【学术征稿-组织单位 武汉理工大学西安理工大学、西安财经大学】第三届通信网络与机器学习(CNML 2025)
重要信息
官网：www.iccnml.org
大会时间：2025年2月21日-23日
大会地点：中国 南京
通信网络
通信是人与人之间通过某种媒体进行的信息交流与传递。网络是用物理链路将各个孤立的工作站或主机相连在一起，组成的数据链路。通信网络是指将各个孤立的设备进行物理连接，实现人与人，人与计算机，计算机与计算机之间进行信息交换的链路，从而达到资源共享和通信的目的。
机器学习
机器学习是一门多领域交叉学科，涉及概率论、统计学、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能核心，是使计算机具有智能的根本途径。
简介
第三届通信网络与机器学习(CNML 2025)将于2025年2月21-23日在中国南京举行。它致力于为通信网络和机器学习领域的专家和学者之间的学术交流创造一个平台。
通信网络与机器学习之间的结合是近年来在信息通信领域的一个重要发展方向。随着通信技术和机器学习算法的不断进步，这两个领域的融合不仅提高了通信系统的效率、可靠性和性能，而且为解决传统通信网络中的一些难题提供了新的解决方案。
1. 通信网络中的基本概念
通信网络是指由多个节点（如计算机、路由器、基站等）和它们之间的连接构成的系统，目的是进行数据传输。通信网络有很多种类型，如：
- 有线网络（例如以太网）
- 无线网络（例如4G、5G、Wi-Fi等）
- 光纤网络（例如光纤到户 FTTH）
这些网络的核心任务是确保数据在不同设备之间可靠、快速、有效地传输。
2. 机器学习的基本概念
机器学习（ML）是人工智能（AI）的一个分支，它通过算法使计算机从数据中学习，识别模式并进行预测，而无需明确编程。机器学习的主要类型包括：
- 监督学习：模型在标记数据上进行训练，学习输入与输出之间的关系。
- 无监督学习：模型在没有标签的数据上进行学习，识别数据中的模式。
- 强化学习：通过与环境交互，逐步学习如何最大化回报。
3. 通信网络中的机器学习应用
机器学习与通信网络的结合，可以大大提高网络性能、优化资源管理并增强网络安全。下面是一些具体的应用场景：
a. 网络优化
- 资源分配：机器学习可以帮助网络自动优化资源分配。例如，在无线网络中，机器学习可以通过预测不同时间段的网络流量和用户需求，智能地分配带宽和计算资源，从而提高网络的整体效率。
- 流量预测：机器学习可以用于流量预测，预测网络中某一时段或某一区域的流量需求，帮助网络运营商提前进行容量规划和优化。
b. 自动化网络管理
- 自适应网络管理：机器学习算法可以自动调整网络参数（如信号强度、频率、编码方案等），以应对不同的网络负载和环境条件。通过自适应算法，网络管理变得更加智能和高效。
- 故障检测与诊断：通过监控网络数据，机器学习可以帮助检测和诊断网络中的潜在故障或异常。例如，使用异常检测算法检测到网络中的攻击行为、硬件故障或配置错误，提前发出警告并自动进行修复。
c. 网络安全
- 入侵检测与防御：机器学习在通信网络中的安全防护中起着重要作用。通过分析网络流量数据，机器学习能够识别恶意攻击模式，如拒绝服务攻击（DoS）、分布式拒绝服务攻击（DDoS）等，提前做出防御反应。
- 恶意软件识别：机器学习可以被用来识别并隔离恶意软件或异常通信行为，通过学习和识别正常与异常的通信模式，有效防范潜在的安全威胁。
d. 5G和未来网络
- 在5G和未来的网络中，机器学习将起到至关重要的作用。例如，在网络切片、边缘计算、资源优化等方面，机器学习可以根据不同的用户需求和网络状况做出实时调整。
- 边缘计算：机器学习能够在靠近用户端的边缘节点进行数据处理，从而减少延迟、节省带宽并提高系统响应速度。
e. 无线网络中的机器学习
- 信道估计与干扰管理：在无线通信中，信号受到干扰、衰减等影响。机器学习可以用来进行信道估计和干扰管理，通过预测和优化信道质量，提高通信的可靠性。
- 自组织网络（SON）：机器学习可以帮助实现自组织网络，使网络能够在没有人工干预的情况下，自我配置、自我优化和自我修复。
4. 通信网络与机器学习的挑战
尽管通信网络和机器学习的结合带来了许多创新，但也面临一些挑战：
- 数据隐私和安全：机器学习需要大量的数据进行训练，这些数据可能包含敏感信息。在通信网络中应用机器学习时，必须确保用户数据的隐私和安全。
