喵喵虎冲呀

Word Vectors Word2vec: prediction function 1.Skip-gram 已知当前词语，预测上下文 L(θ): date Likelihood of the capacity of predicting words in context m: size of predicting window wt: given center word 对于每一个位置t，给定窗口内每个词wt+j预测出它的概率的累乘 L(θ)=∏t=1T∏−m≤j≤m,j≠0P(wt+j∣wt;θ)L(\theta)=∏_{t=1}^{T}∏_{-m≤j≤m,j≠0}P(w_{t+j}|w_t;\theta) L(θ)=t=1∏T​−m≤j≤m,j=0∏​P(wt+j​∣wt​;θ) J(θ): objective function / loss function J(θ)=−1TlogL(θ)=−1T∑t=1T∑−m≤j≤m,j≠0logP(wt+j∣wt;θ)J(\theta)=-\frac{1}{T}logL(\theta)=-\frac{1}{T}∑_{t=1}^{T} ...

Bert理论 1.作用 来自Transformer模型的编码器，给定某单词可以获得其包含句子信息的词向量。 2.预训练输入表示 2.1 Embedding 用于将输入转换为词向量 2.1.1 Token Embedding 分词并进行标记 [CLS] 句子开始标记，表明用于分类任务 [SEP] 分割标记，每个句子的结尾 转换为Token Embedding 2.1.2 Segment Embedding 将句子分为两段，用以区别两个句子 2.1.3 Position Embedding 用记录句子中单词的顺序信息 2.1.4 2.2 WordPiece分词器 2.2.1 Tokenization 2.2.1.1 单词级 优点： 拉丁语系Tokenization简单 能够很好地保留词的语义和边界信息 缺点： 词典过大，影响计算效率及内存 由于词汇的不断发展，造成OOV（Out Of Vocabulary） 低频词/稀疏词得不到充分训练 一个单词因为不同的形态会产生不同的词，如由“look”衍 生出的“looks”, “looking”, 但是意义相近，对他们都进行训练是 ...

微处理器系统结构与嵌入式系统设计（跨选）期末整理 第一章 1.就集成电路而言，计算机系统的主要组成部分有哪些 集成电路级别： CPU 存储型片 总线接口芯片 模块级别： CPU 内存 I/O端口 外设 🌟2.阐述摩尔定律🌟 微处理器每两年 内晶体管的集成度增加一倍 价格降低一倍 运算性能提高一倍 🌟3.什么是SoC？什么是IP核？IP核有哪几种实现形式🌟 SoC(System on Chip)： SoC也称片上系统、系统性片或系统集成芯片 从开发角度上讲：在单芯片上集成了微电子系统产品所需的所有功能 IP核(Intellectual Property core)： IP核是能够在设计中反复重用的功能模块 IP核实现方式： 名称 提交形式 与实现工艺的相关性 灵活性 可靠性 软核 RTL描述 无关 高 低 固核 门级网表 相关 一般 一般 硬核 版图 相关 低 高 🌟5.什么是嵌入式系统？嵌入式系统有哪些主要特点🌟 **嵌入式系统：**以应用为中心，以计算机技术为基础，软硬件可裁剪，适应应用系统，对功能、可靠性、成本、体 ...

上卷 谈美 壹｜无言与留白之美 一、我们对于一棵古松的三种态度——实用的、科学的、美感的 知觉不完全是客观的，各人所见到的物的形象都带有几分主观的色彩。 实用： 实用的态度：对于环境（除自身以外的人或事）有爱恶的情感，有趋就活逃避的意志和活动。 由于便利实用，人们依靠经验建立起了事物的意义。依靠知觉明了事物的意义（起初只是明了它的实用），此后才有对他的反应动作。 科学： 科学的态度：客观的、理论的，最重要的心理活动是抽象的思考，寻出事物的关系和条例，纳个物于概念，从原理演个例。 美感： 实用的和科学的态度，意识并不停留于古松本身，而是把古松作为踏脚石，跳到与它有关系的种种事物上去，实用的注意到了经验、它的实用，科学的注意到了它的特征、它的因果 美感的态度：注意力的集中，意向的孤立绝缘 脱净了意志和抽象思考的心理活动叫做“直觉”，直觉所见到的孤立绝缘的意象叫做“形象” 人的实用的活动全是有所为而为的，是受环境需要限制的；人的美感的活动全是无所为而为，是环境不需要他活动而他自愿去活动的。 在美感世界里，物体能孤立绝缘，能在本身体现出价值，因此美是事物最有价值的一面 二、当局者 ...

