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

主要用于OFDM的频偏估计，利用导频的相关性

第1章绪论第2章SAR成像原理2.1引言2.2SAR系统参数2.3单脉冲距离向处理2.4线性调频脉冲与脉冲压缩2.5SAR方位向处理2.6SAR线性测量系统2.7辐射定标2.8小结参考文献附录2A星载SAR的方位向处理第3章图像缺陷及其校正3.1引言3.2SAR成像散焦3.2.1自聚焦方法3.2.2自聚焦技术的精确性3.2.3散射体性质对自聚焦的影响3.3几何失真与辐射失真3.3.1物理原因及关联的失真3.3.2基于信号的MOCO方法3.3.3天线稳定性3.4残留SAR成像误差3.4.1残留的几何与辐射失真3.4.2旁瓣水平3.5基于信号的MOCO方法的改进3.5.1包含相位补偿的迭代自聚焦3.5.2较小失真的高频跟踪3.5.3常规方法与基于信号方法相结合的MOC0方法3.6小结参考文献第4章SAR图像的基本特性4.1引言4.2SAR图像信息的特质4.3单通道图像类型与相干斑4.4多视处理估计RCS4.5相干斑的乘性噪声模型4.6RCS估计——成像与噪声的影响4.7SAR成像模型的结果4.8空间相关性对多视处理的影响4.9系统引入空间相关性的补偿4.9.1子采样4.9.2预平均4.9.3插值4.10空间相关性估计：平稳性与空间平均4.11相干斑模型的局限性4.12多维SAR图像4.13小结参考文献第5章数据模型5.1引言5.2数据特征5.3经验数据分布5.4乘积模型5.4.1RCS模型5.4.2强度概率密度函数5.5概率分布模型的比较5.6基于有限分辨率成像的目标RCS起伏5.7数据模型的局限性5.8计算机仿真5.9小结参考文献第6章RCS重建滤波器6.1引言6.2相干斑模型和图像质量度量6.3贝叶斯重建6.4基于相干斑模型的重建6.4.1多视处理相干斑抑制6.4.2最小均方误差相干斑抑制……第7章RCS分类与分割第8章纹理信息提取第9章相关纹理第10章目标信息第11章多通道SAR数据的信息处理第12章多维SAR图像分析技术第13章SAR图像的分类第14章现状与前景分析

极端气候计算软件，受到WMO等国际机构支持与认可，由加拿大等科研机构研发的RCLIMDEX软件在国际极端气候研究领域已经取得显著的影响，国内的相关研究正在增加之中。
据介绍，RCIMDEX是属于CLIMDEX软件系列（另有EXCEL宏命令版、FORTRAN版FCLIMDEX），目前的版本为2004年研制，原本的开发语言为S语言，后改为开放的R语言。
现上传本人下载于pudn的rclimdex以及本人搜索于网海的rclimdex版。
有点奇怪的是，该软件虽是自由软件（仍须遵守有关许可），但官网似乎难以下载，且未提供直接注册。
按官网提示，须到一个延伸网站注册。
尽管看似不难下载，但对我仍有些网海捞针（不包括pudn下载的climdex），这是我的玩笑说法。
网友们也不妨捞捞看，也许是小菜一碟。
注册使用是开发者的愿望，有使用想法的朋友可以前往注册下载。
本人并未运行，有兴趣的朋友可对两者进行比对。
此帖与本站FORTRAN栏目《计算27项极端气候指数的FCLIMDEX软件（含多个fortran源程序）》及《气候统计》栏目的《R语言软件、实例源代码与R程序用法下载—气候统计工具的潜力股》关系密切，可一并阅读。
此帖与本站FORTRAN栏目《计算27项极端气候指数的FCLIMDEX软件（含多个fortran源程序）》及《气候统计》栏目的《R语言软件、实例源代码与R程序用法下载—气候统计工具的潜力股》关系密切，可一并阅读。
注：以下内容摘自硕士论文《内蒙古地区极端气候事件时空变化及其与NDVI的相关性》（使用RCLIMDEX软件，论文列出了27项极端指数中的15项中文译名）

计算图像水平方向，垂直，对角线方向的相关性，并绘制二维图，

通过使用测量引起的干扰（SLuo2008Phys。
Rev.A77022301），我们提出了一种用于真正的多部分量子相关性的量化器。
建立了这种量子相关性度量与纯三位态多端口密集编码中的量子优势之间的联系。
它还用于研究四部分系统中的量子相关动力学。
发现了在某些时间窗内产生量子相关性和保持量子相关性的现象。
作为副产品，基于测量引起的干扰的一夫一妻制得分与纯三位态的广义几何测量有关。

