声明：看到研究非常细致深入的文章，转载到我的博客园，以便学习和研究。（转载自知乎的DennisWin）分型是缠论K线系统中一个极为关键的概念，源自K线组合的一个完全分类，是一个纯理论的推导。最早提岀分型概念的是诺贝尔奖获得者一一美国的比尔•威廉姆斯博士，他在《混沌操作法》一书中，将分型（Fractal台湾翻译为碎形）称为上分型和下分型。缠中说禅在《教你炒股票108课》中将分型加以简化，称为顶分型和底分型。如图1-17所示，连续三根经由包含处理后的K线，按完全分类方法仅可以组合成四种不同的结构，其中2和4就是分型。分型由连续三根经由包含处理后的K线构成。分型有两种表现形式：顶分型、底分型。1.顶
文章目录前言一、逆回购是什么？1.什么是逆回购？2.最低参与金额是多少？3.逆回购交易是否安全？4.逆回购交易适合什么类型的客户？二、讯投XtQuant是什么？1.XtQuant运行依赖环境2.XtQuant运行逻辑三、使用xtquant进行逆回购（含完整源代码）1.选择深市开展逆回购2.深市逆回购完整代码总结前言前面很多人提到逆回购，但是经常一忙就忘了收盘后下单逆回购，白给的肉又飞了。这里我们使用xtquant玩玩逆回购，代码简单，复制到本地，配置好即可运行，收益无负担，送你的钱不要白不要。一、逆回购是什么？1.什么是逆回购？简单来讲，逆回购从本质上讲是一种短期贷款，就是你把钱借给别人，获得
量化交易量化交易是一种利用计算机算法执行交易策略的交易方法，它依赖于严格定义的规则和数学模型，而非人的主观判断。这种交易方式借助大量的金融数据和技术分析工具来执行交易，以期获得更好的交易结果。「为什么量化交易越来越受欢迎？」「提高交易效率和速度：」量化交易利用计算机执行交易，消除了人为因素和情绪对交易决策的影响，同时能在瞬息万变的市场中实现高效的交易。「数据驱动的决策：」量化交易利用大数据和技术分析工具进行决策，通过系统化的方法分析市场情况，更准确地评估风险和回报。「回测和优化：」通过历史数据回测，可以评估和优化交易策略，使其更适应不同市场情况，提高稳定性和盈利能力。「风险管理：」量化交易更注
在我们定义区块链共识算法之前，了解“共识”的含义至关重要。简而言之，这是一种达成协议的方式。区块链是一个分散的系统，没有单一的管理元素。为了在彼此之间建立某种信任，参与者应该就一些让每个人都满意的操作原则达成一致。这是共识机制的固有功能。那么，什么是区块链共识算法？它是指在网络用户之间建立协议并维护网络可操作性的一组特定数学规则和函数。共识机制确保区块链得到更新，交易以正确的顺序和方式处理，链内容的完整性在分布式网络的各个节点上得到保护。 共识与协议术语“协议”和“共识”通常被视为同一事物。但是，协议定义了区块链功能的基本规则，而共识则充当了一种使操作成为可能的机制。共识算法有助于系统采取特
在我们的SqlSugar开发框架的WPF应端中，有时候我们需要在按钮或者其他界面元素上使用一些图标，框架中我们可以使用lepoco/wpfui项目的图标库，也可以使用Font-Awesome-WPF图标库，另外我们如果喜欢阿里矢量图标库的，也可以通过使用Geometry图标来实现图标的展示，本篇随笔介绍在WPF应用中，结合阿里矢量图标库使用Geometry图标。1、回顾lepoco/wpfui项目的图标库，也可以使用Font-Awesome-WPF图标库在我们之前介绍过的随笔《循序渐进介绍基于CommunityToolkit.Mvvm和HandyControl的WPF应用端开发(7)--图标列
9.8 深度强化学习算法模型本项目的深度强化学习算法的是基于StableBaselines实现的，StableBaselines是OpenAIBaselines的一个分支，经过了重大的结构重构和代码清理工作。另外，在库FinRL中包含了经过调优的标准深度强化学习算法，如DQN、DDPG、多智能体DDPG、PPO、SAC、A2C和TD3，并且允许用户通过调整这些深度强化学习算法来设计他们自己的算法。首先通过类DRLAgent初始化了一个深度强化学习（DRL）代理，使用的训练环境是env_train。agent=DRLAgent(env=env_train)1.模型1：基于A2C算法A2C（Adv
代码为我自己写的 python 程序，应该是全网最简单的大模型部署方案，一个模型文件1.3GB，一个python代码即可开始玩耍~首先说明，本文下面的内容需要一点点python基础，需要会安装 python和 pip 安装依赖库，如果你不会或者不想这么麻烦，只想要下载就能马上使用的大模型离线整合包，那抱歉，目前只支持 Windows ，Windows系统的离线整合包文章介绍链接为：https://zhuanlan.zhihu.com/p/670964259https://mp.weixin.qq.com/s/W-b7AUXlCCggLpz_8IkLBQhttps://mp.weixin.qq
论文题目：RethinkingAttention:ExploringShallowFeed-ForwardNeuralNetworksasanAlternativetoAttentionLayersinTransformers论文链接： https://arxiv.org/abs/2311.10642代码仓库： GitHub-vulus98/Rethinking-attention:Myimplementationoftheoriginaltransformermodel(Vaswanietal.).I'veadditionallyincludedtheplayground.pyfilefor
随着建筑行业的数字化转型和信息建模技术的不断发展，建筑信息模型（BIM）已经成为设计、建造和管理建筑项目的标准。然而，BIM模型通常包含大量的数据，导致在Web上的传输和查看效率低下。为了解决这一挑战，HOOPS技术（HighlyOptimizedObject-OrientedParallelSoftware）崭露头角，为BIM模型实现了Web轻量化，提高了性能、可视化质量和用户体验。HOOPS中文网http://techsoft3d.evget.com/BIM和其挑战BIM是一个综合性的数字建模方法，它将建筑设计和施工过程中的所有信息整合到一个统一的三维模型中。这使得项目的各个阶段之间更加协
作者:英特尔边缘计算创新大使 刘力；1.1 ChatGLM3-6B简介ChatGLM3是智谱AI和清华大学KEG实验室联合发布的新一代对话预训练模型。ChatGLM3-6B是ChatGLM3系列中的开源模型，在填写问卷进行登记后亦允许免费商业使用。引用自：https://github.com/THUDM/ChatGLM3请使用命令，将ChatGLM3-6B模型下载到本地(例如，保存到D盘)：gitclonehttps://www.modelscope.cn/ZhipuAI/chatglm3-6b.git1.2 BigDL-LLM简介BigDL-LLM是开源，遵循Apache2.0许可证，专门用
