当前位置: 首页 > news >正文

101alpha---第10

rank(((0 < ts_arg_min(ts_delta(close, 1), 4)) ? ts_delta(close, 1) : ((ts_arg_max(ts_delta(close, 1), 4) < 0) 
? ts_delta(close, 1) : (-1 * ts_delta(close, 1))))) 

alpha

那么我们来看具体含义 吧

rank(((0 < ts_arg_min(ts_delta(close, 1), 4)) ? ts_delta(close, 1) : ((ts_arg_max(ts_delta(close, 1), 4) < 0) 
? ts_delta(close, 1) : (-1 * ts_delta(close, 1))))) 

先分析下整体的结构。rank在最外围

里面有几个括号括起来

((0 < ts_arg_min(ts_delta(close, 1), 4)) ? ts_delta(close, 1) : ((ts_arg_max(ts_delta(close, 1), 4) < 0) ? ts_delta(close, 1) : (-1 * ts_delta(close, 1))))

两个三元判断符

如果0<这个ts_arg_min就怎么样,就执行ts_delta(close,1)这个。否则的话怎么样呢

否则的话如果(ts_arg_max(ts_delta(close, 1), 4) < 0),那么就 ts_delta(close, 1)。否则的话呢就

(-1 * ts_delta(close, 1))))。

ts_delta(close, 1) = close(t) - close(t-1)
其中,close(t) 是当前时刻的收盘价,close(t-1) 是前一时刻的收盘价。这个就是两者之间的差值了,

ts_arg_min(ts_delta(close, 1), 4))

这个是寻找4天中这个最小值

`ts_arg_min(ts_delta(close, 1), 4)` 在金融领域具有以下意义和相关知识: - **计算原理**:如前文所述,`ts_delta(close, 1)` 计算的是金融时间序列中收盘价的一阶差分,即相邻两个时间点收盘价的变化量,反映了价格的短期波动情况。`ts_arg_min(ts_delta(close, 1), 4)` 则是在 `ts_delta(close, 1)` 的结果上,以4个数据为一个滑动窗口,找出每个窗口内一阶差分最小值的位置索引。 - **金融意义** - **发现趋势转变点**:一阶差分的最小值可能暗示着价格趋势的转变。当收盘价的一阶差分在某个窗口内达到最小值时,可能意味着价格从上涨趋势转为下跌趋势,或者下跌趋势有所放缓,即将出现反转,这对于判断市场趋势的变化具有重要的预警作用。 - **衡量价格稳定性**:较小的一阶差分表明价格在短期内变化较小,即价格相对稳定。通过观察 `ts_arg_min(ts_delta(close, 1), 4)` 所对应的窗口位置,可以了解到在哪些时间段内价格的稳定性较高,这对于投资者评估市场风险、制定投资策略具有参考价值。例如,在价格稳定期,投资者可能更倾向于持有现有资产或进行低风险的投资操作。 - **辅助技术分析**:在技术分析中,该函数可以作为一个辅助指标,与其他技术指标如移动平均线、相对强弱指标(RSI)等结合使用,帮助投资者更全面地分析市场走势。例如,如果在某个时间段内,`ts_arg_min(ts_delta(close, 1), 4)` 频繁出现且对应的一阶差分最小值接近零,同时移动平均线显示出平缓走势,这可能暗示市场处于盘整阶段,投资者可以等待市场突破盘整区间后再进行相应的买卖操作。

那我们可以想到的就是如果

 (0 < ts_arg_min(ts_delta(close, 1), 4)),如果这个最小值大于0,即什么呢?就是这一天和前一天之间的差值。在四个周期内的最小差值是否大于0

  • ts_arg_min(..., 4)
    在长度为 4 的滑动窗口内,找出最小值的相对位置索引(从 0 开始)。
    例如,对于窗口 [2, 3, -2, 3],最小值为 -2,索引为 2,因此 ts_arg_min = 2

  • 0 < ts_arg_min(...)
    判断最小值的索引是否大于 0。如果结果为 True,说明最小值不在窗口的第一个位置(索引 0)。那么这样每次都来判断当前的和前面的差值

