楚国玉_社区达人页

2023年07月

• 07.19 14:44:25
  发表了文章 2023-07-19 14:44:25

  梯度&散度&旋度&峰度&偏度你分得清楚吗？驻点&鞍点你分得清楚吗？曲率&斜率你分得清楚吗？

  本文介绍了四种常见的物理量：加速度，速度，位移和力学功。详细介绍了它们的定义、计算以及在物理学和工程学领域中的应用。此外，本文还介绍了四种与物理量相关的概念：向量、标量、质量和密度。 数学，物理，机器学习领域常见概念区分
• 07.18 23:04:17
  发表了文章 2023-07-18 23:04:17

  你能分清比特率，波特率，信噪比，带宽，容量吗？

  本文详细讲解了了物理和信号系统领域常见的关于波的几组概念，包含比特率，波特率，信噪比，带宽，容量，及对比
• 07.18 23:00:38
  发表了文章 2023-07-18 23:00:38

  PID算法的详细推导及python代码

  本文基于PID算法讲述了PID详细计算过程，给出python代码示例
• 07.18 22:53:49
  发表了文章 2023-07-18 22:53:49

  强化学习打泡泡超人整体框架

  强化学习打泡泡超人整体框架，泡泡超人是一款手机端炸弹超人游戏，本文设计了一款AI智能体操作手机触屏完成游戏的框架，涵盖了手机屏幕控制，智能体训练，电脑同步手机画面，电脑控制手机等功能点
• 07.18 22:46:51
  发表了文章 2023-07-18 22:46:51

  常用网络安全数据集来源

  常用网络安全数据集来源
• 07.18 22:35:49
  发表了文章 2023-07-18 22:35:49

  机器学习模型保存为PMML格式

  PMML模型文件可以实现跨平台迁移，python和java都可以生成PMML文件，python和java都可以读取PMML文件
• 07.18 22:15:21
  发表了文章 2023-07-18 22:15:21

  可视化JSON数据工具推荐：JSON Viewer Pro和JSONGrid

  本文介绍了两款可视化JSON数据的工具：JSON Viewer Pro和JSONGrid。它们都提供了丰富的功能和用户友好的界面，使用户能够更轻松地理解和处理JSON格式的数据。这些功能包括查看和分析、编辑和修改、格式化和美化、折叠和展开、高亮和搜索、排序和过滤、导入和导出等。这些工具对于开发人员、数据分析师和任何需要处理JSON的人都非常实用。
• 07.18 21:53:38
  发表了文章 2023-07-18 21:53:38

  基于车辆装载率的车辆作业状态识别

  本文介绍了一种基于装卸车事件识别的方案，主要任务是基于车辆内部体积检测传感器上传的时序数据，经过数据处理模块、状态提取模块、事件识别模块、决策模块等模块，对装卸车事件进行识别，并提供详细的事件信息。
• 07.18 21:46:54
  发表了文章 2023-07-18 21:46:54

  基于设备数据的设备关系绑定

  本文讨论了实体分割和物品追踪在物流行业的应用。物品追踪系统可实现物品在转场过程中的实时追踪，从而提高物流效率，减少误差和损失。实体分割技术可以将快递包裹中的不同物品进行分割和识别，从而使其更易于管理和追踪。文章还探讨了实体分割和物品追踪技术在不同物流场景中的应用，并讨论了相关技术的优缺点以及未来的发展方向。
• 07.18 21:36:46
  发表了文章 2023-07-18 21:36:46

  自动生成HQL代码的工具

  本文介绍了一个可视化工具，可以通过界面增删指标并快速选择指标类型，实现快速指标更改增删，将原本1小时的工作量缩减到1分钟，提高开发效率。同时，工具可以保存配置信息快照，方便复用，并且不依赖于第三方编程语言的运行环境，降低了用户使用难度。主界面包括表的基本信息、执行按钮、代码显示窗口和表配置标签，支持一次性生成多个不同表的代码。
• 07.18 21:21:50
  发表了文章 2023-07-18 21:21:50

  一种可分批此训练的聚类方法

  本文介绍了如何将大数据集划分成若干子集，并对每个子集进行聚类分析。为了确保聚类结果的准确性，需要保证每个子集的数据分布相似。文章提出了一种称为“K-均值距离法”的聚类算法，能够有效地解决数据分布不均匀的问题。本篇文章主要介绍了如何将大数据集划分成若干子集，并对每个子集进行聚类分析。在进行子集划分时，需要保证每个子集的数据分布相似，以保证聚类结果的准确性。文章介绍了一种称为“K-均值距离法”的聚类算法，可以有效地解决数据分布不均匀的问题。
• 07.18 20:48:25
  发表了文章 2023-07-18 20:48:25

  基于β分布模拟环境的强化学习调度实现

  本文介绍了深度强化学习需要一个价值网络和一个目标网络，通过两个网络之间延迟更新参数产生的误差损失来减小损失函数。通过对比网络之间的差异性，将其用于动作价值函数的更新，使得深度强化学习的模型性能得到提升。此外，作者提出了一个分布式深度强化学习算法，将其应用于资源调度场景，取得了较好的效果。