结合高光谱数据和深度学习的特点，提出一种同时考虑像素光谱信息和空间信息的深度卷积神经网络框架。
该框架主要步骤如下：首先利用主成分分析法对高光谱遥感图像进行光谱特征提取，消除特征之间的相关性，并降低特征维数，获得清晰的空间结构；
然后利用深度卷积神经网络对输入的样本进行空间特征提取；
最后通过学习到的高级特征进行回归训练

在多种光源的45°/0°照明观测条件下,提出了一种测量金属涂料闪光效果的评价方法和开发了测量装置。
根据不同的色彩分布和闪光等级,选取39张金属漆色卡并构建了测试样本库。
对采集样本的多光谱图像进行校正,以符合不同光源下观察者的视觉响应。
通过设定与图像相关的阈值分离闪光点和背景,以BYKmac的测试数据为标准进行标定,得到了闪光面积、闪光强度和闪光等级算法。
在D65和A光源照明条件下,进一步比较实验装置对样本闪光等级的测量结果与视觉评价数据的相关性。
实验结果表明:在D65光源下,实验装置和人眼数据相关系数为0.848;在A光源下,实验装置和视觉数据的相关系数为0.851。
实验装置的测量效果优于现有的测量设备。

自己花钱买的电子书，高清完整版！很实用的教材，读起来一点也不晦涩。
目录译者序前言第1章概论1.1推动因素1.2基本计算机组成1.3分布式系统的定义1.4我们的模型1.5互连网络1.6应用与标准1.7范围1.8参考资料来源参考文献习题第2章分布式程序设计语言2.1分布式程序设计支持的需求2.2并行/分布式程序设计语言概述2.3并行性的表示2.4进程通信与同步2.5远程过程调用2.6健壮性第3章分布式系统设计的形式方法3.1模型的介绍3.1.1状态机模型3.1.2佩特里网3.2因果相关事件3.2.1发生在先关系3.2.2时空视图3.2.3交叉视图3.3全局状态3.3.1时空视图中的全局状态3.3.2全局状态：一个形式定义3.3.3全局状态的“快照”3.3.4一致全局状态的充要条件3.4逻辑时钟3.4.1标量逻辑时钟3.4.2扩展3.4.3有效实现3.4.4物理时钟3.5应用3.5.1一个全序应用：分布式互斥3.5.2一个逻辑向量时钟应用：消息的排序3.6分布式控制算法的分类3.7分布式算法的复杂性第4章互斥和选举算法4.1互斥4.2非基于令牌的解决方案4.2.1Lamport算法的简单扩展4.2.2Ricart和Agrawala的第一个算法4.2.3Maekawa的算法4.3基于令牌的解决方案4.3.1Ricart和Agrawala的第二个算法4.3.2一个简单的基于令牌环的算法4.3.3一个基于令牌环的容错算法4.3.4基于令牌的使用其他逻辑结构的互斥4.4选举4.4.1Chang和Roberts的算法4.4.2非基于比较的算法4.5投标4.6自稳定第5章死锁的预防、避免和检测5.1死锁问题5.1.1死锁发生的条件5.1.2图论模型5.1.3处理死锁的策略5.1.4请求模型5.1.5资源和进程模型5.1.6死锁条件5.2死锁预防5.3一个死锁预防的例子：分布式数据库系统5.4死锁避免5.5一个死锁避免的例子：多机器人的灵活装配单元5.6死锁检测和恢复5.6.1集中式方法5.6.2分布式方法5.6.3等级式方法5.7死锁检测和恢复的例子5.7.1AND模型下的Chandy，Misra和Hass算法5.7.2AND模型下的Mitchell和Merritt算法5.7.3OR模型下的Chandy，Misra和Hass算法第6章分布式路由算法6.1导论6.1.1拓扑6.1.2交换6.1.3通信类型6.1.4路由6.1.5路由函数6.2一般类型的最短路径路由6.2.1Dijkstra集中式算法6.2.2Ford的分布式算法6.2.3ARPAnet的路由策略6.3特殊类型网络中的单播6.3.1双向环6.3.2网格和圆环6.3.3超立方6.4特殊类型网络中的广播6.4.1环6.4.22维网格和圆环6.4.3超立方6.5特殊类型网络中的组播6.5.1一般方法6.5.2基于路径的方法6.5.3基于树的方法第7章自适应、无死锁和容错路由7.1虚信道和虚网络7.2完全自适应和无死锁路由7.2.1虚信道类7.2.2逃逸信道7.3部分自适应和无死锁路由7.4容错单播：一般方法7.52维网格和圆环中的容错单播7.5.1基于局部信息的路由7