  • 当 0 < ts_arg_min(...) 为 True 时,意味着在过去 4 个周期中,价格下跌幅度最大的点不在最早的周期,而是在中间或末尾。
  • 这通常暗示价格的下跌动能在近期(窗口后半段)增强,可能预示着短期下跌趋势的延续。
条件信号含义交易策略建议
0 < ts_arg_min(...) 为 True近期下跌动能增强,短期趋势偏空考虑做空或减仓
0 < ts_arg_min(...) 为 False下跌动能在窗口早期已释放,可能接近底部

考虑观望或逢低买入

以下是以天为单位,用具体日期来解释 `(0 < ts_arg_min(ts_delta(close, 1), 4))` 的示例。 假设我们有某只股票连续5个交易日的收盘价数据,如下表所示: | 日期 | 收盘价(元) | | ---- | ---- | | 2025年5月5日 | 100 | | 2025年5月6日 | 102 | | 2025年5月7日 | 105 | | 2025年5月8日 | 103 | | 2025年5月9日 | 106 | 首先,计算 `ts_delta(close, 1)`,即相邻两天收盘价的差值: - 5月6日的差值:`102 - 100 = 2` - 5月7日的差值:`105 - 102 = 3` - 5月8日的差值:`103 - 105 = -2` - 5月9日的差值:`106 - 103 = 3` 得到一阶差分序列为:`[NaN, 2, 3, -2, 3]`。 然后,计算 `ts_arg_min(ts_delta(close, 1), 4)`。从5月6日开始,以4天为一个窗口进行滑动,当窗口包含5月6日、5月7日、5月8日、5月9日这4天的一阶差分数据 `[2, 3, -2, 3]` 时,其中最小值是 `-2`,它在这个窗口中的索引位置是 `2`(索引从0开始计数)。 最后,判断 `(0 < ts_arg_min(ts_delta(close, 1), 4))`,因为 `2 > 0`,所以结果为 `True`。 这意味着在从5月6日到5月9日这4天内,价格变化(一阶差分)最小(下跌幅度最大或上涨幅度最小)的情况不是发生在窗口开始的5月6日,而是在中间的5月8日。从金融角度看,这可能表示该股票价格下跌趋势在这4天内的后期阶段表现得更为明显,投资者可以结合其他指标和分析方法,进一步判断是否要调整投资策略,比如考虑是否要卖出该股票等。

即我们如果为true

这意味着在从 5 月 6 日到 5 月 9 日这 4 天内,价格变化(一阶差分)最小(下跌幅度最大或上涨幅度最小)的情况不是发生在窗口开始的 5 月 6 日,而是在中间的 5 月 8 日。从金融角度看,这可能表示该股票价格下跌趋势在这 4 天内的后期阶段表现得更为明

信号为 True,表明近期下跌动能增强,可能建议做空。

信号为 False,表明下跌动能在窗口早期已出现,可能接近底部,建议观望。

  • 操作原理
    • 借入资产:投资者需要先从拥有该资产的机构或个人(如证券公司、银行等)借入一定数量的资产。例如,在股票市场中,投资者向券商借入股票。
    • 卖出资产:借入资产后,投资者立即在市场上以当前价格将其卖出,获得现金。此时,投资者手中并没有实际的资产,而是持有了一笔负债(需要归还借入的资产)和卖出资产得到的现金。
    • 低价买入归还:当资产价格如预期下跌后,投资者再以较低的价格买入相同数量的该资产,归还给之前的出借方。这样,投资者通过先高卖后低买的操作,赚取了差价收益。

即如果大于0的话

再用 ts_delta(close, 1),再用这个周期的指标

0 < ts_arg_min(...) 为 True 可能表示找到的最小值在当前时间点之前,这或许暗示着从最小值出现的时刻到当前时刻,数据存在上升的趋势。而 ts_delta(close, 1) 能计算当前收盘价与前一周期收盘价的差值,若差值为正,进一步证实了价格处于上升趋势,与 0 < ts_arg_min(...) 所暗示的上升情况相呼应,可用于进一步分析上升的幅度和力度等。

