当前位置： 首页 > news >正文

人工智能发展历程

news 来源：原创 2025/5/18 12:14:23

AI 发展历史时间表

  1. 1943年，美国神经科学家沃伦·斯特·麦卡洛克和逻辑学家沃尔特·皮茨提出了神经元的数学模型，第一个神经元的数学模型- MP 模型。为现代人工智能学科的建立奠定了基础。
  2. 1950年，艾伦·图灵提出了著名的“图灵测试”，使得机器智能的概念开始被广泛认知。
  3. 同年，克劳德·香农提出了计算机下棋的构想。
  4. 1956年，在达特茅斯学院的夏季研讨会上，“人工智能”这一术语被正式提出，标志着人工智能作为一个独立学科的诞生。
  5. 1957年，弗兰克·罗森布拉特在IBM-704计算机上实现了他发明的感知机模型( Perceptron )。这是早期神经网络研究的一个重要里程碑。
  6. 1958年，大卫·考克斯提出了逻辑回归模型，这是一种线性分类模型，结构与感知机相似，但使用了Sigmoid激活函数，目的是最大化分类的准确性。
  7. 1959年，亚瑟·塞缪尔首次定义了机器学习：一个旨在让计算机能够自主学习而无需显式编程的研究领域。
  8. 1961年，伦纳德·乌尔和查尔斯·沃斯勒发表了一篇关于模式识别的论文，描述了他们尝试利用机器学习或自组织过程来设计模式识别程序。
  9. 1965年，I.J. 古德提出了“AI威胁论”，警告说机器的超级智能可能会超出人类的控制，这一观点后来被多位科学家进一步探讨。
  10. 1966年，麻省理工学院的约瑟夫·魏岑鲍姆开发了ELIZA程序，使得人与计算机之间的自然语言对话成为可能，ELIZA通过关键词匹配规则来生成回复。
  11. 1967年，托马斯等人提出了K最近邻（KNN）算法，这是一种基于实例最近邻数据的分类方法。
  12. 1968年，爱德华·费根鲍姆提出了首个专家系统DENDRAL，并定义了“知识库”这一概念。该系统在化学领域拥有丰富的知识，能够通过质谱数据推断分子结构，这标志着人工智能史上第二次浪潮的开始。
  13. 1969年，马文·明斯基在其著作《感知器》中提出了XOR问题，指出单层感知器无法解决XOR这类线性不可分问题，这一发现导致神经网络研究进入了一个长达十年的低谷期。
  14. 1974年，哈佛大学的保罗·沃博斯在其博士论文中首次提出了利用误差反向传播（BP算法）来训练人工神经网络的理论。尽管这一时期的研究并未受到广泛关注，但BP算法的核心思想是利用误差的导数（梯度）来调整权重，以期逐步减少误差，最终使网络具备“万能近似”的能力。
  15. 1975年，马文·明斯基在论文《框架理论》中提出了知识表示的学习框架，这成为了人工智能研究的一个关键转折点。
  16. 1976年，兰德尔·戴维斯致力于开发和维护庞大的知识库，并提出通过集成面向对象的模型可以增强知识库的开发、维护和应用的一致性。
  17. 同年，斯坦福大学的爱德华·肖特利夫等开发了首个用于诊断和治疗血液感染的医疗专家系统MYCIN。
  18. 同年，斯坦福大学的勒纳特发表了论文《启发式搜索在数学中的应用》，介绍了一个名为“AM”的程序，该程序利用大量启发式规则来探索新的数学概念，并重新发现了数百个数学中的标准概念和定理。
  19. 1977年，海斯·罗思等人开发的基于逻辑的机器学习系统取得了初步进展，尽管当时它只能学习单一概念，还未能在实际应用场景中广泛使用。
  20. 1979年，汉斯·贝利纳开发的计算机程序在双陆棋比赛中战胜了世界冠军，这一成就标志着人工智能发展的一个重要里程碑。随后，在罗德尼·布鲁克斯和其他人的努力下，基于行为的机器人学迅速崛起，成为人工智能的一个重要分支。同时，格瑞·特索罗开发的自学双陆棋程序也为后来的强化学习研究奠定了基础。
  21. 1980年，卡内基梅隆大学（CMU）举办了首届机器学习国际研讨会，这标志着机器学习研究在全球范围内的兴起。
  22. 同年，德鲁·麦迪蒙和乔恩·多伊尔提出了非单调逻辑，以及随后的机器人系统。
  23. 1980年，卡耐基梅隆大学为DEC公司开发了XCON专家系统，该系统每年为公司节省了四千万美元，取得了巨大成功。
  24. 1981年，R.P. Paul出版了第一本机器人学教科书《机器人操纵器：数学、编程和控制》，这标志着机器人学科的成熟。
  25. 1982年，大卫·马尔发表了他的代表作《视觉计算理论》，提出了计算机视觉的概念，并构建了系统的视觉理论，对认知科学产生了深远影响。
  26. 同年，约翰·霍普菲尔德发明了霍普菲尔德网络，这是最早的递归神经网络（RNN）的原型。霍普菲尔德神经网络模型是一种单层反馈神经网络，具有从输出到输入的反馈连接，它的出现极大地激发了神经网络领域的兴趣。
  27. 1983年，特伦斯·谢诺夫斯基和杰弗里·欣顿等人发明了玻尔兹曼机，也称为随机霍普菲尔德网络，这是一种无监督模型，用于对输入数据进行重构以提取数据特征进行预测分析。
  28. 1985年，朱迪亚·珀尔提出了贝叶斯网络，他以倡导人工智能的概率方法和发展贝叶斯网络而闻名，还因发展了一种基于结构模型的因果和反事实推理理论而受到赞誉。贝叶斯网络是一种模拟人类推理过程中因果关系的不确定性处理模型，如常见的朴素贝叶斯分类算法就是贝叶斯网络最基本的应用。