.5.2基于有限全局信息的路由7.5.3基于其他故障模型的路由7.6超立方中的容错单播7.6.1基于局部信息的模型7.6.2基于有限全局信息的模型：安全等级7.6.3基于扩展安全等级模型的路由：安全向量7.7容错广播7.7.1一般方法7.7.2使用全局信息的广播7.7.3使用安全等级进行广播7.8容错组播7.8.1一般方法7.8.2基于路径的路由7.8.3使用安全等级在超立方中进行组播第8章分布式系统的可靠性8.1基本模型8.2容错系统设计的构件模块8.2.1稳定存储器8.2.2故障-停止处理器8.2.3原子操作8.3节点故障的处理8.3.1向后式恢复8.3.2前卷式恢复8.4向后恢复中的问题8.4.1检查点的存储8.4.2检查点方法8.5处理拜占庭式故障8.5.1同步系统中的一致协议8.5.2对一个发送者的一致8.5.3对多个发送者的一致8.5.4不同模型下的一致8.5.5对验证消息的一致8.6处理通信故障8.7处理软件故障第9章静态负载分配9.1负载分配的分类9.2静态负载分配9.2.1处理器互连9.2.2任务划分9.2.3任务分配9.3不同调度模型概述9.4基于任务优先图的任务调度9.5案例学习：两种最优调度算法9.6基于任务相互关系图的任务调度9.7案例学习：域划分9.8使用其他模型和目标的调度9.8.1网络流量技术：有不同处理器能力的任务相互关系图9.8.2速率单调优先调度和期限驱动调度：带实时限制的定期任务9.8.3通过任务复制实现故障安全调度：树结构的任务优先图9.9未来的研究方向第10章动态负载分配10.1动态负载分配10.1.1动态负载分配的组成要素10.1.2动态负载分配算法10.2负载平衡设计决策10.2.1静态算法对动态算法10.2.2多样化信息策略10.2.3集中控制算法和分散控制算法10.2.4移植启动策略10.2.5资源复制10.2.6进程分类10.2.7操作系统和独立任务启动策略10.2.8开环控制和闭环控制10.2.9使用硬件和使用软件10.3移植策略：发送者启动和接收者启动10.4负载平衡使用的参数10.4.1系统大小10.4.2系统负载10.4.3系统交通强度10.4.4移植阈值10.4.5任务大小10.4.6管理成本10.4.7响应时间10.4.8负载平衡视界10.4.9资源要求10.5其他相关因素10.5.1编码文件和数据文件10.5.2系统稳定性10.5.3系统体系结构10.6负载平衡算法实例10.6.1直接算法10.6.2最近邻居算法：扩散10.6.3最近邻居算法：梯度10.6.4最近邻居算法：维交换10.7案例学习：超立方体多计算机上的负载平衡10.8未来的研究方向第11章分布式数据管理11.1基本概念11.2可串行性理论11.3并发控制11.3.1基于锁的并发控制11.3.2基于时戳的并发控制11.3.3乐观的并发控制11.4复制和一致性管理11.4.1主站点方法11.4.2活动复制11.4.3选举协议11.4.4网络划分的乐观方法：版本号向量11.4.5网络分割的悲观方法：动态选举11.5分布式可靠性协议第12章分布式系统的应用12.1分布式操作系统12.1.1服务器结构12.1.2八种服务类型12.1.3基于微内核的系统12.2分布式文件系统12.2.1文件存取模型12.2.2文件共享语义12.2.3文件系统合并12.2.4保护12.2.5命名和名字服务12.2.6加密12.2.7缓存12.3分布式共享内存12.3.1内存相关性问题12.3.2Stumm和Zhou的分类12.3.3Li和Hudak的分类12.4分布式数据库系统12.5异型处理12.6分布式系统的未来研究方向附录DCDL中的通用符号列表

基于混沌的变换域图像数字水印算法及其测试，综合运用混沌和变换域方法完成图像水印的嵌入与提取，并对改水印方案的鲁棒性进行测试。
用了混沌序列加密图像，dct变换域数字水印算法，并对图像进行了置乱、相关性分析，还有对水印图像的攻击测试，里面有代码和实验报告书，要运行dct22.m和hundun.m再运行其他的,有一个变量Fuck2是运行了hundun.m才会产生的，不要把工作区给清空了

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。