要解释的话就用这几种

在金融分析中,`ts_arg_min(...)` 通常用于找出某个时间序列数据中的最小值及其对应的索引或时间点。如果 `0 < ts_arg_min(...)` 为 `True`,使用 `ts_delta(close, 1)` 可能有以下原因: - **确认上升趋势**:`0 < ts_arg_min(...)` 为 `True` 可能表示找到的最小值在当前时间点之前,这或许暗示着从最小值出现的时刻到当前时刻,数据存在上升的趋势。而 `ts_delta(close, 1)` 能计算当前收盘价与前一周期收盘价的差值,若差值为正,进一步证实了价格处于上升趋势,与 `0 < ts_arg_min(...)` 所暗示的上升情况相呼应,可用于进一步分析上升的幅度和力度等。 - **衡量波动起点**:最小值的出现可能标志着一段新的价格波动阶段的开始。通过 `ts_delta(close, 1)` 可以观察从这个可能的波动起点开始,价格的变化情况,了解价格是如何从最小值附近开始波动的,是快速上升、缓慢上升还是有其他复杂的变化模式,有助于更全面地把握价格走势的特征。 - **筛选有效数据**:该条件可能是在筛选特定条件下的数据进行分析。当 `0 < ts_arg_min(...)` 满足时,说明数据具有一定的特征,此时使用 `ts_delta(close, 1)` 可以针对这些符合条件的数据进一步计算价格的变化率等指标,用于更深入的分析,比如在构建交易策略时,筛选出在特定最小值条件下价格变化满足一定要求的情况,以确定买卖时机。 不过,具体的含义和用途还需要结合具体的代码逻辑和分析场景来准确理解,不同的金融分析模型和交易策略中,这些函数的组合使用方式会有所不同。

如果对返回最小值的索引是小于0的话

在正常的索引规则下,负索引是从序列末尾开始计数的,`ts_arg_min(ts_delta(close, 1), 4)` 返回负索引是一种不太常见的情况,可能有以下含义: - **数据处理或计算错误**:可能在数据获取、清洗或计算过程中出现了问题,导致索引值出现异常。例如,数据缺失、数据类型错误或计算函数的参数设置不当等,都可能引发这种错误的结果。 - **特殊的编程约定或上下文**:在某些特定的编程环境或自定义的函数逻辑中,开发人员可能对负索引赋予了特殊的含义。比如,规定负索引表示从后往前数的特定位置,用于处理一些特殊的需求,如分析近期数据的变化趋势,从后往前找最小值可能与近期价格快速下跌等情况相关。但这种情况需要根据具体的代码实现和业务逻辑来确定。 - **边界条件或异常情况**:如果数据序列的长度小于窗口大小 `4` ,或者在计算过程中遇到了边界情况,可能会导致返回的索引值不符合正常的范围。例如,当数据不足 `4` 个时,计算最小值的索引可能会出现不确定的结果,表现为负索引。 一般来说,正常的索引应该是非负整数,如果出现负索引,需要仔细检查数据和代码逻辑,以确定其原因,并根据具体情况进行处理,可能包括修正数据错误、调整代码逻辑或进一步分析特殊情况的意义。

就相当于是返回了缺失值。那么怎么进行处理呢?

(ts_arg_max(ts_delta(close, 1), 4) < 0)先看是不是这个有缺失值。如果是这个的话

用 ts_delta(close, 1)来判断

 (ts_arg_max(...) > 0)

当最大值出现在过去(而非当前天)时,说明上涨动能已见顶,可能触发反转信号。
例如:

  • 表达式修正:原条件 (ts_arg_max(...) < 0) 恒为 False,应改为 (ts_arg_max(...) > 0) 以捕捉趋势反转。
  • 策略逻辑:当最大价格变动出现在过去时,预判趋势即将反转,通过取反生成反向信号.

