的搞搞 PostgresQL 的MVCC ,最近从某些网站上获得的信息,PostgresQL的 相关人员的需求量在国内开始增加,但和需求相比,会的人少,所以你懂得。

    90730发布于 2019-09-05
  • 方法论|机理分析法

    为什么需要机理分析法 在现实生活中,影响一个问题的因素往往不止一个,分析问题时就需要从不同方向考虑,所以就引入了机理分析法 算法分析过程和应用步骤: 首先分析现象和结果的影响因素;然后在合理的假设条件下做出各种因素与现象和结果的关系 结语 在运用机理分析法时需要考虑各个因素,对于不同的因素可能需要不同的思考方式,最后得出结果时,还要结合实际情况验证分析的正确性。 END

    1.5K20发布于 2019-10-14
  • 来自专栏贾维斯Echo的博客

    计算机理论基础

      1.操作系统:就是一个协调、管理、控制计算机硬件资源与应用软件资源的一个控制程序

    73830编辑于 2023-10-18
  • 来自专栏机器之心

    机器学习模型以出色的精度进行有机反应机理分类

    近日,来自英国曼彻斯特大学(UoM)化学系的 Burés 和 Larrosa 报告了一种机器学习模型,展示了可以训练深度神经网络模型来分析普通动力学数据并自动阐明相应的机理类别,而无需任何额外的用户输入 该模型以出色的精度识别各种类型的机理。 研究结果表明,人工智能引导的机理分类是一种强大的新工具,可以简化和自动化机理阐明。预计这项工作将进一步推动全自动有机反应发现和开发的发展。 模型包含 576,000 个可训练参数,并结合使用两种类型的神经网络:(1) 长短期记忆神经网络,一种用于处理时间数据序列(即时间浓度数据)的循环神经网络;(2) 全连接神经网络,用于处理非时间数据(即每次动力学运行中催化剂的初始浓度和长短期记忆提取的特征 预测的机理与早期动力学研究的结论非常吻合。在某些情况下,该模型还识别了在原始工作中没有检测到的机理细节。对于一个具有挑战性的反应,该模型提出了三个非常相似的机理类别。 参考内容:https://www.nature.com/articles/d41586-023-00145-7 人工智能 × [ 生物 神经科学 数学 物理 材料 ] 「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展

    81130编辑于 2023-03-29
  • 来自专栏AustinDatabases

    MYSQL MVCC 实现机理 与 知识漏洞要补

    说来惭愧,被友人问了一些关于MYSQL 的问题,虽然算不上对答如流,但也算是沉稳应对。唯独折在 MVCC 中MYSQL INNODB 是如何实现的问题上,回答错误扣10分。本着知错能改,有漏洞要补的,精神。还是的把MVCC 以及MYSQL 怎么实现MVCC 的事情重新的学习一遍。

    1.1K30发布于 2019-09-04
  • 来自专栏深度学习自然语言处理

    机器学习之多层感知机理论与实践

    我们将要介绍多层感知机神经网络以及反向传播算法,这是现今最流行的神经网络结构。 这个算法就是在算delta,这是从输出神经元开始往回直到输入层的每个神经元的局部梯度下降。要计算输出神经元的delta,我们首先要得到每个输出神经元的误差。 现在可以计算delta了, 这个式子是对于在输出层L的第j个神经元 是输出层L的第j个神经元的值的求导所得的值。 这个式子是对于隐藏层l的第j个神经元。 通过反向传递求导的值,前面的神经元就会知道权重要变化多少以更好地让神经网络的输出符合实际的输出。这一切都要从神经网络的输出与实际输出的差别开始算起。是不是很神奇呢? 此外,你还可以输入一个‘fileNum'来调用这个神经网络,看下神经网络对你给的图片上的数字的判断是什么。 神经网络把隐藏层的层数和隐藏层的神经元数作为参数来初始化神经元和权重向量。

    1.8K40发布于 2018-04-24
  • 来自专栏深度学习自然语言处理

    详解机器学习之感知机理论与实践

    阅读大概需要5分钟 上期回顾 详解机器学习之the Learning Problem 导读 本章讲的是让他机器学习说yes/no,目录分为: 感知机假设集合 感知机学习算法(PLA) 确保数据集线性

    1K120发布于 2018-04-16
  • 来自专栏机器学习与统计学

    不能更详细的PyTorch环境安装与配置

    由于 PyTorch 采用了动态计算图(Dynamic Computational Graph)结构,且基于tape的Autograd系统的深度神经网络。 torch.nn:具有共享层和损失函数的神经网络库。 torch.optim:具有通用优化算法(如SGD、Adam等)的优化包。 ? NVIDIA cuDNN是用于深度神经网络的GPU加速库。 : ",cudnn.is_acceptable(x)) 在命令行运行以下脚本: python test_gpu.py 如果可以看到如图2-6或图2-7所示的结果,则说明GPU版PyTorch安装成功! ▲图2-6 运行test_gpu.py的结果 在命令行运行:nvidia-smi,可以看到如图2-7所示的界面。 ?

    3.8K20发布于 2019-12-09
  • 来自专栏CreateAMind

    阿尔兹海默症可能的机理

    阿尔兹海默症可能的机理 Possible mechanisms of Alzheimer's disease Fig.1 Cerebral artery, from Gray's Atlas of 蒲慕明团队发现海马体内的神经元可以将长时程抑制(Long-term depression,LTD)可塑性自组织地传播到三个方向,分别是突触前侧向传播(Presynaptic lateral spread 陶俊波,博士在读,研究兴趣是计算神经科学、脑科学和AI融合的计算模型。

    48210编辑于 2023-12-14
  • 来自专栏企鹅号快讯

    机器学习模型与传统机理模型的融合

    基于物理过程的各种数学模型在水力、市政、海洋等领域已经得到了很多年的发展和应用,随着这几年机器学习技术的大热,也有越来越多的人尝试将机器学习技术应用在水力、市政领域,但是这些尝试大部分集中在使用机器学习模型替代传统机理模型 那么以后的趋势会是机器学习模型替代机理模型,或是各自应用在不同领域?

    4K71发布于 2018-02-26
  • 来自专栏全栈学习专栏

    解密openGauss DB4AI框架的内部机理

    DB4AI这个方向中,数据库通过集成AI能力,在用户进行AI计算时就可以避免数据搬运的问题。不同于其他的DB4AI框架,本次openGauss开源的原生框架是通过添加AI算子的方式完成数据库中的AI计算。

    1K30编辑于 2023-02-01
领券