  29. 1986年，罗德尼·布鲁克斯发表了论文《移动机器人鲁棒分层控制系统》，这标志着基于行为的机器人学科的创立，机器人学界开始关注实际工程主题；
  30. 同年，杰弗里·欣顿等人提出了多层感知器（MLP）与反向传播（BP）训练相结合的理念，解决了单层感知器无法进行非线性分类的问题，开启了神经网络的新高潮；
  31. 同年，罗斯·昆兰提出了ID3决策树算法。决策树模型可视为多个规则的组合，与神经网络的黑盒模型不同，它具有良好的模型解释性。ID3算法的核心思想是通过自顶向下的贪心策略构建决策树，根据信息增益来选择特征进行划分。
  32. 1989年，乔治·西本科证明了“万能近似定理”，简单来说，多层前馈网络可以近似任意函数，其表达力与图灵机等价，从根本上消除了对神经网络表达力的质疑；
  33. 同年，扬·勒丘恩结合反向传播算法与权值共享的卷积神经层发明了卷积神经网络（CNN），并首次将CNN成功应用于美国邮局的手写字符识别系统中。CNN通常由输入层、卷积层、池化层和全连接层组成，卷积层负责提取图像中的局部特征，池化层用于降低参数量级，全连接层则输出结果。
  34. 1995年，Cortes和Vapnik提出了支持向量机（SVM），它在处理小样本、非线性及高维模式识别问题时展现了显著的优势，并能扩展到函数拟合等其他机器学习问题。SVM是在感知机基础上的改进，基于统计学习理论的VC维理论和结构风险最小化原则，与感知机的主要区别在于SVM寻找的是最大化样本间隔的超平面，具有更强的泛化能力，并通过核函数处理线性不可分问题；
  35. 同年，Freund和Schapire提出了AdaBoost算法，这是一种Boosting集成学习方法，通过串行组合弱学习器来提升泛化性能。与Bagging方法不同，Boosting主要优化偏差。
  36. 1997年，IBM的深蓝超级计算机战胜了国际象棋世界冠军加里·卡斯帕罗夫，深蓝通过穷举所有可能的走法并执行深度搜索来实现智能。
  37. 同年，Sepp Hochreiter和Jürgen Schmidhuber提出了长短期记忆网络（LSTM），这是一种复杂的循环神经网络，通过引入遗忘门、输入门和输出门来解决长序列训练中的梯度消失问题。
  38. 1998年，蒂姆·伯纳斯-李提出了语义网的概念，目的是通过添加计算机可理解的语义元数据，使互联网成为一个基于语义链接的通用信息交换媒介。
  39. 同年，布雷曼博士提出了随机森林算法，这是一种通过Bagging并行组合多个有差异的弱学习器来优化泛化性能的集成学习方法。
  40. 2003年，David Blei, Andrew Ng和Michael I. Jordan提出了LDA，这是一种无监督学习方法，用于推测文档的主题分布。
  41. 同年，Google发表了三篇大数据领域的奠基性论文，为大数据存储和分布式处理提供了理论基础。
  42. 2005年，波士顿动力公司推出了一款具有动力平衡的四足机器狗，能够适应复杂地形。
  43. 2006年，杰弗里·辛顿和他的学生鲁斯兰·萨拉赫丁诺夫正式提出了深度学习的概念，开启了深度学习在学术界和工业界的浪潮，辛顿也因此被誉为深度学习之父。深度学习使用多层隐藏层网络结构，通过大量的向量计算来学习数据的高阶表示。
  44. 2010年，Sinno Jialin Pan和Qiang Yang发表了关于迁移学习的调查文章。迁移学习是利用已有知识（如训练好的网络权重）来学习新知识以适应特定目标任务的方法，核心在于找到已有知识和新知识之间的相似性。
  45. 2011年，IBM Watson问答机器人参与Jeopardy回答测验比赛最终赢得了冠军。Waston是一个集自然语言处理、知识表示、自动推理及机器学习等技术实现的电脑问答（Q&A）系统。
  46. 2012年，Hinton和他的学生Alex Krizhevsky设计的AlexNet神经网络模型在ImageNet竞赛大获全胜，第一个深度神经网络算法，这是史上第一次有模型在 ImageNet 数据集表现如此出色，并引爆了神经网络的研究热情。AlexNet是一个经典的CNN模型，在数据、算法及算力层面均有较大改进，创新地应用了Data Augmentation、ReLU、Dropout和LRN等方法，并使用GPU加速网络训练。
  47. 2012年，谷歌正式发布谷歌知识图谱（Google Knowledge Graph），它是Google的一个从多种信息来源汇集的知识库，通过Knowledge Graph来在普通的字串搜索上叠一层相互之间的关系，协助使用者更快找到所需的资料的同时，也可以知识为基础的搜索更近一步，以提高Google搜索的质量。知识图谱是结构化的语义知识库，是符号主义思想的代表方法，用于以符号形式描述物理世界中的概念及其相互关系。其通用的组成单位是RDF三元组(实体-关系-实体)，实体间通过关系相互联结，构成网状的知识结构。
  48. 2013年，Durk Kingma和Max Welling在ICLR上以文章《Auto-Encoding Variational Bayes》提出变分自编码器（Variational Auto-Encoder，VAE）。VAE基本思路是将真实样本通过编码器网络变换成一个理想的数据分布，然后把数据分布再传递给解码器网络，构造出生成样本，模型训练学习的过程是使生成样本与真实样本足够接近。