不过我们在前面套了个rank 

rank(( (0 < ts_arg_min(ts_delta(close, 1), 4)) ? ts_delta(close, 1) : ((ts_arg_max(ts_delta(close, 1), 4) > 0) ? ts_delta(close, 1) : (-1 * ts_delta(close, 1)))))

分步解析
  1. 内层条件逻辑

    • 0 < ts_arg_min(...)
      判断价格下跌最小值是否出现在窗口后期(近期加速下跌),若是则直接使用 ts_delta
    • ts_arg_max(...) > 0
      判断价格上涨最大值是否出现在过去(而非当前),若是则使用 ts_delta,否则取反(认为上涨动能衰竭)。
  2. 外层 rank() 操作
    将上述逻辑生成的信号在所有资产中进行排名,得到标准化分数。例如:

    • 若某股票的 ts_delta 经调整后为正值且排名靠前,则 rank() 返回接近 1.0 的分数。
    • 若某股票的 ts_delta 被取反(看空信号)且排名靠后,则 rank() 返回接近 0.0 的分数。

相关文章:

101alpha---第10

rank(((0 < ts_arg_min(ts_delta(close, 1), 4)) ? ts_delta(close, 1) : ((ts_arg_max(ts_delta(close, 1), 4) < 0) ? ts_delta(close, 1) : (-1 * ts_delta(close, 1))))) alpha 那么我们来看具体含义 吧 rank(((0 < ts_arg_min(ts_delta(close, 1), 4)) ? …...

vim中的查找

在 Vim 中&#xff0c;使用 n 键可以按正向&#xff08;向下&#xff09;继续查找下一个匹配项。若要反向&#xff08;向上&#xff09;查找&#xff0c;可以使用以下方法&#xff1a; 1. 使用 N 键反向查找 在查找命令&#xff08;如 /keyword&#xff09;后&#xff0c;按下…...

什么是IP专线?企业数字化转型的关键网络基础设施

为什么企业需要IP专线&#xff1f; 在当今数字化浪潮席卷全球的背景下&#xff0c;企业网络需求正经历着前所未有的变革。传统网络架构已难以满足现代企业对高效、安全、灵活网络服务的需求&#xff0c;IP专线正是在这一背景下应运而生的关键网络解决方案。 专线服务本质上是…...

Linux环境基础开发工具的使用(yum、vim、gcc、g++、gdb、make/Makefile)

目录 Linux软件包管理器 - yum Linux下载软件的方式 认识yum 查找软件包 安装软件包 如何实现本地机器和云服务器之间的文件互传 卸载软件 Linux编辑器 - vim vim的基本概念 vim下各模式的切换 vim命令模式各命令汇总 vim底行模式各命令汇总 Linux编译器 - gcc/g …...

5.11 - 5.12 JDBC+Mybatis+StringBoot项目配置文件

JDBC&#xff1a; 预编译SQL优点&#xff1a;安全&#xff0c;性能更高。 在cmd里面输入java-jar就可以运行jar包。 Mybatis&#xff1a; 持久层框架。用于简化JDBC的开发。 数据库连接池里面放置的是一个一个Connection连接对象。&#xff08;连接池中的连接可以复用&#…...

判断一个数组有没有重复值

要判断一个数组是否包含重复值&#xff0c;你可以使用多种方法。以下是一些常用的方法&#xff1a; 方法 1&#xff1a;使用 Set Set 是一种集合数据结构&#xff0c;它只存储唯一的值。因此&#xff0c;你可以将数组转换为 Set&#xff0c;然后比较 Set 的大小与数组的长度。…...

51c大模型~合集127

我自己的原文哦~ https://blog.51cto.com/whaosoft/13905076 #Executor-Workers架构 图解Vllm V1系列2 本文详细介绍了vllm v1的Executor-Workers架构&#xff0c;包括Executor的四种类型&#xff08;mp、ray、uni、external_launcher&#xff09;及其适用场景&#xff…...

Spring急速入门

Spring 是 企业级开发的一站式框架&#xff0c;核心是 IOC&#xff08;控制反转&#xff09; 和 AOP&#xff08;面向切面编程&#xff09; 一、Spring 核心&#xff1a;IOC 理论 1. 什么是 IOC&#xff1f; IOC&#xff08;Inversion of Control&#xff0c;控制反转&…...

#在 CentOS 7 中手动编译安装软件操作及原理

在 CentOS 7 中&#xff0c;手动编译安装软件&#xff08;即从源代码编译安装&#xff09;是一种高度灵活的方式&#xff0c;适用于需要定制化软件功能、优化性能或安装官方仓库未提供的软件版本的场景。以下是针对手动编译安装的详细说明&#xff0c;包括原理、步骤、注意事项…...

