数组在2021年3月5日至6日的预科课程中，在位于Londrina校园内的软件开发和计算专业领域的问题解决方案得到了进一步的发展。
组织项目： br.puc.ed.arrays：Demonstraçãode uso de arrays bruc.ed. game：类para registe de registros de um paelel depontuaçãoem ordem decrescente de um jogo utilizando um array。
br.puc.ed.ex3：Pacote para Implementarversãodo painel do patote br.puc.ed.game sem manter a lista ordenada（exercício3）。
锻炼： 在游戏开发板中实现佩内尔·蓬图卡奥的独家代理权。
Em br.pu

对两个一维高斯分布产生的无先验知识样本进行分类最终得到样本属于哪个高斯分布的概率和各分布的均值方差

针对某生产LCD公司的生产线的生产状况，运用eM－Plant仿真软件建构虚拟LCD企业之生产线，找出生产系统的资源限制，并对于系统中的限制加以改善，以期降低限制、提高产能及缩短交期。

《ICETEK-DM365-KBE-V3原理图详解》ICETEK-DM365-KBE-V3是一款由北京瑞泰公司推出的开发板，其设计基于DM365芯片，这款芯片是德州仪器（TexasInstruments，TI）生产的高性能数字媒体处理器，广泛应用于高清视频处理和多媒体应用领域。
本文将对ICETEK-DM365-KBE-V3的原理图进行详细解析。
DM365芯片的核心部分包括多个接口和信号线，如UART1（通用异步接收发送器）、I2C（Inter-IntegratedCircuit）总线、GPIO（GeneralPurposeInput/Output）引脚等。
UART1_RXD和UART1_TXD分别代表串行通信的接收和发送引脚，用于实现与外部设备的数据传输。
I2C_SDA和I2C_SCL则是I2C总线的时钟和数据线，用于控制和通信I2C兼容的外围设备。
在GPIO部分，我们可以看到EM_BA0到EM_A7等一系列引脚，它们可以作为通用输入输出使用，根据应用需求配置为输入或输出，以连接各种外设。
此外，还有SD1和SD0两个独立的SD卡接口，它们包含CLK（时钟）、CMD（命令）、D0至D3的数据线，用于支持存储扩展。
DM365还集成了McBSP（MultichannelBufferedSerialPort）接口，这是TI的多通道缓冲串行端口，用于音频和语音数据传输。
McBSP_FSR、McBSP_CLKR、McBSP_DR等引脚构成接收通道，而McBSP_FSX、McBSP_CLKX、McBSP_DX则构成发送通道，提供灵活的音频接口能力。
此外，DM365开发板上还包括了以太网PHY（物理层）接口，如TX_EN、TX_CLK、TX_D0至TX_D3、RX_D0至RX_D3等，这些接口负责处理以太网的物理层传输，确保网络数据的稳定传输。
同时，PHY接口还包含了RX_CLK、RX_DV、RX_ER等，用于接收端的数据同步和错误检测。
电源管理方面，开发板上有多个电压等级的电源引脚，如VCC_5V、VCC_3.3V、VCC_1V8等，以满足不同组件的供电需求。
同时，电路中还包含了电容C12、C18、C15、C27等，用于滤波和稳定电压。
开发板上还提供了多种视频输入和输出接口，如VIDEO_IN、VIDEO3S、VIDEO4，以及相关的同步信号如VOUT_HSYNC、VOUT_VSYNC、VOUT_LCD_OE、VOUT_VCLK等，支持不同的视频源和显示设备。
此外，还有音频接口如DAC_1_G、DAC_2_B、DAC_3_R，以及麦克风输入MIPI_CSI，满足多媒体应用的需求。
ICETEK-DM365-KBE-V3开发板具有丰富的接口和功能，集成了DM365芯片的多媒体处理能力，为开发者提供了强大的硬件平台，适用于高清视频处理、音频处理、网络通信等多种应用场景。
通过深入理解其原理图，开发者可以更好地利用该开发板进行产品设计和开发。

