readframes：读取声音数据，传递一个参数指定需要读取的长度（以取样点为单位），readframes返回的是。把数据变成（０，１）之间的小数。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。,通过frombuffer函数将二进制转换为整型数组，通过其参数dtype指定转换后的数据格式。首先，需要import几个工具包，一个是python标准库中的。这一步去掉也可

这篇文章于2018年发表在AAAI，作者是清华大学龙明盛老师的学生。通过最大限度地匹配跨域数据分布的多模式结构来增强正迁移;通过防止跨域分布中模式的错误对齐来减轻负迁移。在这些挑战的激励下，作者提出一种多对抗域自适应(MADA)方法，它捕获多模式结构，以支持基于多个域鉴别器的不同数据分布的细粒度对齐。与以前的方法相比，一个关键的改进是能够同时促进相关数据的正迁移和减轻不相关数据的负迁移。利用线性时

波变换主要通过伸缩和平移实现多尺度细化，突出所要处理的问题细节，有效提取局部信息。小波变换不仅可以知道信号的频率成分，还能知道各频率成分出现的时刻。将傅里叶变换中无限长的三角函数基换成了有限长的会衰减的小波基。

由于每个单模态变换器的总变换器层数（Limg和Ltxt）现在不同，两个模态的单模态基础特征现在需要不同的层进行提取，而融合保留的剩余层数量保持不变。结论：我们提出了一种新型的模块化多模态融合框架，展现了高度的灵活性，并促进了不同模态之间的双向交互，即PMF。通过仅在使用的单模态变换器的深层上添加提示，PMF可以显著减少反向传播中梯度计算的内存使用。每个融合层由查询阶段、融合阶段组成，提取的单模态基

DROP-OUT是防止神经网络过于复杂，进行随机杀死神经元的一种方法。查看circle data，可以看出效果不佳，看上去像切了一刀。左图是全连接神经网络，右图在神经网络训练过程中，查看circle data，可以看出效果较好。作用于每一层的输入，通过逐层计算得到输出结果。：数值较大或较小时，梯度约为0，出现。将神经元设置为1，查看效果。将神经元设置为2，查看效果。将神经元设置为3，查看效果。

研究在模糊环境下或者模糊系统中进行决策的数学理论和方法，目标是把决策领域中的对象在模糊环境下进行排序，按某些模糊限制条件从决策域中选择出最优对象。当被评价的对象有两个以上时，从多个对象中选择出一个最优的方法称为多目标模糊综合评价决策法。

波变换主要通过伸缩和平移实现多尺度细化，突出所要处理的问题细节，有效提取局部信息。小波变换不仅可以知道信号的频率成分，还能知道各频率成分出现的时刻。将傅里叶变换中无限长的三角函数基换成了有限长的会衰减的小波基。

DROP-OUT是防止神经网络过于复杂，进行随机杀死神经元的一种方法。查看circle data，可以看出效果不佳，看上去像切了一刀。左图是全连接神经网络，右图在神经网络训练过程中，查看circle data，可以看出效果较好。作用于每一层的输入，通过逐层计算得到输出结果。：数值较大或较小时，梯度约为0，出现。将神经元设置为1，查看效果。将神经元设置为2，查看效果。将神经元设置为3，查看效果。

mongoDB6没有mong.exe和mongdb.exe，要想通过命令行启动mongoDB需要自己下载一个Mongoshell，下载地址。1、现在的情况是，已安装MongoDB，版本为6，但是在cmd中输入mongo，显示**“mongo不是内部或外部命令”**，5、打开cmd，输入mongosh，即可进入到mongodb。3、下载后解压，直接把这个解压后的文件复制到。2、安装Mongoshel

微分方程：含导数或微分的方程微分方程的阶数：所含导数或微分的最高阶数，如是三阶微分方程微分方程的解：使得微分方程成立的函数 例如y’-2x=0的解可以为x²或者x²+1微分方程的通解和特解：特解为满足等式条件即可初值条件：如y(0)=1。