【Kubernetes】初识基础理论(第一篇)

前言 单机容器编排&#xff1a; docker-compose 容器集群编排&#xff1a; docker swarm、mesosmarathon、kubernetes 应用编排&#xff1a; ansible 一、Kubernetes概述 Kubernetes 是一个可移植的、可扩展的开源平台&#xff0c;用于管理容器化的…...

配置集群(yarn)

在配置 YARN 集群前&#xff0c;要先完成以下准备工作&#xff1a; 集群环境规划&#xff1a;明确各节点的角色&#xff0c;如 ResourceManager、NodeManager 等。网络环境搭建&#xff1a;保证各个节点之间能够通过网络互通。时间同步设置&#xff1a;安装 NTP 服务&#xff0…...

按钮导航组件 | 纯血鸿蒙组件库AUI

摘要&#xff1a; 按钮导航组件(A_ButtonNav)&#xff1a;可设置导航数据(含文本及路由)&#xff0c;可设置按钮颜色、导航标题及导航子标题。 一、组件调用方式 1.1.极简调用&#xff1a; 用 A_ButtonNav 调用“按钮导航组件”&#xff0c;只需要给属性 data &#xff08;导…...

自适应主从复制模拟器的构建与研究

自适应主从复制模拟器的构建与研究 摘要: 本文旨在构建一个自适应主从复制模拟器,深入研究主从复制原理及优化方法。从研究者视角出发,详细阐述模拟器的设计、实现与实验过程,通过表格、图表及代码等辅助手段,逐步探讨如何在不同网络条件和负载下,自动调整主从复制参数和…...

015枚举之滑动窗口——算法备赛

滑动窗口 最大子数组和 题目描述 给你一个整数数组 nums &#xff0c;请你找出一个具有最大和的连续子数组&#xff08;子数组最少包含一个元素&#xff09;&#xff0c;返回其最大和。 原题链接 思路分析 见代码注解 代码 int maxSubArray(vector<int>& num…...

【Dv3Admin】工具视图配置文件解析

在开发后台管理系统时,处理复杂的 CRUD 操作是常见的需求。Django Rest Framework(DRF)通过 ModelViewSet 提供了基础的增删改查功能,但在实际应用中,往往需要扩展更多的功能,如批量操作、权限控制、查询优化等。dvadmin/utils/viewset.py 模块通过继承并扩展 ModelViewS…...

在MyBatis Plus里处理LocalDateTime类型

在MyBatis Plus里处理LocalDateTime类型 在MyBatis Plus里处理LocalDateTime类型时&#xff0c;你要确保数据库字段和Java实体类属性之间的类型映射是正确的。下面为你介绍处理这种情况的方法&#xff1a; 1. 数据库字段类型对应设置 要保证数据库字段类型和LocalDateTime相…...

编程技能:字符串函数03,strncpy

专栏导航 本节文章分别属于《Win32 学习笔记》和《MFC 学习笔记》两个专栏&#xff0c;故划分为两个专栏导航。读者可以自行选择前往哪个专栏。 &#xff08;一&#xff09;WIn32 专栏导航 上一篇&#xff1a;编程技能&#xff1a;字符串函数02&#xff0c;strcpy 回到目录…...

edge设置位IE模式打开网页

打开Edge浏览器->在浏览器工具栏右键->自定义工具栏->外观->选择要在工具栏上显示的按钮->找到“Internet Explorer 模式”按钮->开启,将其添加到工具栏中...

代码随想录训练营第二十二天| 101.对称二叉树 100.相同的树

101.对称二叉树&#xff1a; 文档讲解&#xff1a;代码随想录|101.对称二叉树 视频讲解&#xff1a;新学期要从学习二叉树开始&#xff01; | LeetCode&#xff1a;101. 对称二叉树_哔哩哔哩_bilibili 状态&#xff1a;已做出 思路&#xff1a; 这道题目我初始做的时候想着使用…...

nvm管理node版本

To manage Node.js versions on Windows, I recommend using nvm-windows (Node Version Manager for Windows). Here’s how we can handle this: First, let’s install nvm-windows. I’ll propose a command to check if it’s already installed: nvm versionGreat! I s…...