  49. 2013年，Google的Tomas Mikolov 在《Efficient Estimation of Word Representation in Vector Space》提出经典的 Word2Vec模型用来学习单词分布式表示，因其简单高效引起了工业界和学术界极大的关注。Word2Vec基本的思想是学习每个单词与邻近词的关系，从而将单词表示成低维稠密向量。通过这样的分布式表示可以学习到单词的语义信息，直观来看，语义相似的单词的距离相近。Word2Vec网络结构是一个浅层神经网络（输入层-线性全连接隐藏层->输出层），按训练学习方式可分为CBOW模型(以一个词语作为输入，来预测它的邻近词)或Skip-gram模型 (以一个词语的邻近词作为输入，来预测这个词语)。
  50. 2014年，聊天程序“尤金·古斯特曼”（Eugene Goostman）在英国皇家学会举行的“2014图灵测试”大会上，首次“通过”了图灵测试。
  51. 2014年，Goodfellow及Bengio等人提出生成对抗网络（Generative Adversarial Network，GAN），被誉为近年来最酷炫的神经网络。GAN是基于强化学习(RL)思路设计的，由生成网络(Generator, G)和判别网络(Discriminator, D)两部分组成， 生成网络构成一个映射函数G: Z→X（输入噪声z, 输出生成的伪造数据x）, 判别网络判别输入是来自真实数据还是生成网络生成的数据。在这样训练的博弈过程中，提高两个模型的生成能力和判别能力。
  52. 2015年，为纪念人工智能概念提出60周年，深度学习三巨头LeCun、Bengio和Hinton(他们于2018年共同获得了图灵奖)推出了深度学习的联合综述《Deep learning》。文中指出深度学习就是一种特征学习方法，把原始数据通过一些简单的但是非线性的模型转变成为更高层次及抽象的表达，能够强化输入数据的区分能力。通过足够多的转换的组合，非常复杂的函数也可以被学习。
  53. 2015年，Microsoft Research的Kaiming He等人提出的残差网络（ResNet）在ImageNet大规模视觉识别竞赛中获得了图像分类和物体识别的优胜。残差网络的主要贡献是发现了网络不恒等变换导致的“退化现象（Degradation）”，并针对退化现象引入了 “快捷连接（Shortcut connection）”，缓解了在深度神经网络中增加深度带来的梯度消失问题。
  54. 2015年，谷歌开源TensorFlow框架。它是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。
  55. 2015年，马斯克等人共同创建OpenAI。它是一个非营利的研究组织，使命是确保通用人工智能 (即一种高度自主且在大多数具有经济价值的工作上超越人类的系统）将为全人类带来福祉。其发布热门产品的如：OpenAI Gym，GPT等。
  56. 2016年，谷歌提出联邦学习方法，它在多个持有本地数据样本的分散式边缘设备或服务器上训练算法，而不交换其数据样本。联邦学习保护隐私方面最重要的三大技术分别是： 差分隐私 ( Differential Privacy )、同态加密 ( Homomorphic Encryption )和 隐私保护集合交集 ( Private Set Intersection )，能够使多个参与者在不共享数据的情况下建立一个共同的、强大的机器学习模型，从而解决数据隐私、数据安全、数据访问权限和异构数据的访问等关键问题。
  57. 2016年，AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜。AlphaGo是一款围棋人工智能程序，其主要工作原理是“深度学习”，由以下四个主要部分组成：
    a. 策略网络（Policy Network）给定当前局面，预测并采样下一步的走棋；
    b. 快速走子（Fast rollout）目标和策略网络一样，但在适当牺牲走棋质量的条件下，速度要比策略网络快1000倍；
    c. 价值网络（Value Network）估算当前局面的胜率；
    d. 蒙特卡洛树搜索（Monte Carlo Tree Search）树搜索估算每一种走法的胜率。
  58. 2017年，更新的AlphaGo Zero，在此前的版本的基础上，结合了强化学习进行了自我训练。它在下棋和游戏前完全不知道游戏规则，完全是通过自己的试验和摸索，洞悉棋局和游戏的规则，形成自己的决策。随着自我博弈的增加，神经网络逐渐调整，提升下法胜率。更为厉害的是，随着训练的深入，AlphaGo Zero还独立发现了游戏规则，并走出了新策略，为围棋这项古老游戏带来了新的见解。
  59. 2017年，中国香港的汉森机器人技术公司（Hanson Robotics）开发的类人机器人索菲亚，是历史上首个获得公民身份的一台机器人。索菲亚看起来就像人类女性，拥有橡胶皮肤，能够表现出超过62种自然的面部表情。其“大脑”中的算法能够理解语言、识别面部，并与人进行互动。

