logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【人工智能引论期末复习】第3章 搜索求解1 - 启发式搜索

可采纳启发函数是指启发函数 h(n) 对任意节点 n,其值都不大于从 n 到目标节点的真实代价 h∗(n),即 h(n)≤h∗(n)。A* 需要可采纳启发函数来保证最优性,因为如果 h(n) 高估了真实代价,可能会导致算法优先扩展一个实际代价较高的路径,从而错过最优解。可采纳性保证了 A* 在扩展节点时不会错过更优路径,从而在完备性和最优性之间取得平衡。(3)图搜索与树搜索的根本区别是什么?闭表的

文章图片
#人工智能#算法#机器学习
【数据库】INSTEAD OF 触发器 的实现

摘要:本文详细讲解了PostgreSQL中INSTEADOF触发器的实现方法,用于使不可更新的视图支持INSERT操作。首先分析了CurrentTrack视图不可更新的原因(包含复杂子查询和聚合逻辑),然后展示了创建触发器函数insertTrack()的过程,该函数将视图插入操作重定向到基表track。文章重点讨论了设计考虑,包括如何处理time字段默认值、roadID字段的计算逻辑等,并提供了完

文章图片
#数据库
【地理空间数据库】第一次小测(知识点详解2)

空间几何对象是 PostGIS 中存储地理实体的专用数据类型点类Point(单点,如经纬度坐标:北京市中心)、MultiPoint(多点集合,如多个公交站点)线类LineString(单条线段,如单条道路中心线)、(多线段集合,如整个城市的道路网)面类(重中之重,考点核心)✔Polygon单一封闭区域,由一条外边界 + 可选内边界(孔洞)组成,无分离的部分。→ 适用:形状完整、无飞地的区域(如一个

文章图片
#数据库#oracle#postgresql
第九章:空间网络模型(空间网络查询、数据模型、Connected、with Recursive、pgRouting)

空间网络模型及其应用涵盖了从基于位置的服务到复杂的网络分析。通过合理的数据模型设计和高效的查询处理算法,可以有效地解决诸如路径规划、资源分配和服务选址等问题。特别是利用SQL中的递归查询和专用的空间分析工具如pgRouting,能够极大地提升空间数据分析的能力和效率。这段代码展示了 PostgreSQL 中使用进行图遍历查询的两个相关示例,重点是检测环路。环路检测原理第一段代码使用path数组记录

文章图片
#网络#postgresql#数据库 +2
E/R 图(实体 - 联系图)转换为关系模式(数据库表结构)的核心规则

实体→表,属性→列;联系→外键或新表(根据基数选择);多值 / 复杂属性→拆分为新表或特殊类型列。这一过程是将 “概念上的实体 - 联系” 转化为 “数据库可存储的表结构”,是数据库设计的基础步骤。E/R 转关系模式的规则速查表这是一份E/R 图转关系模式的规则速查表。

文章图片
#oracle#数据库
人工神经网络-四种优化方法 (SGD、Momentum、Adam、AdaGrad)

摘要:深度学习优化方法比较:SGD随机抽取样本计算梯度,计算成本低但震荡明显;Momentum通过动量减少震荡,加速收敛;Adam结合动量和自适应学习率,通用性强且稳定;AdaGrad适合稀疏数据但后期学习率衰减过快。建议:通用任务选Adam,稀疏数据用AdaGrad,快速收敛选Momentum,基础对比用SGD。参数优化受数据质量、模型结构、初始化策略等多因素影响,虽存在随机性但主要依赖可控因素

文章图片
#神经网络#深度学习
【人工智能引论期末复习】 第6章 深度学习4 - RNN

LSTM中,输入门、遗忘门、输出门的激活函数通常为( )函数,输出值范围在( )之间,用于模拟门的( )状态。C̃_t = tanh(W_c · [h_{t-1}, x_t] + b_c) [候选记忆]o_t = σ(W_o · [h_{t-1}, x_t] + b_o)[输出门]C_t = f_t ⊙ C_{t-1} + i_t ⊙ C̃_t[新记忆]r_t = σ(W_r · [h_{t-1}

文章图片
#人工智能#深度学习#rnn
【人工智能引论期末复习】第4章 机器学习3-无监督学习

考点出题形式复习重点K均值流程简答题、填空四步流程、终止条件PCA步骤填空、简答中心化、协方差、特征值分解聚类 vs 分类选择题降维方法比较选择题、填空EM算法思想填空、简答E步、M步、隐变量特征人脸方法填空基于PCA、用于人脸识别。

文章图片
#人工智能#机器学习#学习
    共 17 条
  • 1
  • 2
  • 请选择