智能手表测试计划文档(软/硬件)

&#x1f4c4; 智能手表测试计划文档&#xff08;软/硬件&#xff09; 项目名称&#xff1a;Aurora Watch S1 文档编号&#xff1a;AW-S1-QA-TP-001 编制日期&#xff1a;2025-xx-xx 版本&#xff1a;V1.0 编写人&#xff1a;xxx&#xff08;测试主管&#xff09; 一、测试目标…...

基于大模型的原发性醛固酮增多症全流程预测与诊疗方案研究

目录 一、引言 1.1 研究背景与意义 1.2 国内外研究现状 1.3 研究目的与方法 二、原发性醛固酮增多症概述 2.1 疾病定义与发病机制 2.2 临床表现与诊断标准 2.3 流行病学特征 三、大模型预测原理与技术 3.1 大模型简介 3.2 预测原理与算法 3.3 数据收集与预处理 四…...

spring中的@Lazy注解详解

一、核心功能与作用 Lazy 注解是 Spring 框架中用于延迟 Bean 初始化的核心工具&#xff0c;通过将 Bean 的创建推迟到首次使用时&#xff0c;优化资源利用和启动性能。其核心功能包括&#xff1a; 延迟初始化 默认情况下&#xff0c;Spring 在容器启动时立即初始化所有单例 …...

Docker快速入门与应用

1. 什么是 Docker&#xff1f; Docker 就像一个“魔法箱子”&#xff0c;可以把你开发的应用&#xff08;代码、环境、配置&#xff09;‌打包成一个标准化的容器‌&#xff0c;这个容器可以在任何支持 Docker 的系统上运行&#xff0c;无需担心环境差异导致的问题。 ‌类比‌…...

判断一个数是不是素数的最高效的算法

判断一个数是否是素数&#xff0c;有从简单到复杂多种方法。最高效的算法取决于输入规模&#xff08;是几个亿以内的数&#xff0c;还是上百位的大整数&#xff09;&#xff0c;我会按实用场景分类讲解&#xff1a; ✅ 常规范围内&#xff08;比如 ≤ 1e12&#xff09;判断素数…...

《Head First 设计模式》第一章 - 笔记

本书是本人写的设计模式的笔记&#xff0c;写下核心要点&#xff0c;如果你掌握过设计模式&#xff0c;想快速阅读本书内容&#xff0c;这个笔记适合你阅读。如果你是新手&#xff0c;有 java 基础和 oo 设计原则基础&#xff0c;你适合跟我一样从零阅读本书。 第一章 策略模式…...

GPT系列:自然语言处理的演进与多模态的探索

GPT系列&#xff1a;自然语言处理的演进与多模态的探索 GPT系列的发展一、GPT-1 &#xff1a;通过生成式的预训练改进自然语言GPT-1的动机做一个预训练模型的难点GPT-1的微调模式GPT-1的训练数据Bert 二、GPT-2语言模型是非监督的GPT-2的动机引入promptGPT-2模型架构的改变GPT-…...

Linux驱动:驱动编译流程了解

要求 1、开发板中的linux的zImage必须是自己编译的 2、内核源码树,其实就是一个经过了配置编译之后的内核源码。 3、nfs挂载的rootfs,主机ubuntu中必须搭建一个nfs服务器。 内核源码树 解压 tar -jxvf x210kernel.tar.bz2 编译 make x210ii_qt_defconfigmakeCan’t use ‘…...

【MySQL】数据库基础

目录 1.什么是数据库2.见一见数据库3.服务器、表、库之间的关系4.MySQL架构5.sql语句分类6.查看MySQL存储引擎6.1 查看存储引擎6.2 常见存储引擎对比 1.什么是数据库 概念&#xff1a;数据库一般是指&#xff0c;在磁盘或者内存中存储的特定结构组织的数据 – 将来在磁盘上存储…...