在这里插入图片描述

AI 技术关键字

  • 联接主义 AI 学派（Connectionism）：又称：仿生学派或生理学派。 源于仿生学，特别是人脑模型的研究。核心思想是：认为人的智能归结为人脑的高层活动的结果，强调智能活动是由大量简单的单元通过复杂链接后并行运行的结果，其原理是神经网络及神经网络间的连接机制与学习算法。代表成果：人工神经网络，深度神经网络。
  • 神经元数学模型：神经元数学模型是神经网络的基础。每个神经元将最初的输入值乘以一定的权重，并加上其他输入到这个神经元里的值（并结合其他信息值），最后算出一个总和，再经过神经元的偏差调整，最后用激励函数把输出值标准化。这一模型模拟了生物神经元的信息处理过程。
  • “感知机”模型：感知机是二分类的线性模型，其输入是实例的特征向量，输出的是事例的类别（+1和-1）。感知机学习的目标是求得一个能够将训练数据集正实例点和负实例点完全正确分开的分离超平面。如果数据是线性可分的，感知机就能找到一个这样的超平面。感知机由Rosenblatt于1957年提出，是神经网络和支持向量机的基础。
  • 线性分类：指存在一个线性方程可以把待分类数据分开。线性分类模型的核心思想是将输入特征和输出类别之间的关系建模为一个线性关系，从而实现对数据集的分类。常见的线性分类方法有感知机、最小二乘法等。
  • 非线性分类：指不存在一个线性分类方程把数据分开。对于非线性可分的数据，一般的方法是先对数据进行空间映射，把数据映射到可以进行线性分类的空间中去，然后再用线性分类方法进行处理。
  • 逻辑回归模型：是一种广义的线性回归模型，它通过使用逻辑函数（通常是sigmoid函数）来预测一个事件发生的概率。逻辑回归模型在分类问题中广泛应用，尤其是二分类问题。
  • K最近邻（KNN）算法：是一种基于实例的学习算法，用于分类和回归问题。它的原理是根据样本之间的距离来进行预测。具体地，对于给定的未知样本，计算它与训练集中每个样本的距离，然后选择K个距离最近的样本进行投票或计算平均值，以确定待分类样本的类别或预测其数值。
  • XOR问题：是一个经典的机器学习问题。XOR问题的特点是两个输入变量的输出结果是它们不同则为真（1），相同则为假（0）。这个问题不能用简单的线性分类器解决，因为它是一个非线性问题。
  • 误差反向传播（BP算法）：是一种用于训练人工神经网络的算法。它通过计算网络输出与实际输出之间的误差，并将这个误差反向传播到网络的每一层，从而调整网络的权重和偏置，使网络的输出更接近实际输出。BP算法是神经网络训练中最常用的算法之一。
  • 机器学习：它使计算机能够在不进行明确编程的情况下从数据中学习并做出预测或决策。机器学习算法通过从训练数据中学习规律，然后应用这些规律对新数据进行预测或分类。
  • 强化学习：是一种机器学习技术，它通过与环境的交互来学习行为策略。在强化学习中，智能体（agent）通过尝试不同的行为来最大化某种累积奖励。强化学习在机器人控制、游戏AI等领域有广泛应用。
  • 深度学习：是一种机器学习技术，它使用深层神经网络来模拟人脑的学习过程。深度学习通过构建多层次的神经网络结构，能够自动地提取数据的特征并进行复杂的模式识别。深度学习在自然语言处理、计算机视觉等领域取得了重大突破。
  • 递归神经网络（RNN）：是一种能够处理序列数据的神经网络。它通过引入循环连接来捕捉序列中的时间依赖关系。RNN在语音识别、自然语言处理等领域有广泛应用。
  • 无监督模型：一种机器学习模型，它用于从未标记的数据中学习数据的结构和分布。无监督学习的主要任务包括聚类、降维等。常见的无监督学习算法有K均值聚类、主成分分析等。
  • 有监督模型：是一种机器学习模型，它使用标记的数据集进行训练。在有监督学习中，模型通过学习输入和输出之间的映射关系来进行预测或分类。常见的有监督学习算法有线性回归、逻辑回归、支持向量机等。
  • 卷积神经网络（CNN）：一种专门用于处理图像数据的神经网络。它通过卷积层、池化层等结构来捕捉图像中的局部特征和空间关系。CNN在图像分类、目标检测等领域有卓越的性能。
  • AlexNet神经网络模型：是一种深度卷积神经网络模型，它在2012年的ImageNet图像分类竞赛中取得了显著的成绩。AlexNet通过引入ReLU激活函数、Dropout等技术，提高了神经网络的性能和泛化能力。
  • 生成对抗网络：是一种深度学习模型，它由生成器和判别器两个网络组成。生成器负责生成逼真的数据样本，而判别器则负责区分真实数据和生成数据。GAN在图像生成、视频合成等领域有广泛的应用。
  • 残差网络（ResNet）：是一种深度卷积神经网络模型，它通过引入残差连接来解决深层神经网络中的梯度消失和梯度爆炸问题。ResNet在图像分类、目标检测等任务中取得了优异的性能。
  • 联邦学习：是一种分布式机器学习框架，它允许多个客户端在保护各自数据隐私的前提下共同训练一个全局模型。联邦学习通过聚合来自不同客户端的模型更新来更新全局模型，从而实现了数据隐私保护和模型性能提升的双重目标。

参考文档

  • https://www.cnblogs.com/subconscious/p/5058741.html

相关文章：

人工智能发展历程

AI 发展历史时间表 1943年，美国神经科学家沃伦斯特麦卡洛克和逻辑学家沃尔特皮茨提出了神经元的数学模型，第一个神经元的数学模型- MP 模型。为现代人工智能学科的建立奠定了基础。1950年，艾伦图灵提出了著名的“图灵测试”，使得…...

编程日记 2025/5/18 12:14:23

vim交换文件的工作原理

在vim中，交换文件是一个临时文件，当我们使用vim打开一个文件进行编辑（一定得是做出了修改才会产生交换文件）时候，vim就会自动创建一个交换文件，而之后我们对于文件的一系列修改都是在交换文件中进行的&…...