BAT机器学习面试1000题系列1前言1BAT机器学习面试1000题系列21归一化为什么能提高梯度下降法求解最优解的速度？222归一化有可能提高精度223归一化的类型231）线性归一化232）标准差标准化233）非线性归一化2335.什么是熵。
机器学习ML基础易27熵的引入273.1无偏原则2956.什么是卷积。
深度学习DL基础易38池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n）40随机梯度下降46批量梯度下降47随机梯度下降48具体步骤：50引言721.深度有监督学习在计算机视觉领域的进展731.1图像分类（ImageClassification）731.2图像检测（ImageDection）731.3图像分割（SemanticSegmentation）741.4图像标注–看图说话（ImageCaptioning）751.5图像生成–文字转图像（ImageGenerator）762.强化学习（ReinforcementLearning）773深度无监督学习（DeepUnsupervisedLearning）–预测学习783.1条件生成对抗网络（ConditionalGenerativeAdversarialNets，CGAN）793.2视频预测824总结845参考文献84一、从单层网络谈起96二、经典的RNN结构（NvsN）97三、NVS1100四、1VSN100五、NvsM102RecurrentNeuralNetworks105长期依赖（Long-TermDependencies）问题106LSTM网络106LSTM的核心思想107逐步理解LSTM108LSTM的变体109结论110196.L1与L2范数。
机器学习ML基础易163218.梯度下降法的神经网络容易收敛到局部最优，为什么应用广泛？深度学习DL基础中178@李振华，https://www.zhihu.com/question/68109802/answer/262143638179219.请比较下EM算法、HMM、CRF。
机器学习ML模型中179223.Boosting和Bagging181224.逻辑回归相关问题182225.用贝叶斯机率说明Dropout的原理183227.什么是共线性,跟过拟合有什么关联?184共线性：多变量线性回归中，变量之间由于存在高度相关关系而使回归估计不准确。
184共线性会造成冗余，导致过拟合。
184解决方法：排除变量的相关性／加入权重正则。
184勘误记216后记219

EM算法也就是期望最大化算法，是一种无指导的学习算法。
ThislittlesoftwareistherealizationofEMalgorithmintheapplicationoftossiingthecoin,whichisdescribedinthepaperofMichaelCollinsin1997.下载包中包含：源代码、可执行程序、关于EM算法的paper

该ppt详细阐述了混合高斯背景建模的原理及公式推导，其中涉及EM算法

这是标准EM算法的MATLAB源程序,其中E步用MONTECARLO实现.

西瓜书学习笔记，用Xmind做的记录，里面包括线性模型、神经网络、决策树、SVM、贝叶斯、EM、聚类、降维、半监督、强化等

用Java编写的图形用户界面通讯录packagemyaddressbody;importjava.awt.event.ActionEvent;importjava.awt.event.ActionListener;importjava.sql.Connection;importjava.sql.Date;importjava.sql.DriverManager;importjava.sql.ResultSet;importjava.sql.Statement;importjavax.swing.JButton;publicclassDemonstrationacctionimplementsActionListener{ publicvoidactionPerformed(ActionEvente){ if(((JButton)e.getSource()).getText().equals("显示查询结果")){ Stringdburl="jdbc:odbc:driver={MicrosoftAccessDriver(*.mdb)};DBQ=main.mdb"; Stringsql; Connectioncon; Statementstmt; Stringnm,sx,mp,ph,em,ca,ha,nb,gp,lbMQ,all; booleanbdr; Datebd; try{ Class.forName("sun.jdbc.odbc.JdbcOdbcDriver"); }catch(java.lang.ClassNotFoundExceptione2){ System.err.print("ClassNotFoundException:"); System.err.println(e2.getMessage()); } try{ con=DriverManager.getConnection(dburl,"",""); stmt=con.createStatement(); sql="SELECT*FROMaddress"; ResultSetws=stmt.executeQuery(sql); while(ws.next()){ nm=ws.getString(1); sx=ws.getString(2); bd=ws.getDate(3); mp=ws.getString(4); ph=ws.getString(5); ca=ws.getString(6); em=ws.getString(7); ha=ws.getString(8); gp=ws.getString(9); nb=ws.getString(10); lbMQ=ws.getString(11); all="姓名:"+nm+"性别:"+sx+"生日:"+bd +"移动电话:"+mp+"固定电话:"+ph+"MSN/QQ:" +lbMQ+"公司地址:"+ca+"EMail:"+em +"家庭地址:"+ha+"组别"+gp+"备注:"+nb +"\n"; Demonstrationaframe.lbdem.append(all); } stmt.close(); con.close(); }catch(Exceptionex) { System.out.println("Exception:"+ex.getMessage()); } } if(((JButton)e.getSource()).getText().equals("退出全部查询")){ Demonstrationaframe.lbdem.setText(""); Demonstrationaframe.demFrame.setVisible(false); } }}

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。