- 计算和延迟问题：机器学习模型尤其是深度学习模型需要强大的计算资源。在低延迟和资源有限的通信环境中，如何高效地部署和运行机器学习模型是一个挑战。
- 模型的可解释性：机器学习模型，尤其是深度学习模型，通常是“黑箱”模型，难以解释其决策过程。在关键的网络管理和安全决策中，网络管理员需要更高的透明度和可解释性。
5. 未来展望
通信网络与机器学习的融合仍处于快速发展中，未来可能会看到：
- 更高效的网络资源调度：通过更加精确的流量预测和实时数据分析，网络资源的调度将变得更加智能和高效。
- 更强大的自动化与自愈能力：通过机器学习，网络将能够自我优化和修复，大大减少人工干预。
- 量子通信与机器学习结合：随着量子通信的发展，机器学习有望帮助优化量子网络的性能，解决量子信号传输中的一些难题。
总结
通信网络与机器学习的结合为传统网络带来了许多创新和变革，特别是在网络优化、自动化管理、安全防护等方面。虽然面临一定的技术挑战，但随着计算能力和算法的不断进步，机器学习将在未来的通信网络中发挥越来越重要的作用。
组织单位
武汉理工大学
西安理工大学、西安财经大学
| 祁忠勇教授 台湾清华大学 IEEE Fellow、AAIA Fellow, AIIA Fellow 祁忠勇教授发表了240多篇技术论文(被Google-Scholar引用超过7500次)，其中包括90多篇期刊论文(主要发表在IEEE TRANSACTIONS ON SIGNAL PROCESSING)， 140多篇同行评议的会议论文，3本书章节，2本书，包括一本教科书《信号处理与通信的凸优化》，《从基础到应用》，CRC出版社2017年版(自出版前的2010年起，已在中国大陆10所一流大学的一系列受邀强化短期课程中广泛使用。 研究方向：机器学习中的数据安全和隐私保护，无线通信的信号处理，盲源分离的凸分析和优化，基于图的学习和信号处理。 | |
| 吴劲松教授 桂林电子科技大学 吴劲松博士近来主要研究方向机器学习，大数据，绿色信息技术，计算机视觉，自然语言处理，物联网，边缘计算。目前被Google学术搜索引用：8241次，h-index：47。2021年和2022年连续2年入选 全球前 2%顶尖研究学者。在2020年和2022年2次入选中华人民共和国科技部高端外国专家引进计划。2020年 他入选入选桂林市三级高层次人才, 2021年入选华为云与计算先锋教师, 2022年荣获教育部-华为智能基座“栋梁之师”。 研究方向：机器学习，绿色信息技术，计算机视觉，自然语言处理，物联网，边缘计算等。 | |
| 钟竞辉教授 华南理工大学 华南理工大学计算机科学与工程学院教授，博士生导师，科技部重点领域创新团队核心成员，广东省高层次人才计划引进青年拔尖人才。近年来在IEEE TEVC, IEEE Tcyb, IEEE CIM 和 ACM TOMACS等国际权威期刊和会议发表学术论文100余篇，主持国家级科研项目、省级科研项目、产业化项目和产教融合协同育人项目多项，曾获教育部自然科学一等奖。目前担任国际期刊《Memetic Computing》 编委（JCR一区期刊）、IEEE 高级会员，CCF高级会员，协同计算专委会委员和智能优化与调度专委会委员。 研究方向：演化计算、机器学习、多智能体建模与仿真。 | |
| 沈谋全教授 南京工业大学 南京工业大学电气工程与控制科学学院教授、博士生指导教师、2015 年江苏省“六大人才高峰”。东南大学博士后，香港大学、韩国岭南大学和澳大利亚阿德莱德大学等境外高校访问学者。主持国家自然科学基金、国家外专 局高端外专和江苏省自然科学基金等省部级以上项目 10 余项。近年来，在 IEEE·Transactionson·AutomaticControl、IEEETransactionson·Cybernetics 和 IEEE-Transactions onSystems,Man,and Cybernetics: Systems 等期刊发表论文 100 余篇、H 指数 25,其中 ESI 热点论文3 篇和 ESI 高被引8 篇。目前担任 JournaofSvstems and·ControlEngineering EditorialOffice 等12 个国际期刊主编或 Associate-Editor 或编委，是IEEE·TAC、Automatica 等 80 余种国内外期刊审稿人，也是国家自然科学基金和多个省市科技项目通讯评审人。 |