编程日记 2025/5/18 12:01:33

利用 PyTorch 动态计算图和自动求导机制实现自适应神经网络

在深度学习任务中，不同任务的复杂度千差万别。为了解决复杂任务对模型容量的需求，同时避免简单任务因过度拟合导致的性能下降，我们可以构建一个能够根据任务自动调整网络结构的神经网络。在 PyTorch 中，动态计算图和自动求导机制为…...

编程日记 2025/5/18 11:28:39

docker如何查看容器启动命令(已运行的容器)

docker ps 查看正在运行的容器 该命令主要是为了详细展示查看运行时的command参数 # 通过docker --no-trunc参数来详细展示容器运行命令 docker ps -a --no-trunc | grep <container_name>通过docker inspect命令 使用docker inspect&#xff0c;但是docker inspect打…...

编程日记 2025/5/18 11:58:21

学历赋

崇岳北峙&#xff0c;紫气东临&#xff1b;学海横流&#xff0c;青云漫卷。连九陌而贯八荒&#xff0c;纳寒门而载贵胄。墨池泛舟&#xff0c;曾照匡衡凿壁之光&#xff1b;杏坛飞絮&#xff0c;犹闻仲尼弦歌之音。然观当下&#xff0c;黉宇接天如笋立&#xff0c;青衫叠浪似云…...

编程日记 2025/5/18 11:48:24

vue和reacts数据响应式的差异

Vue 的数据响应式&#xff1a; 原理&#xff1a; Vue 使用 Object.defineProperty 或 Proxy&#xff08;在 Vue 3 中&#xff09;来实现数据的响应式。当创建 Vue 实例时&#xff0c;会对 data 对象中的属性进行遍历&#xff0c;将其转换为响应式属性。对于 Object.definePro…...

编程日记 2025/5/14 16:28:06

doris: MAP数据类型

MAP<K, V> 表示由K, V类型元素组成的 map&#xff0c;不能作为 key 列使用。 目前支持在 Duplicate&#xff0c;Unique 模型的表中使用。 K, V 支持的类型有&#xff1a; BOOLEAN, TINYINT, SMALLINT, INT, BIGINT, LARGEINT, FLOAT, DOUBLE, DECIMAL, DECIMALV3, DAT…...

编程日记 2025/5/17 7:28:05

在计算机上本地运行 Deepseek R1

Download Ollama on Linux Download Ollama on Windows Download Ollama on macOS Deepseek R1 是一个强大的人工智能模型&#xff0c;在科技界掀起了波澜。它是一个开源语言模型&#xff0c;可以与 GPT-4 等大玩家展开竞争。但更重要的是&#xff0c;与其他一些模型不同&…...

编程日记 2025/5/16 4:51:40

LeetCode 16. 排列序列

思路 排序数组&#xff1a;对数组进行从小到大排序。 遍历固定一个元素&#xff1a;遍历数组中的每个元素作为三个数中的第一个数&#xff0c;固定该元素后&#xff0c;使用双指针在剩余的子数组中寻找另外两个数。 双指针逼近target&#xff1a;对于每个固定的元素&#xff…...

编程日记 2025/5/16 1:38:25

【C++高并发服务器WebServer】-9：多线程开发

本文目录 一、线程概述1.1 线程和进程的区别1.2 线程之间共享和非共享资源1.3 NPTL 二、线程操作2.1 pthread_create2.2 pthread_exit2.3 pthread_join2.4 pthread_detach2.5 patch_cancel2.6 pthread_attr 三、实战demo四、线程同步五、死锁六、读写锁七、生产消费者模型 一、…...

编程日记 2025/5/14 23:45:39

全解：Redis RDB持久化和AOF持久化

&#x1f9d1; 博主简介&#xff1a;CSDN博客专家&#xff0c;历代文学网&#xff08;PC端可以访问&#xff1a;https://literature.sinhy.com/#/literature?__c1000&#xff0c;移动端可微信小程序搜索“历代文学”&#xff09;总架构师&#xff0c;15年工作经验&#xff0c;…...

编程日记 2025/5/11 21:56:19

视频外绘技术总结：Be-Your-Outpainter、Follow-Your-Canvas、M3DDM

Diffusion Models专栏文章汇总：入门与实战 前言：视频Inpaint的技术很火，但是OutPaint却热度不高，这篇博客总结比较经典的几篇视频Outpaint技术。其实Outpaint在runway等工具上很火，可是学术界对此关注比较少，博主从这三年的顶会中找到了最具代表性的三篇论文解读。 目录 …...

编程日记 2025/5/14 19:10:28

LLM - 大模型 ScallingLaws 的设计 100B 预训练方案(PLM) 教程(5)

欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://spike.blog.csdn.net/article/details/145356022 免责声明：本文来源于个人知识与公开资料，仅用于学术交流，欢迎讨论，不支持转载。 Scaling Laws (缩放法则) 是大模型领域中，用于描述 模型性能(Loss) 与…...

编程日记 2025/5/17 14:16:27

Python帝王學集成-母稿

引用：【【全748集】这绝对是2024最全最细的Python全套教学视频，七天看完编程技术猛涨！别再走弯路了，从零基础小白到Python全栈这一套就够了！-哔哩哔哩】 https://b23.tv/lHPI3XV 语法基础 Python解释器与pycharm编辑器安装 - 定义：Python解释器负责将Python代码转换为计…...