1.1 文章简介

前因后果链 行业需求 → 技能断层 → 课程设计响应 (高薪岗位要求数学基础) → (符号/公式理解困难) → (聚焦原理与应用) 行业驱动因素 • 前因&#xff1a;机器学习/AI等领域的高薪岗位激增&#xff0c;但数学能力成为主要门槛 • 关键矛盾&#xff1a;算法论文中的数学…...

laravel 中使用的pdf 扩展包 laravel-snappy(已解决中文乱码)

Centos7 安装 wkhtmltopdf 1、先查看系统是 32 位的还是 64 位的 uname -a2、通过 composer 安装 wkhtmltopdf 32位: $ composer require h4cc / wkhtmltopdf-i386 0.12.x $ composer require h4cc / wkhtmltoimage-i386 0.12.x 64位: $ composer require h4cc/wkhtmltopdf-…...

java反序列化commons-collections链6

cc链6&#xff0c;最好用的cc链&#xff0c;因为它不受jdk版本的限制和cc版本的限制&#xff0c;前半段很像urldns链&#xff0c;后半段是cc1链 先来看一下它的利用链 Gadget chain:java.io.ObjectInputStream.readObject()java.util.HashSet.readObject()java.util.HashMap.p…...

WebSocket的原理及QT示例

一.WebSocket 介绍 1.概述 WebSocket 是一种在单个 TCP 连接上进行全双工通讯的协议&#xff0c;它在 2011 年被 IETF 定为标准 RFC 6455&#xff0c;并由 RFC7936 补充规范。与传统的 HTTP 协议不同&#xff0c;WebSocket 允许服务器和客户端之间进行实时、双向的数据传输&a…...

css 点击后改变样式

背景&#xff1a; 期望实现效果&#xff1a;鼠标点击之后&#xff0c;保持选中样式。 实现思路&#xff1a;在css样式中&#xff0c;:active 是一种伪类&#xff0c;用于表示用户当前正在与被选定的元素进行交互。当用户点击或按住鼠标时&#xff0c;元素将被激活&#xff0c;此…...

AI 在模仿历史语言方面面临挑战:大型语言模型在生成历史风格文本时的困境与研究进展

概述 在当今数字化时代&#xff0c;人工智能&#xff08;AI&#xff09;技术在诸多领域展现出了强大的能力&#xff0c;但在处理历史语言这一特定任务时&#xff0c;却遭遇了不小的挑战。美国和加拿大的研究人员通过合作发现&#xff0c;像 ChatGPT 这样的大型语言模型&#x…...

C++.Windows图形

Windows图形 1. 基础知识1.1 Windows图形编程基础1.2 GDI与GDI1.3 窗口消息处理2.1 注册窗口类2.2 创建窗口2.3 显示窗口3.1 创建按钮3.2 按钮消息处理4.1 设置窗口透明度4.2 透明窗口示例5.1 使用区域创建异形窗口5.2 异形窗口示例6.1 GDI抗锯齿设置6.2 抗锯齿绘图示例7.1 Dir…...

【Vue3】使用vite创建Vue3工程、Vue3基本语法讲解

一、什么是Vite Vite是新一代前端构建工具&#xff0c;官网地址&#xff1a;Vite中文网&#xff0c;vite的优势如下&#xff1a; 轻量快速的热重载&#xff08;HMR&#xff09;&#xff0c;能实现极速的服务启动对TypeScript、JSX、CSS等支持开箱即用真正的按需编译&#xff…...

专题二:二叉树的深度优先搜索

以leetcode2331题为例 题目分析&#xff1a; 以第一个示例为例 算法原理分析&#xff1a; 从宏观角度&#xff0c;也就是我的算法之回溯的第一篇 我们发现我们在研究示例的时候&#xff0c;必须从下往上推 也就是我在研究一个结点是true还是false的时候&#xff0c;必须…...

Termius ssh连接服务器 vim打开的文件无法复制问题

你的问题是&#xff1a; • 在 Termius (macOS) SSH 连接到 VMware Ubuntu&#xff0c;使用 vim 打开 .cpp 文件时&#xff0c;可以复制文本&#xff1b; • 但在 Windows 10 上 SSH 到 VMware 的 Red Hat 6.4 时&#xff0c;复制操作无效。 ⸻ &#x1f3af; 初步分析 复制…...