主题
| 通信网络 | 机器学习 |
| 通信理论 通信工程 计算机网络和数据通信 信息分析和基础设施 通信建模理论与实践 无线传感器和通信网络 云计算与物联网 网络和数据安全 光电子学和光通信 无线/移动通信和技术 智能通信与计算 绿色通信系统 卫星通信技术 大数据与通信 微波通信 5G通信技术 边缘计算 遥感和卫星通信 无线传感器网络 通信和信息系统 5G/6G产业应用与发展 网络和信息安全技术 通信人工智能 安全和隐私等其他相关主题 | 机器学习算法 智能数据分析 建模和识别 多任务和迁移学习 深度学习 强化学习 人工智能 数据挖掘 数据存取 机器人控制 自然语言处理 机器学习的实验评估 机器学习算法的性能分析 统计学习 贝叶斯网络 神经网络 智能系统 多任务学习 信号检测与估计 统计学习 模式识别 机器学习技术 机器学习5G系统 机器学习的安全和保护 用于通信网络异常检测的机器学习技术 |
相关文章：
)
【学术征稿-组织单位 武汉理工大学西安理工大学、西安财经大学】第三届通信网络与机器学习(CNML 2025)
重要信息 官网：www.iccnml.org 大会时间：2025年2月21日-23日 大会地点：中国 南京 通信网络 通信是人与人之间通过某种媒体进行的信息交流与传递。网络是用物理链路将各个孤立的工作站或主机相连在一起，组成的数据链路。通信网…...
代码随想录算法训练营打卡第55天：并查集相关问题；
Java并查集的模板 //并查集模板 class DisJoint{private int[] father;public DisJoint(int N) {father new int[N];for (int i 0; i < N; i){father[i] i;}}public int find(int n) {return n father[n] ? n : (father[n] find(father[n]));}public void join (int …...
设计模式学习
1.设计模式分类 1.创建型模式 用于描述“怎样创建对象”，主要特点是“将对象的创建与使用分离”。 单例，原型，工厂方法，抽象工厂，建造者 2.结构型模式 用于描述如何将类或对象按某种布局组成更大的结构 代理&…...
js-对象-JSON
JavaScript自定义对象 JSON 概念: JavaScript Object Notation，JavaScript对象标记法. JSON 是通过JavaScript 对象标记法书写的文本。 由于其语法简单，层次结构鲜明，现多用于作为数据载体，在网络中进行数据传输. json中属性名(k…...
C/C++编译器
C/C 代码是不可跨平台的，Windows 和 Unix-like 有着不同的 API，C/C 在不同平台有着不同编译器。 MSVC Windows 平台，MSVC 是 Visual Studio 中自带的 C/C 编译器。 GCC Unix-like 平台，GCC 原名 GNU C Compiler，后…...
【R语言】数据操作
一、查看和编辑数据 1、查看数据 直接打印到控制台 x <- data.frame(a1:20, b21:30) x View()函数 此函数可以将数据以电子表格的形式进行展示。 用reshape2包中的tips进行举例： library("reshape2") View(tips) head()函数 查看前几行数据&…...
Linux 安装 RabbitMQ
Linux下安装RabbitMQ 1 、获取安装包 # 地址 https://github.com/rabbitmq/erlang-rpm/releases/download/v21.3.8.9/erlang-21.3.8.9-1.el7.x86_64.rpm erlang-21.3.8.9-1.el7.x86_64.rpmsocat-1.7.3.2-1.el6.lux.x86_64.rpm# 地址 https://github.com/rabbitmq/rabbitmq-se…...
“AI智能分析综合管理系统：企业管理的智慧中枢
在如今这个快节奏的商业世界里，企业面临的挑战越来越多，数据像潮水一样涌来，管理工作变得愈发复杂。为了应对这些难题，AI智能分析综合管理系统闪亮登场，它就像是企业的智慧中枢，让管理变得轻松又高效。 过去…...