编程日记 2025/5/12 4:05:20

MySQL数据导入与导出

在现代软件开发中，数据管理是一个重要的核心环节，而数据库则是进行数据管理的主要工具。MySQL 作为一款开源的关系型数据库管理系统，被广泛应用于企业和个人开发项目中。对于学习编程的初学者或是自学者来说，掌握 MySQL 的基本操作尤为重要，尤其是数据的导入与导出功能。这…...

编程日记 2025/5/14 4:37:51

微服务面试题：概览

&#x1f9d1; 博主简介&#xff1a;CSDN博客专家&#xff0c;历代文学网&#xff08;PC端可以访问&#xff1a;https://literature.sinhy.com/#/?__c1000&#xff0c;移动端可微信小程序搜索“历代文学”&#xff09;总架构师&#xff0c;15年工作经验&#xff0c;精通Java编…...

编程日记 2025/5/12 4:20:41

每日一题 430. 扁平化多级双向链表

430. 扁平化多级双向链表 简单 /*class Solution { public:Node* flatten(Node* head) {Node* tail nullptr;return dfs(head);}Node* dfs(Node* head){Node* cur head;while(cur ! nullptr){if(cur->child ! nullptr){Node* curChild getTail(cur->child);Node* te…...

编程日记 2025/5/13 22:48:50

冯诺依曼系统及操作系统

目录 一.冯诺依曼体系结构 二.操作系统 三.系统调用和库函数概念 一.冯诺依曼体系结构 我们常见的计算机&#xff0c;如笔记本。我们不常见的计算机&#xff0c;如服务器&#xff0c;大部分都遵守冯诺依曼体系 截至目前&#xff0c;我们所认识的计算机&#xff0c;都是由一…...

编程日记 2025/5/13 22:49:18

双指针（典型算法思想）——OJ例题算法解析思路

目录 一、283. 移动零 - 力扣&#xff08;LeetCode&#xff09; 1. 问题分析 2. 算法思路 3. 代码逐行解析 4. 示例运行 5. 时间复杂度与空间复杂度 6. 总结 二、1089. 复写零 - 力扣&#xff08;LeetCode&#xff09; 1. 问题分析 2. 算法思路 3. 代码逐行解析 4. …...

编程日记 2025/5/13 23:51:04

大数据Hadoop入门1

目录 相关资料 第一部分 1.课程内容大纲和学习目标 2.数据分析和企业数据分析方向 3.数据分析基本流程步骤 4.大数据时代 5.分布式和集群 6.Linux操作系统概述 7.VMware虚拟机概念与安装 8.centos操作系统的虚拟机导入 9.VMware虚拟机常规使用、快照 第二部分 1.课…...

编程日记 2025/5/13 22:17:06

Ubuntu-手动安装 SBT

文章目录 前言Ubuntu-手动安装 SBT1. SBT是什么?1.1. SBT 的特点1.2. SBT 的基本功能1.3. SBT 的常用命令 2. 安装2.1. 下载2.2. 解压 sbt 二进制包2.3. 确认 sbt 可执行文件的位置2.4. 设置执行权限2.5. 创建符号链接2.6. 更新 PATH 环境变量2.7. 验证 sbt 安装 前言 如果您觉…...

编程日记 2025/5/14 22:12:47

人工智能：农业领域的变革力量

在当今科技飞速发展的时代&#xff0c;人工智能正以前所未有的态势渗透进各个领域&#xff0c;农业也不例外。想象一下&#xff0c;未来的农田里&#xff0c;农民不再是弯腰劳作的形象&#xff0c;而是坐在高科技的“智能农场”里&#xff0c;悠闲地喝着咖啡&#xff0c;指挥着…...

编程日记 2025/5/13 5:34:13

Qt——界面优化

一.QSS 1.背景 在网页前端开发领域中&#xff0c; CSS 是⼀个至关重要的部分。 描述了⼀个网页的 "样式"。 从而起到对网页美化的作用。 所谓样式&#xff0c;包括不限于大小&#xff0c;位置&#xff0c;颜色&#xff0c;背景&#xff0c;间距&#xff0c;字体等等…...

编程日记 2025/5/14 22:12:45

Qt Designer and Python: Build Your GUI

1.install pyside6 2.pyside6-designer.exe 发送到桌面快捷方式 在Python安装的所在 Scripts 文件夹下找到此文件。如C:\Program Files\Python312\Scripts 3. 打开pyside6-designer 设计UI 4.保存为simple.ui 文件&#xff0c;再转成py文件 用代码执行 pyside6-uic.exe simpl…...

编程日记 2025/5/14 5:51:21

HarmonyOS DevEco Studio模拟器点击运行没有反应的解决方法

HarmonyOS DevEco Studio模拟器点击运行没有反应的解决方法 翻遍了CSDN&#xff0c;试了所有办法都没办法&#xff0c;最后偶然间竟然解决了 解决方法其实很简单&#xff1a;本地模拟器下载路径下面不能有中文。。。。。 切换正确路径以后&#xff0c;成功运行&#xff0c;哦…...

编程日记 2025/5/15 22:41:35

java中的算数运算符

1.java中的加法是“”。 简单数字的相加对于byte.short.char.int类型数字相加时进行整形提升至int,对于数据类型大于int的long.float.double数据类型有参与计算时&#xff0c;需要进行整形提升至最高的数据类型。 有字符串类型的相加&#xff0c;将数字视为字符串进行字符串的…...

编程日记 2025/5/17 20:50:21

【数据结构】二叉树

二叉树 1. 树型结构&#xff08;了解&#xff09;1.1 概念1.2 概念&#xff08;重要&#xff09;1.3 树的表示形式&#xff08;了解&#xff09;1.4 树的应用 2. 二叉树&#xff08;重点&#xff09;2.1 概念2.2 两种特殊的二叉树2.3 二叉树的性质2.4 二叉树的存储2.5 二叉树的…...

