SQL DDL 数据定义语言 DDL 用于构建和管理数据库的结构 CREATE DATABASE 用于创建一个新的数据库 语法: 1CREATE DATABASE database_name; DROP DATABASE 用于删除一个已存在的数据库。这是一个不可逆的操作 语法: 1DROP DATABASE database_name; CREATE TABLE 用于在当前数据库中创建一个新

部分笔记摘录自hello-algo 栈 & 队列 双向队列 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868

Transformer量化的核心挑战：激活离群值与分布特性 与卷积神经网络（CNN）相比，Transformer模型的量化难度显著更高。这一差异的根源在于Transformer内部独特的激活分布特性，尤其是随着模型规模扩大而涌现的“系统性离群值”。 已有研究表明，当Transformer模型参数量超过67亿（6.7B）时，激活矩阵中会涌现出极端的离群值。这些离群值并非随机噪声，而是具有高度的结构化

CNN 卷积神经网络 图解参考： https://zhuanlan.zhihu.com/p/44464548 https://cloud.tencent.com/developer/article/2109487 一个典型的 CNN 架构通常由以下几种层组合而成： 输入层 (Input Layer) 卷积层 (Convolutional Layer) 激活层 (Activation Lay

基于生存分析的NIPT时间选择与胎儿异常判定 作者：余明羲，叶子枫，吴悠 日期：2025年9月7日 摘要 无创产前检测（NIPT）因其高准确性和低风险在胎儿染色体异常筛查中得到广泛应用，但检测结果受孕周、BMI、胎儿性别等多因素影响。本文基于大规模孕妇检测数据，构建数学模型，系统分析了孕妇特征与胎儿性染色体浓度的关系，并提出数据驱动的BMI分组与最佳检测时点推荐方法。 对于问题一,本文首先对Y染色

灰色预测 GM(1,1) 灰色系统理论旨在解决小样本、贫信息下的不确定性问题。它不追求数据的统计规律，而是通过特定方法处理原始数据，寻找其内在的发展趋势 GM(1,1)是该理论中最基础的模型，其名称含义为：Grey Model of First-order equation in One variable（一阶单变量灰色模型） 其核心操作是累加生成(AGO)，即将原始的、可能看似杂乱的数据序列进行

线性规划（LP） 一般形式 可行解： 满足约束条件（4）的解 x=[x1,…,xn]Tx = [x_1, \ldots, x_n]^Tx=[x1​,…,xn​]T，称为线性规划问题的可行解，而使目标函数（3）达到最大值的可行解叫最优解。 可行域： 可行解构成的集合称为问题的可行域，记为 RRR 使用 scipy.optimize.linprog 解 LP 的代码模板 25.6.25更新：sci

🍀 前言 笔者从小就有一个梦想，那就是能拥有一个属于自己的网站，那真的是泰裤辣！！但是对于当时一个连html/css/js是啥都不知道的小白来说有辣么亿点点难…后来我遇见了hexo框架，开箱即用，大大降低了难度，感觉可以尝试一下[捂脸]，所以笔者就从零开始，慢慢摸索。而写这篇文章，就是为了记录总结笔者建站(掉坑)的全过程… ✨简介 Hexo是一个快速、简洁且高效的博客框架。Hexo 使用 Mar

课程主页 配套练习代码 1. 监督学习 监督学习是已经知道数据的label，例如预测房价问题，给出了房子的面积和价格 回归问题是预测连续值的输出，例如预测房价 分类问题是预测离散值输出，例如判断肿瘤是良性还是恶性 2. 无监督学习 无监督学习是不知道数据具体的含义，比如给定一些数据但不知道它们具体的信息，对于分类问题无监督学习可以得到多个不同的聚类，从而实现预测的功能 3. 线性回归

注释 // /* … */ 8种基础数据类型（primitive data type ） Integral types: byte, short, int, long Floating-point types: float, double The boolean data type The char data type 变量类型 局部变量 成员变量(实例变量) - 默认权限default或声