数据集首先数据集选择使用Cifar-10。这个数据集合包含十个类的图片，每类6000张32 x 32的图片，共计60000张图片，其中50000训练图片，10000张测试图片。这里下载了python对应的版本：读取文件在Cifar-10的网站，我们可以找到实例代码，然后按照自己的文件目录读取： {代码...} 这里与实例代码有点不同，在load()函数中，...

梯度下降，简单的来说就是要找到最小的点，而所谓找到最小的点，就类似向山谷中走，每次都希望找到那山谷中的最低点，然后如何确定走到最低点的路径的问题。

支持向量机的基本思想就是，在样本空间中找到一个线性可分的直线或是超平面（n维欧式空间中其余维度等于1的线性子空间，即必须是n-1维度，是二维空间中直线、三维空间中平面的延伸），将不同类别的样本分开。

Tensorflow基本概念1.TensorTensorflow张量，是Tensorflow中最基础的概念，也是最主要的数据结构。它是一个N维数组。2.VariableTensorflow变量，一般用于表示图中的各计算参数，包括矩阵，向量等。它在图中有固定的位置。3.placeholderTensorflow占位符，用于表示输入输出数据的格式，允许传入指定的类型和形状的数据。4...

在深度知识追踪（DKT）这方面，已经看了多篇论文，对其中的一些模型也是做了简单的了解。所以在这个基础上，我对一个已有的DKT程序进行调试学习。本文主要是对训练模型的过程进行学习总结。

循环神经网络（RNN）要理解LTSM，首先要理解RNN。类似人类的思考，人从来都不会从头思考，而是从已有的知识上再做深入的思考。而传统的神经网络并不能够完成这一点，所以循环神经网络很好的解决了这个问题。循环神经网络（RNN）是一种循环的网络，他可以是信息持久存在。RNN已经广泛使用到如：语音识别，语言建模，翻译...

在Knowledge Tracking Model Based on Learning Process一文中，介绍了一种知识追踪模型LPKT。这是一种基于现存深度学习的知识追踪模型的改进，该模型采用了记忆增强神经网络（MANN）的思想。

因素分析法一种统计技术，希望从众多的可观测的“变量”中，概括和推论少数“因素”。用少数“因素”来概括和解释大量的观测事实。又叫“因子分析法”。KMO和Bartlett球形检验用于检验试卷是否适合进行因素分析。KMO计算方法： {代码...} 在这里，我通过SPSS计算和按照上面的步骤进行计算，做出验证，得出了相同的结果。测试数据...

分布式的集群，当然需要多个虚拟机的准备。这是使用3台虚拟机，其中一个为主节点，另外两个为从节点。其中，上篇文章中已经配置好的虚拟机当做主节点。

Hadoop集群的部署分为分布式集群和伪分布式集群的部署。这篇文章中，我会对伪分布集群的安装和部署做说明。为什么先进行伪分布式集群部署呢，这是因为它只需要一台虚拟机（因为在自己的电脑上进行部署，使用的就是虚拟机），而分布式集群的部署一般需要三台及以上的虚拟机（一台为主节点，）。

因素分析法一种统计技术，希望从众多的可观测的“变量”中，概括和推论少数“因素”。用少数“因素”来概括和解释大量的观测事实。又叫“因子分析法”。KMO和Bartlett球形检验用于检验试卷是否适合进行因素分析。KMO计算方法： {代码...} 在这里，我通过SPSS计算和按照上面的步骤进行计算，做出验证，得出了相同的结果。测试数据...

试卷分析的定量指标，信度和效度是其中两个，它们是对试卷的整体做出评估。对试卷效度做出分析，可以检查考试内容是否与教学大纲保持一致，有利于教师发现和改进教学中的薄弱环节。

在使用知识图谱的时候，会用图的形式来描述知识工程中知识实体的关系。其中节点表示实体，边用来表示实体之间的关系。在这里引入三元组“实体-关系-实体”或“实体-属性-属性值”进行知识表示, 每个实体可用一个全局唯一确定的ID标识, 属性-属性值描述知识实体的内在特性, 知识实体之间通过关系构成网状的知识结构。

其实之前在团队里的其他人做离队汇报的时候，我就有想过自己做汇报的时候会是什么样的心情，但是此刻的心情还是跟我之前预想的有些偏差的。没有过分的伤感，也没有想象的平静。