如何应对Web软件攻击 Web攻击概述 ​ Web应用程序具有的众多优点，对于用户来说，其不受操作系统或设备的影响的高兼容性，用户免于安装的高便捷性与灵活性，以及对于用户较低的设备需求，Web应用。而对于企业来说，Web应用减少了软件盗版，降低了对于应用的支持和维护。这些因素共同造成当下Web应用程序的广泛使用以及巨大的影响力。 ​ 在过去的2021年中移动用户平均使用互联网的时间为 155 分钟，而桌面用户为 37 分钟，但随之而来的是日益复杂且密集的Web软件攻击。Check Point Research (CPR) 报告称，2022 年第二季度全球网络攻击创历史新高，与 2021 年第二季度相比增加了 32%。全球每个机构平均每周所遇攻击次数最高达到 1200 次。因此对于我们来说，了解面向Web编程的主要软件基本方法，以及如何在代码开放层面进行防御就变得至关重要。目前的Web程序的结构主要由三部分组成，分别为客户端、应用服务器、数据库服务器，其中浏览器端与应用服务器端采用请求/响应模式的方式进行交互。因此从攻击对象上来说，Web软件攻击可以大体上分为三类，即Web客户端攻击 ...

情感分析基础 概念 自然语言处理中的情感分析是分析人类对某个目标对象所蕴含的观点，在业界一般称为观点挖掘（opinion mining），又因主要研究人类通过文字所表达的情感，也称为文本情感分析 。 其主要分析人类对一个目标对象所产生的情感极性、情绪、评价、态度。目标对象包括但不限于商品、服务、组织、个人、事件等等。根据不同场景又有不同任务，例如情绪识别、对话情感分析、情感对话生成、观点分析、观点摘要、主观分析、情感计算、评价分析等等 粒度 针对文本的情感分析分为：词级别情感分析、句子/文档级情感分析、目标级情感分析。其中词级别和句子级别的分析对象分别是一个词和整个句子的情感正负向，不区分句子中具体的目标，如实体或属性，相当于忽略了五要素中的实体和属性这两个要素。 词级别 即情感词典构建，研究的是如何给词赋予情感信息，如庆典对应的情感标签是正面。 句子/文档级 研究如何给整个句子或篇章打情感标签，如今天天气非常好对应的情感标签是正面。 目标级 考虑了具体的目标，该目标可以是实体、某个实体的属性或实体加属性的组合。具体可分为三种 1） Target no aspect based sen ...

饮食 配额 总额 体重\营养素 碳水 蛋白质 脂肪 1kg 3g 2g 0.8g 73kg 219g 146g 58.4g 碳水来源 中GI 高GI 碳水单日分配 时段\体重 73kg 类型 百分比 早餐 66g NULL 30% 训前 44g 短高长中 20% 训后 110g 快碳 50% 其他餐 基本不吃 NULL 0% 训练

The “anonymity” of Bitcoin 比特币的匿名性，一个让人完全无从下手的题目。怎么办，查资料呗！没想到一搜全都是我的学长们写的。为了进行一个区分，不和他们撞车，同时也说明我的原创性，我打开了翻译软件，打算用英文来作为标题。 那为什么我的标题上却多了两个引号呢，这就有意思了，因为我本来想换一个高级一点的词比如pseudonym来换掉这个anonymity，但是作为一个严谨的计算机学生，我搜索了下是否有这样的用法，没想到搜到了一面这一段话。 Aidan Arasasingham and Gerard DiPippo, of the Washington-based Center for Strategic and International Studies, note that bitcoin is not truly anonymous, but rather pseudonymous, where coins can be held in wallets opened under alternative or false names. 简单点说，比特币不是ano ...

专业课程 大二 编译原理 大三 系统结构 笔记 习题 微机接口 笔记 习题 选修课程 大三 比特币 比特币的匿名性 区块链综述 致我的女孩(manana) 悄悄话 给曼曼的小作文 曼曼笔记 温病学 湿热病 湿温病 导论 中医儿科学 中医妇科学 中医内科学 中医外科学 中医眼科学 携手相将(manana) 杭州 游记 宁波 nana讲啥西 备忘录 网站

847c809677ac625af505e30f8dde58f969706acf26b7b9262f89f36872d6f1b7e26bc1981deb63d513540e103ff9c215b1bbe085e5b0fa1a165de180717cae7685e669ca127e3fd8207baa47d0f4a56fe0c15e13b3be59fddb4bd3f1f583bfeb95f4e69b4dc30cddbb350f6c2b2bdbfdf1d05ef8978e6c970787bde8ccb7dd10472a042c16cfaf87d0def2ce6390f25ef667477b64a179cecba879ca181c2289e86e9a58a25c124eb4176b37e947ebb624f30d276a452083f72eec2675613656e9fd3908a5c5a8dd673987fca8110e9e720afcdee0dfbad667d6848dc15e877c1f3eae51261716c15f4177307b947d10df534cebb168b181d ...