上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 16 下一页
例题:Prepare阶段+Accept阶段 例题和解答截图在手机相册照片里面。 Google文件系统-Megastore MegaStore应用:Email\博客、社交网络 对象集合(Schema) 照片共享服务数据模型实例: BigTable中存储情况:按照Raw Key(行键)会找到其他的值,所 Read More
posted @ 2021-03-30 16:34 白雪儿 Views(60) Comments(0) Diggs(0) Edit
线程 如何实现用户级线程? 时延、吞吐量 “网络带宽很快”指的是吞吐量很大。 “水龙头水打开”水流的速度指的是时延。 “水龙头的水每秒流的总量”指的是吞吐量。 一般好提高的是吞吐量,时延一般不好提高。 线程池或者进程池:好处是控制资源的使用,避免了创建线程或者进程时资源不足的问题。 线程池/进程池是 Read More
posted @ 2021-03-29 20:12 白雪儿 Views(61) Comments(0) Diggs(0) Edit
过拟合 模型的泛化能力:训练集、测试集。训练集上学到的模型在测试集上的性能。 本节课研究的是:源域和测试域来自相同的分布,独立同分布。 迁移学习transfer Learnig:源域和测试域来自不同的分布,就是迁移学习,很复杂。 欠拟合和过拟合都不行。 不过现实中条件有限,无法得知数据的真实分布,所 Read More
posted @ 2021-03-18 10:02 白雪儿 Views(91) Comments(0) Diggs(0) Edit
课堂讨论 会议优于期刊 怎么选择内容?不要Poster,不要Workshop。人工智能的文章需要增加背景介绍。 读懂文章内涵才能进行交流 读文章的最高境界: 一、你是作者之一,只是迟到了,理解了作者工作的全部背景,能指出问题的难点,能够指出作者的突破和折中,知道作者隐藏了什么,你可以作为作者去辩论。 Read More
posted @ 2021-03-17 19:27 白雪儿 Views(111) Comments(0) Diggs(0) Edit
BigTable simhash hash:当输入有差异的时候,输出的结果有非常大的差异 Google给的是网页的链接,不是网页的具体内容,而且采用了BigTable的格式管理这些链接。 BigTable的理解: DDos:通过海量的请求,让资源大量被利用,并瘫痪网络从而达到攻击的目的。 BigTa Read More
posted @ 2021-03-16 17:25 白雪儿 Views(123) Comments(0) Diggs(0) Edit
在Action里的操作系统 BIOS、UEFI Boot Program 统一可扩展固件接口(英语:Unified Extensible Firmware Interface,缩写UEFI)。 UEFI是一种个人电脑系统规格,用来定义操作系统与系统固件之间的软件界面,作为BIOS的替代方案。 BIO Read More
posted @ 2021-03-15 19:37 白雪儿 Views(95) Comments(0) Diggs(0) Edit
tutorial_01.launch <?xml version="1.0"?> <launch> <!-- arguments --> <arg name="domain_path" default="$(find rosplan_demos)/common/domain_turtlebot.pd Read More
posted @ 2021-03-15 16:00 白雪儿 Views(263) Comments(0) Diggs(0) Edit
监督学习 按照经验数据分类:监督学习、无监督学习、强化学习。 监督学习框架:f(x)=y 训练:函数f 测试:将训练好的函数f应用到测试样本x,输出预测结果y=f(x) 监督学习方法:线性回归、分类-k最近邻、分类-逻辑回归、分类-支持向量机等等。 机器学习三要素:方法=模型表达+目标函数+优化算法 Read More
posted @ 2021-03-11 11:38 白雪儿 Views(52) Comments(0) Diggs(0) Edit
云计算技术框架 云计算:分布式文件系统、云管理平台、虚拟化、结构化分布式数据存储、大规模并行计算。 云计算系统体系结构 虚拟化技术 存储虚拟化与统一IO 服务器和桌面的虚拟化 组件的虚拟化 交换系统虚拟化 网络虚拟化 网络服务虚拟化 虚拟化不等于云计算 虚拟化转化为云计算的要素: 动态计算基础设施 Read More
posted @ 2021-03-10 20:24 白雪儿 Views(115) Comments(0) Diggs(0) Edit
在强化学习中,「探索-利用」问题是非常重要的问题。具体来说,根据上面的定义,我们会尽可能地让机器人在每次选择最优的决策,来最大化长期奖励。但是这样做有如下的弊端: 一、在初步的学习中,我们的 Q 值会不准确,如果在这个时候都按照 Q 值来选择,那么会造成错误。 二、学习一段时间后,机器人的路线会相对 Read More
posted @ 2021-03-10 17:02 白雪儿 Views(87) Comments(0) Diggs(0) Edit
上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 16 下一页