ICode9

精准搜索请尝试: 精确搜索
  • JUST技术:基于HMM的实时地图匹配2021-10-02 11:34:46

    随着城市规模的不断扩大和便民业务的发展,行车导航、共享汽车和物流派送等应用已经深入人们日常生活之中。这些应用都不可避免地需要使用GPS、北斗等定位系统,进而产生了大量的轨迹数据。然而,普通民用GPS定位系统上传的位置数据会由于许多缘故发生与物体的实际地理位置不同的现象,产

  • Ubuntu解决安装没有候选2021-09-30 20:31:46

    Ubuntu解决安装没有候选 很多初次上手的小白们最头疼的可能就是一下这种问题了 这是我也载过很多次的坑,原因是软件安装源的问题,需要去软件安装设置里更改合适的源 结局方案如下:(具体操作) 有个Software...的点进去,注意是颜色较深的那个 然后,Download from 这里系统会自动检查

  • 关于 Elasticsearch 集群核心配置,腾讯大佬的灵魂9问,你能接住几个?(转)2021-09-28 08:01:07

    2021年9月28日07:36:04 原文: https://mp.weixin.qq.com/s/ChPs80_1HeuUtUHpthqEBA   题记 这是一位腾讯大佬 2020年4月份在死磕 Elasticsearch技术交流微信群里发起讨论的问题,之前初步讨论了答案,但是不够细或者说讲解不透,所以一直没有成文。 这一次,加上了实践验证,说透。 1、上问

  • Faster RCNN之进化史2021-09-25 15:01:53

    Faster RCNN之进化史 1.RCNN 1.1 算法流程 (1)在一张图像中通过SS算法生成1K~2K个候选区域 (2)对每一个候选区域通过深度网络提取特征 (3)特征送入每一类的SVM分类器,判断是否属于该类,之后通过nms为每一类候选框进行筛选。 (4)使用回归器精确修正候选框位置 1.2 网络模型 1.3 RCNN存

  • 数据库原理(2)关系型数据库理论2021-09-24 19:58:42

    二、关系型数据库理论 2.1 关系型数据库中基本概念 关系(Relation) 一个关系就是一张二维表,每个关系都有一个关系名 元组 二维表中的行称为元组 属性 二维表中的列称为属性 关系模式 关系模式是对关系的描述。一般格式为R(D1,D2,D3..) R关系名,D为属性名 例如:学生(学号,姓

  • 数据挖掘课程学习——序列模式发现相关内容调研2021-09-23 17:03:01

    数据挖掘课程学习——序列模式发现相关内容调研 本次实验完成"序列模式发现"的相关内容调研,主要内容包括:什么是序列模式发现;应用在哪些领域;经典的算法有哪些;应用在怎样的数据上;得到怎样的结果。其他内容自由发挥。提交实验报告的word文件。 概念 序列模式挖掘 (sequence pattern m

  • 【深度学习目标检测系列 - 02】目标检测的常见算法2021-09-14 09:03:11

    目标检测(Object Detection)一直以来都是深度学习领域的热门话题,这个系列的文章会对其进行详细的梳理。 1. 传统的检测算法 Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化 2. 候选区域+深度学习分类: 提取候选区域,对相应的区域进行以深度学习方法为主的分类。 R-

  • 关系模型之基本概念2021-09-13 22:32:15

    关系模型简述 提出 最早由E.F.Cod在1970年提出 是从表( Table)及表的处理方式中抽象出来的,是在对传统表及其操作进行 数学化严格定义基础上,引入集合理论与逻辑学理论提出的 *是数据库的三大经典数据模型之一,也是现在大多数商品化数据库系统所 仍然使用的数据模型 标准的数据库语

  • 维诺图(voronoi图)2021-08-18 17:03:30

    Voronoi图是通过Delaunay三角网得到的,所以我们先来介绍一下Delaunay三角网的两个重要的性质: Delaunay三角网是由一个一个的三角形构成的,其中三角形中的每一个顶点都是Voronoi点集中的点。 1、空外接圆性质:在由点集S构成的Delaunay三角网中,每个三角形的外接圆均不包含点集S中的其

  • MySQL丨理论丨(五)理论范式2021-08-02 20:01:58

    同步发布:Hedon丨MySQL丨理论丨(五)理论范式 (排版更佳!) 1. 函数依赖 1.1 函数依赖的概念 [1] 决定关系 其实就是 Y = f(X),X决定Y,Y依赖于X。 [2] 非平凡的函数依赖 X -> Y,但是 Y ⊊ X [3] 平凡的函数依赖 X -> Y,但是 Y ⊆ X [4] 完全函数依赖(X-F>Y) R(U)是属性集U上的关系

  • beam search2021-07-30 20:32:48

    假设现在有一个简化版的中文翻译英文任务,输入和输出如下,为了方便描述搜索算法,限制输出词典只有{"I", "H", "U"} 这3个候选词,限制1个时间步长翻译1个汉字,1个汉字对应1个英文单词,这里总共3个汉字,所以只有3个时间步长。 中文输入:"我" "恨" "你" 英文输出:"I" "H" "U" 目标:得到最优的

  • 数据库主码候选码2021-07-27 13:03:16

    主码:主码指主关键字。主关键字是表中的一个或多个字段,它的值用于唯一地标识表中的某一条记录。在两个表的关系中,主关键字用来在一个表中引用来自另一个表中的记录。候选码:能够唯一标识一条记录的最小属性集。若关系中的一个属性或属性组的值能够唯一地标识一个元组,且他的真子集不