编程日记 2025/5/15 5:45:36

websocket实现

由于安卓资源管理器展示的路径不尽相同,各种软件保存文件的位置也不一定一样.对于普通用户上传文件时,查找文件可能是一个麻烦的事情.后来想到了一个办法,使用pc端进行辅助上传. 文章目录 实现思路1.0 实现定义web与客户端通信数据类型和数据格式web端websocket实现web端对客户…...

编程日记 2025/5/14 22:12:40

AI软件外包需要注意什么 外包开发AI软件的关键因素是什么 如何选择AI外包开发语言

1. 定义目标与需求 首先&#xff0c;要明确你希望AI智能体做什么。是自动化任务、数据分析、自然语言处理&#xff0c;还是其他功能&#xff1f;明确目标可以帮助你选择合适的技术和方法。 2. 选择开发平台与工具 开发AI智能体的软件时&#xff0c;你需要选择适合的编程语言、…...

编程日记 2025/5/9 22:23:18

电梯系统的UML文档12

5.2.1 DoorControl 的状态图 图 19: DoorControl 的状态图 5.2.2 DriveControl 的状态图 图 20: DriveControl 的状态图 5.2.3 LanternControl 的状态图 图 21: LanternControl 的状态图 5.2.4 HallButtonControl 的状态图 图 22: HallButtonControl 的状态图 5.2.5 CarB…...

编程日记 2025/5/14 22:12:38

【华为路由的arp配置】

华为路由的arp配置 ARP&#xff1a;IP地址与MAC地址的映射。 R1: g0/0/0:10.1.1.254/24 g0/0/1:10.1.2.254/24 PC1: 10.1.1.1/16 PC2: 10.1.1.2/16 PC3: 10.1.2.3/16 动态ARP 查看PC1的arp表&#xff0c;可以看到&#xff0c;列表为空。 查看R1的arp表 在PC3上ping命令测…...

编程日记 2025/5/14 22:12:36

Web 代理、爬行器和爬虫

目录 Web 在线网页代理服务器的使用方法Web 在线网页代理服务器使用流程详解注意事项 Web 请求和响应中的代理方式Web 开发中的请求方法借助代理进行文件下载的示例 Web 服务器请求代理方式代理、网关和隧道的概念参考文献说明 爬虫的工作原理及案例网络爬虫概述爬虫工作原理 W…...

编程日记 2025/5/14 17:34:09

node 爬虫开发内存处理 zp_stoken 作为案例分析

声明: 本文章中所有内容仅供学习交流使用&#xff0c;不用于其他任何目的&#xff0c;抓包内容、敏感网址、数据接口等均已做脱敏处理&#xff0c;严禁用于商业用途和非法用途&#xff0c;否则由此产生的一切后果均与作者无关&#xff01; 前言 主要说3种我们补环境过后如果用…...

编程日记 2025/5/17 1:30:37

【Samba】Ubuntu20.04 Windows 共享文件夹

【Samba】Ubuntu20.04 Windows 共享文件夹 前言整体思路检查 Ubuntu 端 和 Windows 网络通信是否正常创建共享文件夹安装并配置 Samba 服务器安装 Samba 服务器创建 Samba 用户编辑 Samba 配置文件重启 Samba 服务器 在 Windows 端 访问 Ubuntu 的共享文件夹 前言 本文基于 Ub…...

编程日记 2025/5/14 22:12:31

windows下本地部署安装hadoop+scala+spark-【不需要虚拟机】

注意版本依赖【本实验版本如下】 Hadoop 3.1.1 spark 2.3.2 scala 2.11 1.依赖环境 1.1 java 安装java并配置环境变量【如果未安装搜索其他教程】 环境验证如下&#xff1a; C:\Users\wangning>java -version java version "1.8.0_261" Java(TM) SE Runti…...

编程日记 2025/5/16 17:28:51

GitHub 仓库的 Archived 功能详解：中英双语

GitHub 仓库的 Archived 功能详解 一、什么是 GitHub 仓库的 “Archived” 功能&#xff1f; 在 GitHub 上&#xff0c;“Archived” 是一个专门用于标记仓库状态的功能。当仓库被归档后&#xff0c;它变为只读模式&#xff0c;所有的功能如提交代码、创建 issue 和 pull req…...

编程日记 2025/5/14 22:12:27

银行卡三要素验证接口：方便快捷地实现银行卡核验功能

银行卡三要素验证API&#xff1a;防止欺诈交易的有力武器 随着互联网的发展&#xff0c;电子支付方式也越来越普及。在支付过程中&#xff0c;银行卡是最常用的支付工具之一。然而&#xff0c;在一些支付场景中&#xff0c;需要对用户的银行卡信息进行验证&#xff0c;以确保支…...

编程日记 2025/5/18 1:01:25

Banana JS，一个严格子集 JavaScript 的解释器

项目地址&#xff1a;https://github.com/shajunxing/banana-js 特色 我的目标是剔除我在实践中总结的JavaScript语言的没用的和模棱两可的部分&#xff0c;只保留我喜欢和需要的&#xff0c;创建一个最小的语法解释器。只支持 JSON 兼容的数据类型和函数&#xff0c;函数是第…...

