基于MindSpore实现二次函数的拟合参考：https://blog.csdn.net/baidu_37157624/article/details/117315897注：此为本人智能控制课程作业，可能存在不对的地方请多多指教，搬运的同学请适当修改并表明出处# by YYC#2021.10.05import matplotlib.pyplot as pltfrom mindspore impor

近地面臭氧（O₃）是我国东部经济发达地区最核心的二次大气污染物之一，其形成受气象条件、前体物排放、区域传输等多因素的非线性耦合影响，传统统计模型和化学传输模型（CTMs）分别存在非线性拟合能力不足、计算成本高、不确定性大的痛点。构建了一套「自动化建模-特征解释-因果推断」的完整分析框架。

论文摘要用极简的逻辑覆盖了研究缺口-方法路径-核心发现-应用价值研究缺口：现有研究未能基于GPS等高分辨率地理数据，深入挖掘河流廊道内休闲步行的具体行为特征，也未能厘清细分步行行为与建成环境的关联机制。方法创新：基于GIS领域的轨迹语义概念模型，从轨迹数据中挖掘移动、停留、拍照三类核心行为，以广州市中心城区河流廊道为案例，分析其空间分布规律与建成环境影响因素。核心发现河流廊道内休闲步行的移动、停留

在万维网的连接图背后似乎隐藏着大量的随机性。然而，仔细观察就会发现，万维网地图和随机网络之间存在一些令人费解的差异。实际上，在随机网络中，高度连接的节点——枢纽节点，是几乎不可能出现的。相比之下，万维网中同时存在大量度很小的节点和少数几个枢纽节点——拥有链接数异常多的节点。

机器学习（四） 逻辑回归1.什么是逻辑回归逻辑回归（logistic regression)是用于分类的机器学习算法。线性回归的输出是一个数值，而不是一个标签，显然不能直接解决二分类问题。一个最直观的办法就是设定一个阈值，比如0，如果我们预测的数值 y > 0 ，那么属于标签A，反之属于标签B。另一种方法，我们不去直接预测标签，而是去预测标签为A概率，我们知道概率是一个[0,1]区间的连续数

geopandas学习（一） 基本数据结构geopandas作为pandas向地理分析计算方面的延拓，基础的数据结构延续了Series和DataFrame的特点，创造出GeoSeries与GeoDataFrame两种基础数据结构：1.GeoSeries1.1 GeoSeries中的基础几何对象与Series相似，GeoSeries用来表示一维向量，只不过这里的向量每个位置上的元素都表示着一个sha

anaconda中安装geopandas遇到的问题使用conda install geopandas安装geopandas库时会报错如下：Solving environment: failed with initial frozen solve. Retrying with flexible solve.Solving environment: failed with repodata from

下载ubuntu系统的iso文件使用Rufus软件将u盘制作为ubuntu系统的安装盘。

蓝桥杯单片机（四） DS18B20温度传感器首先根据官方所给的onewire文件，更改延时函数（因为未更改的函数用于最初始的51单片机，需要乘12处理）和增加温度读取函数onewire.c:/*程序说明: 单总线驱动程序软件环境: Keil uVision 4.10硬件环境: CT107单片机综合实训平台(外部晶振12MHz) STC89C52RC单片机日期: 2011-8-9*/#include

机器学习（六）循环神经网络参考：https://zhuanlan.zhihu.com/p/123211148https://zhuanlan.zhihu.com/p/240187681.RNN传统的神经网络并不能做到持续记忆，这应该是传统神经网络的一个缺陷。假想一下，你想让神经网络对电影中每个时间点的事件进行分类，很明显，传统神经网络不能使用前一个事件去推理下一个事件。递归神经网络可以解决这个问题