1.1数据库系统概述1.1.1数据库的四个基本概念数据数据库数据库管理系统DBMS数据库系统DBS1.1.2数据库的特点数据结构化数据的共享性高、冗余度低并且易扩充数据独立性高数据由数据库管理系统统一管理和控制1.2数据模型1.1.1数据模型数据模型也是一种模型，他是对现实世界数据特征的抽象。也就是说数据模型是用来描述数据、组织数据和对数据进行操作的。数据模型是数据库系统的核心和基础。1.2.1两类数据模型根据模型应用的不同目的，可以将模型划为两大类，它们属于两个不同的层次。第一类是概念模型，第二类是逻辑模型和物理模型。概念模型是按用户观点来对数据和信息建模，主要用于数据库设计。第二类中逻辑模

 （一）绪论数据(Data)：是数据库中存储的基本对象数据的定义：描述事物的符号记录数据的种类：文字、图形、图象、声音等数据的特点：数据与其语义是不可分的数据库(Database,简称DB)：是长期储存在计算机内、有组织的、可共享的大量数据集合 数据库管理系统（Database ManagementSystem，简称DBMS）：是位于用户与操作系统之间的一层数据管理软件。DBMS的用途：科学地组织和存储数据、高效地获取和维护数据。DBMS的主要功能：数据库的运行管理    保证数据的安全性、完整性      多用户对数据的并发使用 发生故障后的系统恢复   数据库的建立和维护功能(实用程序) 

一例题设二维随机变量(X,Y)的概率密度为，求边缘概率密度。解：先画图所以,X的边缘密度为Y的边缘密度为总结:求X的边缘密度是对y求积分，会带上dy,因此要确定y的上下限，注意确定上下限时作一个垂直于x轴的箭头线，求Y的边缘密度是对x求积分，会带上dx,因此要确定x的上下限，注意确定上下限时作一个垂直于y轴的箭头线。

【人工智能概论】用Python实现数据的归一化文章目录【人工智能概论】用Python实现数据的归一化一.数据归一化处理的意义二.常见的归一化方法2.1最大最小标准化（Min-MaxNormalization）2.2z-score标准化三.用sklearn实现归一化一.数据归一化处理的意义多特征数据集常会遇到这样的问题，不同特征间的取值范围往往有很大的差别，甚至是存在数量级方面的差异，这很有可能会导致深度学习算法精确度的降低，因此对数据进行归一化处理是很有意义的。二.常见的归一化方法2.1最大最小标准化（Min-MaxNormalization）公式：x′=x−min(x)max(x)−mix(

1.Whatisaneuralnetwork?神经网络又称人工神经网络 (ANN) 或模拟神经网络 (SNN)，是机器学习的子集，同时也是深度学习算法的核心。 神经网络其名称和结构均受到人脑的启发，可模仿生物神经元相互传递信号的方式。人工神经网络(ANN)由节点层组成，包含一个输入层、一个或多个隐藏层和一个输出层。每个节点也称为一个人工神经元，它们连接到另一个节点，具有相关的权重和阈值。如果任何单个节点的输出高于指定的阈值，那么会激活该节点，并将数据发送到网络的下一层。否则，不会将数据传递到网络的下一层。神经网络依靠训练数据来学习，并随时间推移提高自身准确性。而一旦这些学习算法经过了调优，提高

【人工智能概论】变分自编码器（VariationalAutoEncoder,VAE）文章目录【人工智能概论】变分自编码器（VariationalAutoEncoder,VAE）一.回顾AE二.VAE简介三.VAE为什么好1.AE有什么不好2.VAE怎么解决AE的问题3.有两个困难4.意想不到的问题5.现在的VAE能做到什么6.VAE为什么好四.VAE的公式推导五.重新参数技巧（reparameterizationtrick）六.代码实现一.回顾AE更多的详见自编码器简介，尤其是AE的缺点。二.VAE简介变分自编码器（variationalauto-encoder，VAE），常被用于生成数据，是

【人工智能概论】自注意力机制（Self-Attention）文章目录【人工智能概论】自注意力机制（Self-Attention）一.为什么要引入自注意力机制？其能用于何处？二.引入自注意力机制后例子的简要流程三.自注意力机制的工作原理四.自注意力机制的矩阵运算（并行运算）五.多头自注意力机制（Multi-headself-attention）简介六.位置编码七.self-attention的衍生技术（应用）八.self-attentionV.S.不同的网络九.自注意力机制的小小展望一.为什么要引入自注意力机制？其能用于何处？引入自注意力机制的最初想法是：处理向量序列，且这个向量序列的长度一般是

北大编程网格【作业题】题目答案整理一些作业题的汇总，持续更新中。有需要的小伙伴可以留言或者私信我。下面列举的题都成功编译通过的，一共如下的61个题目的答案（53页），都是成功编译通过的，质量很高。目录北大编程网格【作业题】题目答案整理作业1HelloWorld基础读写A+B问题计算(a+b)*c的值作业2与圆相关的计算计算(a+b)/c的值计算分数的浮点数值用边长求三角形面积苹果大战虫子甲流疫情死亡率温度表达转化作业3计算邮资点和正方形的关系年龄与疾病奇数求和自由下落的球统计满足条件的4位数个数作业4数组逆序学分绩点数值统计分析约瑟夫问题实现冒泡排序输出前k大的数奇数单增序列区间合并作业5矩阵

本文是我人工智能概论的课程大作业实践应用报告，可供各位同学参考，内容写的及其水，部分也借助了gpt自动生成，排版等也基本做好，大家可以参照。如果有需要word版的可以私信我，或者在评论区留下邮箱，我会逐个发给。word版是我最后提交的，已经调整统一了全文格式等。希望能给大家提供一些参考。如果有给自己作业起到参考帮助，请给我点个赞哦，嘿嘿嘿嘿😘😘😘基于PyTorch的深度学习手写数字识别模型研究与实践摘要：本研究旨在通过基于深度学习框架PyTorch的手写数字识别模型，实现对MNIST手写数字数据集的准确识别。在数据来源、问题分析、数据预处理、模型求解和总结等方面展开研究。我使用了经典的MNIS

目录一、实验目的二、实验原理1.Nmap介绍2.Nmap常用命令选项三、实验预习四、实验设备：五、实验内容：六、实验过程：（一）电脑端启动Zenmap，如下图所示；（二）TCPconnect扫描1.对路由器的80号端口使用TCPconnect扫描方式进行端口扫描2.对路由器的53号端口使用TCPconnect扫描方式进行端口扫描3.对路由器的（学号后两位）~（学号后两位+10）端口使用TCPconnect扫描方式进行端口扫描，并且设定扫描时按照从小到大的顺序依次进行扫描（二）TCPSYN扫描1.对路由器的80号端口使用TCPSYN扫描方式进行端口扫描2.对路由器的53号端口使用TCPSYN扫描