现在在做的项目，一部分功能时建立在小程序上的，所以就不得不面临一个问题，就是小程序在发起请求，请求后台的时候，只能使用https，会对服务器的域名进行https证书校验，所以，我们就不得不去考虑配置证书的问题。

本学期的android实验，打算做一款关于小应用，其中打算使用人脸识别技术，所以找到了百度AI，免费的开放API，为我的实验带来了极大的便利。

概况描述 后台使用Spring boot，部分功能需要在小程序上实现。 我们的后台是有权限验证的，所以需要用户登录才能调用后端的API。所以，小程序端就需要登录后端。 本文实现了微信小程序的登录来完成自己服务器后端的登录功能。 实现原理 首先，我们需要登录小程序，用微信对其授权，然后带着授权的状态进行后端的登录。我...

前台在的菜单，需要向后台进行请求，但是这样就造成每次点击一个菜单都会重新请求，造成菜单会出现短暂闪烁的情况，所以考虑使用service的单例模式来解决这个问题。

最近的项目中，需要学生端使用微信小程序，所以这两天做了一下小程序的原型。在这里总结一下踩过的坑。 组件库的选择 上来遇到的第一个大问题就是组件的选择。因为微信原生的实在是又不好看，又不好用。虽然有官方文档，但不得不说，不适合新手使用。 第一次选择: WeUI。这是以前老师提到过的一个组件库，所以先尝试了它...

在做权限验证的时候，我们经常会遇到这样的情况：教师拥有多个学生，但是在处理学生信息的时候，教师只能操作自己班级的学生。所以，我们要做的就是，当教师尝试处理别的班的学生的时候，抛出异常。

首先，在以往的项目中，都是使用DockerFile + docker-compose的形式来配置docker的，所以，首先就需要了解这两者的关系。

需求描述 要求批量导出数据，以excel的格式。 选择方式 前台 + 后台 之前在别的项目中也遇到过导出的问题，解决方式是直接在前台导出将表格导出。 这次没有选择前台导出的方式，是由于需要导出所有的数据，所以考虑直接在后台获取所有的数据，然后就直接导出，最后前台触发导出API。 后台实现 导出使用的是POI，在上一篇...

我选择使用的是apache POI。这是有Apache软件基金会开放的函数库，他会提供API给java，使其可以对office文件进行读写。

所以依照不写重复代码的原则，一种方法我们可以定义一个公共变量，另一种就是可以定义一个拦截器，然后在请求API之前，为路径添加公共部分，再去请求。

引言 每次一到过年的时候，就会突然的感慨，“哎，时间过得也太快了吧，又是一年！”然后就开始感慨又有那些想做的没有完成。 回首2018 想想过去的一年，好像是我大学中最充实的一年了吧。 大一的时候，刚刚入学，感觉大学也不过如此，好像并不像电视中看到的那样有趣； 大二的时候，初入团队，什么都不懂的我，每天都在学...

我们都知道数据库设计中有一个比较重要的就是范式。可以说范式这让很多人头痛，不知所云。那么范式到底是什么呢？下面一起来学习下。 范式与规范化 首先我们肯定要对范式有一个比较笼统的了解：范式是什么。 范式是为了在设计数据库的时候，让数据表结构更加合理的一种规范。也就是说，我们依据范式设计的数据表会让我们...

最近开始做数据库的大实验，其中有一条实验要求如下： 通过网络查找相关文献并参考所给资料进行需求分析，画出系统的 E-R 图，给出实体或联系的属性，标明联系的种类，并写出关系模式。 画ER图没有什么问题，但是关系模式是什么就不知道了。所以，还是有必要学习一下的。 关系模式的定义 通过google和课本上对关系模式的...

Servlet（Server Applet），全称Java Servlet，未有中文译文。是用Java编写的服务器端程序。其主要功能在于交互式地浏览和修改数据，生成动态Web内容。狭义的Servlet是指Java语言实现的一个接口，广义的Servlet是指任何实现了这个Servlet接口的类，一般情况下，人们将Servlet理解为后者。

这里直接调用两个绑定的函数。然后这里我们在调用import()函数的时候，将jsonFile作为参数传给它（jsonFile就是是我们将要导入的文件对象）。

问题描述 将Message对象序列化后，反序列化失败。 response是序列化的结果，start为true，end为false。 message是反序列化后的对象，start和end都为false。 问题解决 1.资料查找 经过自己的初步debug后，并没有任何的头绪，所以google了一下网上的解决办法。 因为content正确反序列化了，所以认为是boolean的问题，就去...