Welcome to my new blog
Hope you can leave messages here !
Details
- manager:yangyuhao
- set_time:2019-04-07
- update_time:2019-04-08
工程测量计算表
临近工程测量半期考试，相信一定有和我一样没有带回计算器或者还不会使用计算器高级计算功能的小伙伴，那么下面这份excel一定会给你提供巨大帮助（下载链接见文末），对于表格计算结果仅供参考。
- 橙色区域为标题，表示表格功能；
- 红色区域为提示，显示注意事项；
- 绿色标题对应的列为待输入列；
- 蓝色标题对应的列为自动输出列；
- 表示角度的度、分、秒按顺序分三列表示。
神经网络(Nueral Network)
神经网络（Neural Network）是机器学习众多算法中的一种，其原理是模仿人脑内神经元之间信息的处理方式，希望借此完成回归模型和分类模型所难以实现的非线性预测。简单来说，你可以将神经网络看作一个复杂的多层复合函数，输入数据通过多层函数的嵌套计算从而求得预测结果。换个角度也可以把多层神经网络理解为将输入数据做多层特征变换的过程。
神经网络通常由三部分组成:输入层、隐藏层、输出层。其中隐藏层可以有多层，各层间的单元通过参数$\theta$和激活函数$\sigma$相连接，结构如下图所示：
机器学习-分类问题（Classification）
分类问题是我们日常生活中最常遇到的一类问题，比如垃圾邮件的分类，识别我们所看到的是汽车还是火车抑或是别的物体，再或者去医院医生诊断病人身体里的肿瘤是否是恶性的，这些问题全部都属于分类问题的范畴。那么我们在机器学习中遇到此类问题该怎么做呢？
我们可能首先会想，为什么不能用之前线性回归的方法来处理分类问题呢？答案其实是可以，不过我们在计算损失函数时需要对预测值远远偏离真实值的对象进行打击。理由也很简单，因为这些过大的偏差会使我们的回归结果向减小这类偏差的方向移动，造成下图所示的结果。
收集文档及提交名单统计
使用动机
在我们的学习工作中，少不了要让大家集体提交文件的情况，举个最简单的例子：收作业。
传统的文件收集流程大致是：群内发出文件提交通知$\rightarrow$每位参与者向负责人单独发送文档$\rightarrow$负责人逐一接收汇总$\rightarrow$统计文档提交情况。可能有人会说直接上传到群文件不就好了？但这样的做法会使文档有信息泄漏的风险。
但一款名为文叔叔的应用提供了快速收集文件的功能，大大简化了文件汇总流程。
机器学习-回归问题(Regression)
回归问题是机器学习三大基本模型中很重要的一环，其功能是建模和分析变量之间的关系。
回归问题多用来预测一个具体的数值，如预测房价、未来的天气情况等等。例如我们根据一个地区的若干年的PM2.5数值变化来估计某一天该地区的PM2.5值大小，预测值与当天实际数值大小越接近，回归分析算法的可信度越高。
Python调用飞书API接口
飞书作为一款高效远程办公软件，在疫情期间凭借着人性化的UI交互以及稳定的远程联络能力深得各大企业的偏好。但在创建团队之初，难免遇到需要批量导入数据或者批量处理员工信息的情况，飞书为此提供了各种API接口以便集中处理这些情况，此文的目的也是为了让各位团队管理者能自如使用这些API接口。
快速傅立叶变换(FFT)
例题UOJ#34. 多项式乘法
题面
题目描述
给你两个多项式，请输出乘起来后的多项式。
输入格式
第一行两个整数 n 和 m，分别表示两个多项式的次数。
第二行 n+1 个整数，分别表示第一个多项式的 0 到 n 次项前的系数。
第三行 m+1 个整数，分别表示第一个多项式的 0 到 m 次项前的系数。
输出格式
一行 n+m+1 个整数，分别表示乘起来后的多项式的 0 到 n+m 次项前的系数。