2024最新版Java面试题及答案，【来自于各大厂】
发现网上很多Java面试题都没有答案，所以花了很长时间搜集整理出来了这套Java面试题大全~ 篇幅限制就只能给大家展示小册部分内容了，需要完整版的及Java面试宝典小伙伴点赞转发，关注我后在【翻到最下方，文尾点击名片】即可免费获取…...
调用腾讯云批量文本翻译API翻译srt字幕
上一篇文章介绍了调用百度翻译API翻译日文srt字幕的方法。百度翻译API是get方式调用，参数都放在ur中，每次调用翻译文本长度除了接口限制外，还有url长度限制，而日文字符通过ur转码后会占9个字符长度，其实从这个角度来讲…...
【分块解决大文件上传的最佳实践】
前言 前几天看了一篇关于大文件上传分块实现的博客，代码实现过于复杂且冗长，而且没有进行外网上传的测试。因此，我决定自己动手实现一个大文件上传，并进行优化。 实现思路 在许多应用中，大文件上传是常见的需求&…...
机器学习中的关键概念：通过SKlearn的MNIST实验深入理解
欢迎来到我的主页：【Echo-Nie】 本篇文章收录于专栏【机器学习】 1 sklearn相关介绍 Scikit-learn 是一个广泛使用的开源机器学习库，提供了简单而高效的数据挖掘和数据分析工具。它建立在 NumPy、SciPy 和 matplotlib 等科学计算库之上，支持…...
【Elasticsearch】post_filter
post_filter是 Elasticsearch 中的一种后置过滤机制，用于在查询执行完成后对结果进行过滤。以下是关于post_filter的详细介绍： 工作原理 • 查询后过滤：post_filter在查询执行完毕后对返回的文档集进行过滤。这意味着所有与查询匹配的文档都…...
Git基础
目录 一、Git介绍二、Git下载与配置1、下载安装Git2、Git配置2.1 注册码云账号2.2 Git配置 三、Git开发流程1、相关代码2、上述代码执行截图示例 四、Git提交&撤销五、Git资料 一、Git介绍 Git是一种分布式版本控制系统，广泛用于软件开发项目的版本管理。它由L…...
深度学习系列--02.损失函数
一.定义 损失函数（Loss Function）是机器学习和深度学习中用于衡量模型预测结果与真实标签之间差异的函数，它在模型训练和评估过程中起着至关重要的作用 二.作用 1.指导模型训练 提供优化方向：在训练模型时，我们的目…...
如何在自己mac电脑上私有化部署deep seek
在 Mac 电脑上私有化部署 DeepSeek 的步骤如下： 1. 环境准备 安装 Homebrew（如果尚未安装）： Homebrew 是 macOS 上的包管理工具，用于安装依赖。 /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com…...
攻防世界 fileclude
代码审计 WRONG WAY! <?php include("flag.php"); highlight_file(__FILE__);//高亮显示文件的源代码 if(isset($_GET["file1"]) && isset($_GET["file2"]))//检查file1和file2参数是否存在 {$file1 $_GET["file1"];$fi…...
Ubuntu24登录PostgreSql数据库的一般方法
命令格式如 psql -U user -d db 或者 sudo psql -U user -d db 修改配置 /etc/postgresql/16/main/postgresql.conf 改成md5，然后重新启动pgsql sudo systemctl restart postgresql...
)
3.5 Go(特殊函数)
目录 一、匿名函数 1、匿名函数的特点： 2、匿名函数代码示例 2、匿名函数的类型 二、递归函数 1. 递推公式版本 2. 循环改递归 三、嵌套函数 1、嵌套函数用途 2、代码示例 3、作用域 & 变量生存周期 四、闭包 1、闭包使用场景 2、代码示例 五、De…...
)
设计模式学习(三)
行为模式 职责链模式（Chain of Responsibility Pattern） 定义 它允许多个对象有机会处理请求，从而避免请求的发送者与接收者之间的耦合。职责链模式将这些对象连成一条链，并沿着这条链传递请求，直到有对象处理它为止…...
挑战项目 --- 微服务编程测评系统（在线OJ系统）
一、前言 1.为什么要做项目 面试官要问项目，考察你到底是理论派还是实战派？ 1.希望从你的项目中看到你的真实能力和对知识的灵活运用。 2.展示你在面对问题和需求时的思考方式及解决问题的能力。 3.面试官会就你项目提出一些问题，或扩展需求…...