搭建大数据学习的平台

一、基础环境准备 1. 硬件配置 物理机&#xff1a;建议 16GB 内存以上&#xff0c;500GB 硬盘&#xff0c;多核 CPU虚拟机&#xff1a;至少 3 台&#xff08;1 主 2 从&#xff09;&#xff0c;每台 4GB 内存&#xff0c;50GB 硬盘 2. 操作系统 Ubuntu 20.04 LTS 或 CentOS…...

Matlab 模糊控制节水洗衣机模型

1、内容简介 Matlab 232-模糊控制节水洗衣机模型 可以交流、咨询、答疑 2、内容说明 略 3、仿真分析 略 4、参考论文 略...

如何找正常运行虚拟机

1.新建虚拟机。Linux centos7&#xff0c;给虚拟机改个名字不要放在c盘 2.安装操作系统。cd/dvd->2009.iso 启动虚拟机...

python二手书交易管理系统

目录 技术栈介绍具体实现截图系统设计研究方法&#xff1a;设计步骤设计流程核心代码部分展示研究方法详细视频演示试验方案论文大纲源码获取/详细视频演示 技术栈介绍 Django-SpringBoot-php-Node.js-flask 本课题的研究方法和研究步骤基本合理&#xff0c;难度适中&#xf…...

使用本地部署的 LLaMA 3 模型进行中文对话生成

以下程序调用本地部署的 LLaMA3 模型进行多轮对话生成&#xff0c;通过 Hugging Face Transformers API 加载、预处理、生成并输出最终回答。 程序用的是 Chat 模型格式&#xff08;如 LLaMA3 Instruct 模型&#xff09;&#xff0c;遵循 ChatML 模板&#xff0c;并使用 apply…...

C++编程练习,认识面向对象权限,如何进行封装

#include <iostream> #include <string> using namespace std; /* 银行的账户是一个模板&#xff0c;是一个类&#xff0c;有存款人信息和账户额度&#xff0c;而具体的存款人视为一个对象&#xff0c; 一个对象不能私自修改账户额度&#xff0c;需要通过一个操作流…...

A Survey of Learning from Rewards:从训练到应用的全面剖析

A Survey of Learning from Rewards&#xff1a;从训练到应用的全面剖析 你知道大语言模型&#xff08;LLMs&#xff09;如何通过奖励学习变得更智能吗&#xff1f;这篇论文将带你深入探索。从克服预训练局限的新范式&#xff0c;到训练、推理各阶段的策略&#xff0c;再到广泛…...

电脑端音乐播放器推荐:提升你的听歌体验!

在快节奏的职场环境中&#xff0c;许多上班族都喜欢用音乐为工作时光增添色彩。今天要分享的这款音乐工具&#xff0c;或许能为你的办公时光带来意想不到的惊喜。 一、软件介绍-澎湃 澎湃音乐看似是个普通的播放器&#xff0c;实则藏着强大的资源整合能力。左侧功能栏清晰陈列着…...

小刚说C语言刷题—1149 - 回文数个数

1.题目描述 一个正整数&#xff0c;正读和反读都相同的数为回文数。 例如 22&#xff0c; 131&#xff0c; 2442 &#xff0c; 37073&#xff0c; 66&#xff0c;…… 所有 11位数都是回文数。 给出一个正整数 n &#xff08; 1≤n≤10000 &#xff09;&#xff0c;求出 1,2…...

基于SpringBoot的博客系统测试报告

一、编写目的 本报告为博客系统测试报告&#xff0c;本项目模拟了csdn&#xff0c;实现了包括了用户登录&#xff0c;发布博客文章&#xff0c;查看博客等功能。 二、项目背景 博客系统采用前后端分离的方法来实现&#xff0c;同时使用了数据库来存储相关的数据&#xff0c…...

Koa知识框架

一、核心概念 1. 基本特点 由 Express 原班人马开发的下一代 Node.js Web 框架 基于中间件的洋葱圈模型 轻量级核心&#xff08;仅约 600 行代码&#xff09; 完全使用 async/await 异步流程控制 没有内置任何中间件&#xff0c;高度可定制 2. 核心对象 Application (Ko…...