
 国科大最坑爹的就是选课了,公选基本都是限人数,部分专业课也是有人数限制。等你打开教务选课,那些课早就没了。我特别写了这几个抢课JS,如果你能搜到我的博客并且你是国科大的,那么希望能帮到你。使用文档如下:务必使用谷歌或者火狐浏览器,这里以火狐为例方案一 自动抢课版    缺点,教务系统一旦崩溃,这代码估计也得崩了,由于是两秒一刷新,那么有可能会延误几秒,保险率80%。    优点,选课的整个流程都会自动,如果成功进入了选课页面,即使页面错误,也会继续刷新,直到成功提交。第一步。请先确认自己选课在时间上是不冲突的。第二步。记下自己的课程编号和课程所在的学院。第三步。我们要改一下方案一.tx...
    国科大最坑爹的就是选课了,公选基本都是限人数,部分专业课也是有人数限制。等你打开教务选课,那些课早就没了。我特别写了这几个抢课JS,如果你能搜到我的博客并且你是国科大的,那么希望能帮到你。使用文档如下:务必使用谷歌或者火狐浏览器,这里以火狐为例方案一 自动抢课版    缺点,教务系统一旦崩溃,这代码估计也得崩了,由于是两秒一刷新,那么有可能会延误几秒,保险率80%。    优点,选课的整个流程都会自动,如果成功进入了选课页面,即使页面错误,也会继续刷新,直到成功提交。第一步。请先确认自己选课在时间上是不冲突的。第二步。记下自己的课程编号和课程所在的学院。第三步。我们要改一下方案一.tx... const关键字可以修饰很多东西使其变成常量,用以保护被修饰的东西,下面我列出了一些我遇到的使用情况。指针常量和常量指针    const修饰指针的时候,可以按*号分成左右。如果const在*左面,那么就是指针常量(pointer to const),意味着*p这个值不能变,也就是说不能通过这个指针修改它指向的那块地址的值。如果const在*右面,那么就是常量指针(const pointer),这个指针可以通过*x的方式修改地址的值,那时不能通过x=&b的形式修改x中的地址。如下图,指针常量是黄色地址内的值不变,常量指针是蓝色地址内的值不变。#include <stdio.h>
int ma...
const关键字可以修饰很多东西使其变成常量,用以保护被修饰的东西,下面我列出了一些我遇到的使用情况。指针常量和常量指针    const修饰指针的时候,可以按*号分成左右。如果const在*左面,那么就是指针常量(pointer to const),意味着*p这个值不能变,也就是说不能通过这个指针修改它指向的那块地址的值。如果const在*右面,那么就是常量指针(const pointer),这个指针可以通过*x的方式修改地址的值,那时不能通过x=&b的形式修改x中的地址。如下图,指针常量是黄色地址内的值不变,常量指针是蓝色地址内的值不变。#include <stdio.h>
int ma...

 M-P模型    1943年McCulloch和Pitts发表文章,提出M-P模型。描述了一个简单的人工神经元模型的活动是服从二值(兴奋和抑制)变化的。总结了神经元的基本生理特性,提出了神经元的数学描述和网络的结构方法。——标志神经计算时代的开始神经元的输入有两种类型:兴奋边/抑制边;神经元的输出有两种状态, 兴奋/抑制;如果一条抑制边处于激活状态, 则神经元处于抑制状态;如果没有抑制边处于激活状态, 则当兴奋边的数目超过一个阈值时, 神经元处于兴奋状态, 否则处于抑制状态;特点边的权值都为固定值1, 无法调整;阈值;输出是0/1;一票否决;改进统一兴奋边和抑制边边的权值都为固定值1 -> 权...
M-P模型    1943年McCulloch和Pitts发表文章,提出M-P模型。描述了一个简单的人工神经元模型的活动是服从二值(兴奋和抑制)变化的。总结了神经元的基本生理特性,提出了神经元的数学描述和网络的结构方法。——标志神经计算时代的开始神经元的输入有两种类型:兴奋边/抑制边;神经元的输出有两种状态, 兴奋/抑制;如果一条抑制边处于激活状态, 则神经元处于抑制状态;如果没有抑制边处于激活状态, 则当兴奋边的数目超过一个阈值时, 神经元处于兴奋状态, 否则处于抑制状态;特点边的权值都为固定值1, 无法调整;阈值;输出是0/1;一票否决;改进统一兴奋边和抑制边边的权值都为固定值1 -> 权...

 产生式分类器和判别式分类器产生式分类器:对联合分布p(x,y)建模– 产生:能从联合分布p(x,y)中产生数据– (朴素)贝叶斯分类器– LDA/QDA判别式分类器:直接对p(y|x)建模– Logistic回归– 感知机/神经元网络– SVMlogistic回归    logistic回归是对线性回归的扩展,它在线性回归的结果上再利用sigmod函数进行了一次映射。用函数表示成。其中WT *X是前面提到的线性回归的表达式,sigm是sigmod函数,形式为。sigmod函数是一个S形函数,它将线性回归的结结果映射到(0,1)区间。    这里我们只讨论类别是二值的分类。所以目标变量y服从伯努...
产生式分类器和判别式分类器产生式分类器:对联合分布p(x,y)建模– 产生:能从联合分布p(x,y)中产生数据– (朴素)贝叶斯分类器– LDA/QDA判别式分类器:直接对p(y|x)建模– Logistic回归– 感知机/神经元网络– SVMlogistic回归    logistic回归是对线性回归的扩展,它在线性回归的结果上再利用sigmod函数进行了一次映射。用函数表示成。其中WT *X是前面提到的线性回归的表达式,sigm是sigmod函数,形式为。sigmod函数是一个S形函数,它将线性回归的结结果映射到(0,1)区间。    这里我们只讨论类别是二值的分类。所以目标变量y服从伯努...

 线性回归介绍    线性回归是利用数理统计中的回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。我们假设有n维特征,用公式表示为y=f(X)+ε.其中X是一个n+1维的向量,用点积形式表示为,w和x都是n+1维向量,其中n维是特征,最后1维是一个常数,或者叫截距项。我们要计算的就是这个w向量,w成为权重向量,有了w,根据公式就可以计算出y。    上图给出了一个房价预测的例子。房价预测就是用前面的四列特征,计算出房子大体的价格。也就是我们要求一个公式price=a*x1+b*x2+c*x3+d*x4+e的一个公式,使这个公式在训练集上误差最小。求得一个w向量(a,b,c...
线性回归介绍    线性回归是利用数理统计中的回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。我们假设有n维特征,用公式表示为y=f(X)+ε.其中X是一个n+1维的向量,用点积形式表示为,w和x都是n+1维向量,其中n维是特征,最后1维是一个常数,或者叫截距项。我们要计算的就是这个w向量,w成为权重向量,有了w,根据公式就可以计算出y。    上图给出了一个房价预测的例子。房价预测就是用前面的四列特征,计算出房子大体的价格。也就是我们要求一个公式price=a*x1+b*x2+c*x3+d*x4+e的一个公式,使这个公式在训练集上误差最小。求得一个w向量(a,b,c...