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

解决git@github.com: Permission denied (publickey)

GitHub SSH密钥配置指南 当Git操作出现Permission denied错误时,需配置SSH密钥验证身份。

文章图片
#github
死锁的避免

摘要: 死锁避免通过银行家算法动态检查资源分配的安全性,确保系统始终处于安全状态(存在使所有进程顺利完成的安全序列)。算法核心包括:检查进程请求是否合理,试探性分配资源后验证系统安全性(通过安全序列判断),仅允许保持安全状态的分配。安全状态必定无死锁,不安全状态可能引发死锁。该方法无需破坏死锁必要条件,通过预判分配风险实现动态预防。(150字) 关键词: 死锁避免、银行家算法、安全状态、安全序列、

文章图片
#操作系统
LangChain4j 流式响应

本文介绍了LLM流式响应的实现与应用。主要内容包括:1)流式响应的概念及其优势,能提升用户体验;2)StreamingChatResponseHandler接口详解,包含文本、思维、工具调用等事件处理;3)LambdaStreamingResponseHandler简化用法,支持lambda表达式;4)流式取消机制实现;5)实际服务层代码示例,展示完整流式对话功能实现。通过流式响应技术,可以实现L

文章图片
基于 K-means 聚类的天天基金数据分析、挖掘、可视化

摘要 本项目利用无监督学习对11,344只公募基金进行智能聚类分析,通过K-means算法识别具有相似风险收益特征的基金群体。研究流程包括数据采集、清洗、特征工程和建模,构建了收益、风险和结构三类核心特征。最优聚类数为2,清晰区分出稳健型(低增长低波动)和进取型(高增长高波动)基金,其中医疗健康主题基金表现突出。研究发现市场存在明显两极分化,但项目仍存在数据时效性等局限,未来计划引入动态聚类和NL

文章图片
#kmeans#聚类#数据分析
基于 K-means 聚类的天天基金数据分析、挖掘、可视化

摘要 本项目利用无监督学习对11,344只公募基金进行智能聚类分析,通过K-means算法识别具有相似风险收益特征的基金群体。研究流程包括数据采集、清洗、特征工程和建模,构建了收益、风险和结构三类核心特征。最优聚类数为2,清晰区分出稳健型(低增长低波动)和进取型(高增长高波动)基金,其中医疗健康主题基金表现突出。研究发现市场存在明显两极分化,但项目仍存在数据时效性等局限,未来计划引入动态聚类和NL

文章图片
#kmeans#聚类#数据分析
java期末4

编写一个程序进行一个班某门课程成绩的录入,能够控制录入成绩总人数,对录入成绩统计其及格人数和不及格人数。设计一个异常类,当输入的成绩小0分或大于100分时,抛出该异常类对象,程序将捕捉这个异常对象,并调用执行该异常类对象的toString()方法,该方法获取当前无效分数值,并返回一个此分数无效的字符串。(注:当输入的成绩无效时(即分数为小于0或大于100)可重新输入,且输出端会输出此分数无效的提醒

文章图片
#java#开发语言
Scala 访问修饰

在 Scala 中,访问修饰符(Access Modifiers)用于控制类、对象、特质(traits)及其成员(如字段和方法)的可见性和访问权限。

文章图片
#scala#python#开发语言
Spring AI 文档切片策略优化指南

本文探讨了RAG系统中文档切片的关键技术与优化策略。首先介绍了Spring AI框架中的ETL管道和TokenTextSplitter基础组件,分析了基于令牌的智能分割原理。随后针对TokenTextSplitter的局限性,提出重叠切片和中文语义分割等改进方案。文章还介绍了Spring AI Alibaba扩展中的SentenceSplitter和递归分割器等高级技术,最后总结了包括语义感知分割

文章图片
#spring#人工智能#java
LangChain4j之Chat and Language

本文介绍了LangChain4j中的ChatModel API及其会话管理实现。主要内容包括:1) ChatModel作为与LLM交互的低级API,支持多消息类型和自定义请求参数;2) 详细解析了5种ChatMessage类型及其创建方式;3) 阐述了LLM的无状态特性,需手动管理完整对话历史;4) 提出了ChatSession解决方案,通过维护sessionId、userId和对话历史实现多轮对

文章图片
    共 15 条
  • 1
  • 2
  • 请选择