编程日记 2025/5/14 9:23:00

引领未来科技潮流：Web3 前沿发展趋势

随着技术不断发展&#xff0c;我们正站在一个全新的互联网时代的门槛上&#xff0c;Web3的出现正在重新定义互联网的构架和运作方式。Web3&#xff0c;作为互联网的下一代发展趋势&#xff0c;其核心思想是去中心化、开放与用户主权。与现有的Web2.0相比&#xff0c;Web3更加注…...

编程日记 2025/5/14 9:22:58

OpenCV：在图像中添加高斯噪声、胡椒噪声

目录 在图像中添加高斯噪声 高斯噪声的特性 添加高斯噪声的实现 给图像添加胡椒噪声 实现胡椒噪声的步骤 相关阅读 OpenCV&#xff1a;图像处理中的低通滤波-CSDN博客 OpenCV&#xff1a;高通滤波之索贝尔、沙尔和拉普拉斯-CSDN博客 OpenCV&#xff1a;图像滤波、卷积与…...

编程日记 2025/5/16 9:00:14

在深度Linux (Deepin) 20中安装Nvidia驱动

文章创作不易&#xff0c;麻烦大家点赞关注收藏一键三连。 在Deepin上面跑Tensorflow, pytorch等人工智能框架不是一件容易的事情。特别是如果你要使用GPU&#xff0c;就得有nvidia的驱动。默认情况下Deepin系统自带的是nouveau开源驱动。这是没办法用tensorflow的。下面内容是…...

编程日记 2025/5/14 9:22:54

PC端实现PDF预览（支持后端返回文件流 || 返回文件URL）

一、使用插件 插件名称&#xff1a;vue-office/pdf 版本&#xff1a;2.0.2 安装插件&#xff1a;npm i vue-office/pdf^2.0.2 1、“vue-office/pdf”: “^2.0.2”, 2、 npm i vue-office/pdf^2.0.2 二、代码实现 // 引入组件 &#xff08;在需要使用的页面中直接引入&#x…...

编程日记 2025/5/16 5:25:28

【ESP32】ESP-IDF开发 | WiFi开发 | UDP用户数据报协议 + UDP客户端和服务器例程

1. 简介 UDP协议&#xff08;User Datagram Protocol&#xff09;&#xff0c;全称用户数据报协议&#xff0c;它是一种面向非连接的协议&#xff0c;面向非连接指的是在正式通信前不必与对方先建立连接&#xff0c; 不管对方状态就直接发送。至于对方是否可以接收到这些数据内…...

编程日记 2025/5/13 11:39:31

OpenAI的真正对手？DeepSeek-R1如何用强化学习重构LLM能力边界——DeepSeek-R1论文精读

2025年1月20日&#xff0c;DeepSeek-R1 发布&#xff0c;并同步开源模型权重。截至目前&#xff0c;DeepSeek 发布的 iOS 应用甚至超越了 ChatGPT 的官方应用&#xff0c;直接登顶 AppStore。 DeepSeek-R1 一经发布&#xff0c;各种资讯已经铺天盖地&#xff0c;那就让我们一起…...

编程日记 2025/5/14 9:22:49

es数据同步

Logstash 是 Elastic 技术栈中的一个技术&#xff0c;它是一个数据采集引擎&#xff0c;可以从数据库采集数据到 ES 中。可以通过设置 自增 ID 主键 或 更新时间 来控制数据的自动同步&#xff1a; 自增 ID 主键&#xff1a;Logstatsh 会有定时任务&#xff0c;如果发现有主键…...

编程日记 2025/5/16 17:41:08

【JavaScript笔记】01- 原型及原型链（面试高频内容）

前言 JavaScript作为前端入门三件套之一&#xff0c;也是前端求职的必会知识&#xff0c;重要性不言而喻。 这个系列分享个人学习JavaScript的记录&#xff0c;和大家一起学习讨论。 下面介绍关于原型&原型链的相关重要知识点。 1、构造函数创建对象 function Student(…...

编程日记 2025/5/17 11:57:50

【Python】第五弹---深入理解函数：从基础到进阶的全面解析

✨个人主页&#xff1a; 熬夜学编程的小林 &#x1f497;系列专栏&#xff1a; 【C语言详解】 【数据结构详解】【C详解】【Linux系统编程】【MySQL】【Python】 目录 1、函数 1.1、函数是什么 1.2、语法格式 1.3、函数参数 1.4、函数返回值 1.5、变量作用域 1.6、函数…...

编程日记 2025/5/16 7:13:59

动态规划DP 数字三角形模型（模型分析+例题分析+C++代码实现）（数字三角形、摘花生、最低通行费用、方格取数、传纸条）

总体概览 数字三角形 原题链接 AcWing 898.数字三角形 题目描述 给定一个如下图所示的数字三角形&#xff0c;从顶部出发&#xff0c;在每一结点可以选择移动至其左下方的结点或移动至其右下方的结点&#xff0c;一直走到底层&#xff0c;要求找出一条路径&#xff0c;使路…...

编程日记 2025/5/16 21:49:52

2025 最新flutter面试总结

目录 1.Dart是值传递还是引用传递&#xff1f; 2.Flutter 是单引擎还是双引擎 3. StatelessWidget 和 StatefulWidget 在 Flutter 中有什么区别&#xff1f; 4.简述Dart语音特性 5. Navigator 是什么&#xff1f;在 Flutter 中 Routes 是什么&#xff1f; 6、Dart 是不是…...

编程日记 2025/5/17 14:16:28

Java后端之AOP

AOP&#xff1a;面向切面编程&#xff0c;本质是面向特定方法编程 引入依赖&#xff1a; <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-aop</artifactId></dependency>示例&#xff1a;记录…...

编程日记 2025/5/13 11:38:55