  • 四、Doris物化视图2021-07-26 08:33:23

    使用场景:     在实际的业务场景中,通常存在两种场景并存的分析需求:对固定维度的聚合分析 和 对原始明细数据任意维度的分析。    例如,在销售场景中,每条订单数据包含这几个维度信息(item_id, sold_time, customer_id, price)。在这种场景下,有两种分析需求并存: 业务方需要获取某

  • Check It Again: Progressive Visual Question Answeringvia Visual Entailment2021-07-22 21:01:31

    Check It Again: Progressive Visual Question Answeringvia Visual Entailment Abstract 虽然复杂的视觉问答模型取得了显着的成功,但它们往往只根据问题和答案之间的表面相关性来回答问题。 最近已经开发了几种的方法来解决这个语言先验问题。 然而,他们中的大多数人根据一个最佳

  • 机器学习|频繁项集挖掘之Eclat算法2021-07-19 22:33:23

    ​一. Eclat 是一种使用垂直数据出发得到频繁项集的算法 Apriori 算法和FP-growth 都是从水平数据格式出发,获得频繁项集的方法, 本文将介绍一种从垂直数据出发得到频繁项集的算法 Eclat(Equivalence Class Transformation), Eclat的优势是只需扫描一遍完整的数据库, 劣势是,

  • [论文笔记]Recommending what video to watch next: a multitask ranking system2021-07-11 22:02:47

    一.论文题目与作者 Zhao Z ,  Chi E ,  Hong L , et al. Recommending what video to watch next: a multitask ranking system[C]// the 13th ACM Conference. ACM, 2019. 二.创新点 挑战:在Youtube中,有多个影响排序的目标相互竞争。并且,在用户的反馈中,包含隐式的选择偏差。

  • 【LeetCode/力扣】面试题 17.10. 主要元素(摩尔投票法)2021-07-09 09:32:46

    1 题目描述 题目链接:https://leetcode-cn.com/problems/find-majority-element-lcci/ 数组中占比超过一半的元素称之为主要元素。给你一个 整数 数组,找出其中的主要元素。若没有,返回 -1 。请设计时间复杂度为 O(N) 、空间复杂度为 O(1) 的解决方案。 示例 1: 输入:[1,2,5,9,5

  • A Deep Learning Approach to Private Data Sharing of Medical Images Using Conditional GANs(阅读笔记)2021-07-03 18:33:44

    1. Article: 文献出处 A Deep Learning Approach to Private Data Sharing of Medical Images Using Conditional GANs (利用条件GANs实现医学图像私有数据共享的深度学习方法)     论文下载地址:https://arxiv.org/pdf/2106.13199v1.pdf github代码地址:https://github.com/tco

  • Spring Cloud微服务架构进阶2021-06-28 20:59:07

    服务注册于发现:服务提供方将自己调用地址注册到服务注册中心,让服务调用方能够方便地找到自己;服务调用方从服务注册中心找到自己需要调用的服务的地址。 负载均衡:服务提供方一般以多个实例的形式提供服务,负载均衡功能能够让服务调用方连接到合适的服务节点。并且,服务节点选择

  • 求最小依赖集、求候选码和判断满足第几范式2021-06-26 22:31:00

    求最小依赖集 F中任一函数依赖的右部仅含有一个属性F中不能存在 函数依赖X->A(此时F与F-{X->A}等价)F中不能存在 函数依赖X->A(此时A的真子集Z使得F与F-{X->A}∪{Z->A}等价)(左侧单一化) 例题:关系模式R<U,F>,U={A,B,C,D,E},F={A→BC,ABD→CE,E→D},求F的最小依赖集。 第一步:得到{A->B,A->C,A

  • [目标检测]——SPPNet算法2021-06-21 12:31:08

    SPPNet对R-CNN进行了改进,首先分析R-CNN慢在哪里? R-CNN慢就慢在卷积运算,一张图片里面有2000个候选区域需要做卷积运算 一、SPPNet做出的改进 SPPNet主要存在两点改进地方,提出了SPP层 1、减少卷积运算 R-CNN中 crop/warp 是对图片进行形状修改 二、SPPNet介绍 1、操作步

  • [论文阅读笔记42]BioSyn2021-06-20 14:04:33

    题目 Biomedical Entity Representations with Synonym Marginalization 具有同义词边缘化的生物医学实体表示 Korea University (韩国)高丽大学 代码:https://github.com/dmis-lab/BioSyn Sung M , Jeon H , Lee J , et al. Biomedical Entity Representations with Synonym Ma

  • Apriori算法原理总结2021-06-10 09:04:50

    Apriori算法用来找出频繁出现的数据集合。     1. 频繁项集的评估标准 常用的频繁项集的评估标准有支持度、置信度、提升度三个。   支持度:几个关联数据在数据集中出现的次数占总数据集的比重。或者说几个关联数据出现的概率。 比如两个想分析关联性的数据X和Y,则支持度为: 以此

  • 程序员面试软技能2021-05-28 23:30:22

    程序员面试软技能 一、如何通过HR⾯1. HR⾯的⽬的2. HR⾯的常⻅问题(1)你对未来3-5年的职业规划(2)如何看待加班(996)?(3)⾯对⼤量超过⾃⼰承受能⼒且时间有限的⼯作时你会怎么办?(4)你之前在上海为什么现在来北京发展?(5)为什么从上⼀家公司离职?(6)你还有其他公司的Offer吗?(7)如何与HR

专注分享技术,共同学习,共同进步。侵权联系[admin#icode9.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有