堆（Heap）的原理与C++实现
1. 什么是堆？ 堆（Heap）是一种特殊的树形数据结构，通常用于实现优先队列。堆可以分为两种类型： 最大堆（Max Heap）：每个节点的值都大于或等于其子节点的值。最小堆（Min H…...
（10） 如何获取 linux 系统上的 TCP 、 UDP 套接字的收发缓存的默认大小，以及代码范例
（1） 先介绍下后面的代码里要用到的基础函数： 以及： （2） 接着给出现代版的 读写 socket 参数的系统函数 ： 以及： （3） 给出 一言的 范例代码，获取…...
linux 进程补充
环境变量 基本概念 环境变量(environment variables)一般是指在操作系统中用来指定操作系统运行环境的一些参数 如：我们在编写C/C代码的时候，在链接的时候，从来不知道我们的所链接的动态静态库在哪 里，但是照样可以链接成功&#…...
通过docker安装部署deepseek以及python实现
前提条件 Docker 安装：确保你的系统已经安装并正确配置了 Docker。可以通过运行 docker --version 来验证 Docker 是否安装成功。 网络环境：保证设备有稳定的网络连接，以便拉取 Docker 镜像和模型文件。 步骤一：拉取 Ollama Docker 镜像 Ollama 可以帮助我们更方便地管理…...
vim-plug的自动安装与基本使用介绍
vim-plug介绍 Vim-plug 是一个轻量级的 Vim 插件管理器，它允许你轻松地管理 Vim 插件的安装、更新和卸载。相较于其他插件管理器，vim-plug 的优点是简单易用，速度较快，而且支持懒加载插件（即按需加载） 自动…...
Python 自学秘籍：开启编程之旅，人生苦短，我用python。
从2009年，用了几次python后就放弃了，一直用的php，现在人工智能时代，完全没php什么事情。必须搞python了，虽然已经40多岁了。死磕python了。让滔滔陪着你一起学python 吧。 开启新世界 在当今人工智能化的时代ÿ…...
DRGDIP 2.0时代下基于PostgreSQL的成本管理实践与探索（上）
一、引言 1.1 研究背景与意义 在医疗领域的改革进程中， DRG/DIP 2.0 时代，医院成本管理的重要性愈发凸显。新的医保支付方式下，医院的收入不再单纯取决于医疗服务项目的数量，而是与病种的分组、费用标准以及成本控制紧密相关。这…...
swift 专题三 swift 规范一
一、Swift编码命名规范 对类、结构体、枚举和协议等类型的命名应该采用大驼峰法，如 SplitViewController。 文件名采用大驼峰法，如BlockOperation.swift。 对于扩展文件，有时扩展定义在一个独立的文件中，用“原始类型名 扩展名…...
Vue的状态管理：用响应式 API 做简单状态管理、状态管理库（Pinia ）
文章目录 引言单向数据流多个组件共享一个共同的状态I 用响应式 API 做简单状态管理使用 reactive()创建一个在多个组件实例间共享的响应式对象使用ref()返回一个全局状态II 状态管理库Pinia枚举状态管理引言 单向数据流 每一个 Vue 组件实例都在“管理”它自己的响应式状态了…...
排序算法--希尔排序
希尔排序是插入排序的改进版本，适合中等规模数据排序，性能优于简单插入排序。 // 希尔排序函数 void shellSort(int arr[], int n) {// 初始间隔（gap）为数组长度的一半，逐步缩小for (int gap n / 2; gap > 0; gap …...
HAL库 Systick定时器 基于STM32F103EZT6 野火霸道,可做参考
目录 1.时钟选择(这里选择高速外部时钟) 编辑 2.调试模式和时基源选择: 3.LED的GPIO配置 这里用板子的红灯PB5 4.工程配置 5.1ms的systick中断实现led闪烁 源码: 6.修改systick的中断频率 7.systick定时原理 SysTick 定时器的工作原理 中断触发机制 HAL_SYSTICK_Co…...
ESXI虚拟机中部署docker会降低服务器性能
在 8 核 16GB 的 ESXi 虚拟机中部署 Docker 的性能影响分析 在 ESXi 虚拟机中运行 Docker 容器时，性能影响主要来自以下几个方面： 虚拟化开销：ESXi 虚拟化层和 Docker 容器化层的叠加。资源竞争：虚拟机与容器之间对 CPU、内存、…...
