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

本标准为以下类型的电气设备及其附件规定了通用安全要求，无论它们打算在哪里使用。
a）电气测试和测量设备b）电气工业过程控制设备c）电气实验室设备，包含2011年5月勘误表1、2013年2月解释性表1和2013年10月勘误2的内容。
为方便理解同时附上最新的UL61010-1:2018，具体见附件RAR压缩文件。

信息通信建设工程费用定额（2016版定额）451定额，修改勘误后版本，精心整理后版本。

Linux环境编程一书的完整随书资源，包含书中所有例子的源码，书中的勘误，和所有章节的PPT课件。

此为本人写的MC9S12XEP100的IIC模块的硬件驱动程序。
具体参照博文https://blog.csdn.net/lin_strong/article/details/80327959，如后续有更新代码或勘误，请直接到博文里查阅，好像CSDN不允许更新/删除资源。
其中包含了驱动代码以及示例代码，示例代码包括裸奔程序的示例以及uCOS-II下的示例。
注意，代码中的裸奔程序的那个示例直接运行时会跑飞，需要在IIC.h文件中的voidnearIIC_ISR(void);这个声明前加一个interrupt才行。
在运行基于uCOS的那个示例时又得把这个interrupt去掉才行。
暂时没有找到能够很方便地切换中断声明的方法。

【浅墨著作】《逐梦旅程：Windows游戏编程之从零开始》勘误&配套源代码下载-附件资源

相对于CnComm1.5的修正版，及将放在CppBlog的勘误放入头文件，版本定位CnComm1.51

GraphNeuralNetwork《深入浅出图神经网络：GNN原理解析》配套代码关于勘误由于作者水平有限，时间仓促，书中难免会有一些错误或不准确的地方，给读者朋友造成了困扰，表示抱歉。
仓库中提供了目前已经发现的一些问题的,在此向指正这些错误的读者朋友表示感谢。
在5.4节图滤波器的介绍中，存在一些描述错误和概念模糊的问题，可能给读者理解造成偏差，勘误中对相关问题进行了更正环境依赖python＞=3.6jupyterscipynumpymatplotlibtorch＞=1.2.0GettingStartFAQCora数据集无法下载Cora数据集地址是：。
仓库中提供了一份使用到的cora数据，可以分别将它放在chapter5/cora/raw或者chapter7/cora/raw目录下。
新代码直接使用本地数据.

OpenCV官方教程中文版（ForPython）勘误.pdf

本书内容包括:C/C++快速入门、入门模拟、算法初步、数学问题、C++标准模板库(STL)、数据结构专题(二章)、搜索专题、图算法专题、动态规划专题、字符串专题、专题扩展。
本书印有二维码，用来实时更新、补充内容及发布勘误的。

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。