我是一个普普通通的大学生，我的博客记录了我学习编程以来共计1年多的水平，我希望能把自己大学的经历、选择、困惑等与同样身处大学，选择AI方向不知如何发展的人进行分享，因此写了这篇年终总结。另外，对于一些刚刚开始写博客的大学生，我也会介绍写博客会收获些什么。或许没人看，但我依旧有心分享。一、自我介绍本人是一末流985院校计算机科学与技术专业的学生，由于初高中成绩经常名列前茅拿过各种奖项，游戏、体育也是学校上等水平，结果高考失利后郁郁寡欢，直接就开始了大学生活，导致我常年彻夜失眠不堪重负，每天在室友的呼噜声中迎来天亮，他们去上课，我疲惫入眠。最终在大二休学了一年。所以如今我虽然是大三，但实际上只有大
# zTian.red：绕过卡巴斯基、360安全卫士、WindowsDefender动态执行CS、MSF命令...测试目标：WindowsDefender、卡巴斯基、360安全卫士极速版系统环境：win1064位 软件版本：cs4.7破解版、msf社区免费版 流量通信：http与https测试平台：遮天对抗平台，地址：zTian.red测试时间：2022-11-16一、CobaltStrikeShellCode免杀测试：开始：使用默认无修改teamserver配置，直接运行服务。添加两个监听，然后生成payload文件。导出payload时文件类型可以选择C、Java、Python。打开遮
# zTian.red：绕过卡巴斯基、360安全卫士、WindowsDefender动态执行CS、MSF命令...测试目标：WindowsDefender、卡巴斯基、360安全卫士极速版系统环境：win1064位 软件版本：cs4.7破解版、msf社区免费版 流量通信：http与https测试平台：遮天对抗平台，地址：zTian.red测试时间：2022-11-16一、CobaltStrikeShellCode免杀测试：开始：使用默认无修改teamserver配置，直接运行服务。添加两个监听，然后生成payload文件。导出payload时文件类型可以选择C、Java、Python。打开遮
本文会先介绍动态系统的概念，然后介绍两种简单的反馈神经网络，然后再介绍两种门控神经网络(LSTM,GRU)，最后是关于反馈神经网络的应用(本次以语音识别为例)。RNN:Recurrentneuralnetwork，一般叫它“反馈神经网络”或者“循环神经网络”。一、动态系统日常生活中，动态系统随处可见，蝴蝶扇动翅膀，它的翅膀是随着时间变化的，人走路、内燃机工作、股票等等，都是随着时间变化的。我们把这些系统成为动态系统。 我们最后要讲的语音识别就是使用RNN来建模一个动态系统的典型的例子。1.1反馈连接 1.1.1前馈网络 我们前面所学的CNN、MLP等，都是像上面一样有一个输入输出层，中间有n个
本文重点在第三部分“词嵌入”及对Word2vec的介绍，前面的知识主要用于小白对词表示和一些定义、名称的理解，和对一些方法不足的思考。一、词表示1.1词表示的定义词表示是一种将自然语言中的词转换为机器可理解含义的过程其中意思（meaning）的定义(WebsterDictionary)•Thethingoneintendstoconveyespeciallybylanguage•Thelogicalextensionofaword1.2词表示的目标计算词与词的相似度•WR(Star)≃WR(Sun)•WR(Motel)≃WR(Hotel)推测词与词的关系•WR(China)−WR(Beijin
本文重点在第三部分“词嵌入”及对Word2vec的介绍，前面的知识主要用于小白对词表示和一些定义、名称的理解，和对一些方法不足的思考。一、词表示1.1词表示的定义词表示是一种将自然语言中的词转换为机器可理解含义的过程其中意思（meaning）的定义(WebsterDictionary)•Thethingoneintendstoconveyespeciallybylanguage•Thelogicalextensionofaword1.2词表示的目标计算词与词的相似度•WR(Star)≃WR(Sun)•WR(Motel)≃WR(Hotel)推测词与词的关系•WR(China)−WR(Beijin
本文介绍多层感知机，会先按照历史顺序介绍多层感知机诞生前的一些模型，后面介绍具体实现与其算法。一、前戏1.1阈值逻辑单元(ThresholdLogicUnit,TLU)如上图是一个神经元，我们可以看到它的胞体、轴突、树突。我们高中的时候学过一种东西叫做神经递质，分为抑制性神经递质和兴奋性神经递质，以及一些关于兴奋和抑制相关的知识；我们把这些递质看作神经元的输入，则可模仿神经元建立以下模型(M-Punit)：其中：那个方块中的符号代表阶跃函数 兴奋性输入 抑制性输入 二元化输出输入与输出都是二进制的 阈值解释如下：M-P单元可以被单个抑制性信号所抑制，就像真实的神经元一样。如果,,..., 至少
本文介绍多层感知机，会先按照历史顺序介绍多层感知机诞生前的一些模型，后面介绍具体实现与其算法。一、前戏1.1阈值逻辑单元(ThresholdLogicUnit,TLU)如上图是一个神经元，我们可以看到它的胞体、轴突、树突。我们高中的时候学过一种东西叫做神经递质，分为抑制性神经递质和兴奋性神经递质，以及一些关于兴奋和抑制相关的知识；我们把这些递质看作神经元的输入，则可模仿神经元建立以下模型(M-Punit)：其中：那个方块中的符号代表阶跃函数 兴奋性输入 抑制性输入 二元化输出输入与输出都是二进制的 阈值解释如下：M-P单元可以被单个抑制性信号所抑制，就像真实的神经元一样。如果,,..., 至少