前端 | JavaScript中的reduce方法
1. 什么是reduce reduce 方法是 JavaScript 中数组的重要方法之一，用于对数组中的元素进行累积计算。它接收一个回调函数作为参数，并返回一个最终计算结果。reduce 在许多场景下都非常有用，比如求和、数组扁平化、对象计数、数据转换等。 2…...
基于联合概率密度与深度优化的反潜航空深弹命中概率模型研究摘要
前言：项目题材来自数学建模2024年的D题，文章内容为笔者和队友原创，提供一个思路。 摘要 随着现代军事技术的发展，深水炸弹在特定场景下的反潜作战效能日益凸显，如何最大化的发挥深弹威力也成为重要研究课题。本文针对评估深弹投掷落点对命中潜艇概率的影响进行分析，综合利…...
将OneDrive上的文件定期备份到移动硬盘
背景： 我在oneDrive上存了很多文件，分布在多个文件夹中，也有套了好几层文件夹的情况。我希望每隔一段时间，将oneDrive上的所有文件向移动硬盘上拷贝一份，但是我只想将距离上一次向移动硬盘拷贝的文件相比，发…...
01vue3实战-----前言
01vue3实战-----前言 1.大前端时代2.技术栈3.项目大致展示4.创建Vue项目4.1Vue CLI4.2create-vue 5.参考资料 1.大前端时代 前端移动端iOS/android开发桌面端 window/mac 常用的electron框架来开发其它平台:穿戴设备、车载系统(智能汽车)、VR、AR…web3方向 2.技术栈 开发工…...
SQL 秒变三线表 sql导出三线表
🎯SQL 秒变三线表，校园小助手超神啦 宝子们，搞数据分析、写论文的时候，从 SQL 里导出数据做成三线表是不是特别让人头疼😩 手动调整格式，不仅繁琐，还容易出错，分分钟把人逼疯&#…...
C_位运算符及其在单片机寄存器的操作
C语言的位运算符用于直接操作二进制位，本篇简单结束各个位运算符的作业及其在操作寄存器的应用场景。 一、位运算符的简单说明 1、按位与运算符（&） 功能：按位与运算符对两个操作数的每一位执行与操作。如果两个对应的二进制…...
Rust错误处理：从灭火器到核按钮的生存指南
开篇：错误处理的生存哲学 在Rust的平行宇宙里，错误分为两种人格： panic! → 核按钮💣（不可恢复，全系统警报）Result → 灭火器🧯（可控制，局部处理࿰…...
YK人工智能（六）——万字长文学会基于Torch模型网络可视化
1. 可视化网络结构 随着深度神经网络做的的发展，网络的结构越来越复杂，我们也很难确定每一层的输入结构，输出结构以及参数等信息，这样导致我们很难在短时间内完成debug。因此掌握一个可以用来可视化网络结构的工具是十分有必要的…...
对象的实例化、内存布局与访问定位
一、创建对象的方式 二、创建对象的步骤: 一、判断对象对应的类是否加载、链接、初始化: 虚拟机遇到一条new指令，首先去检查这个指令的参数能否在Metaspace的常量池中定位到一个类的符号引用，并且检查这个符号引用代表的类是否已经被加载、解析和初始化…...
Java面试题2025-并发编程进阶（线程池和并发容器类）
线程池 一、什么是线程池 为什么要使用线程池 在开发中，为了提升效率的操作，我们需要将一些业务采用多线程的方式去执行。 比如有一个比较大的任务，可以将任务分成几块，分别交给几个线程去执行，最终做一个汇总就可…...
Vue Router 客户端路由解决方案：axios 响应拦截（跳转到登录页面）
文章目录 引言客户端路由 vs. 服务端路由简单的路由案例术语I Vue Router 提供的组件RouterLinkRouterViewII 创建路由器实例调用 createRouter() 函数创建路由选项III 注册路由器插件通过调用 use() 来完成注册路由器插件的职责对于组合式 API，Vue Router 给我们提供了一些组…...
Redis的通用命令
⭐️前言⭐️ 本文主要介绍Redis的通用命令 🍉欢迎点赞 👍 收藏 ⭐留言评论 🍉博主将持续更新学习记录收获，友友们有任何问题可以在评论区留言 🍉博客中涉及源码及博主日常练习代码均已上传GitHub 📍内容导…...
利用基础模块构建神经网络并实现分类预测)
[Python人工智能] 四十九.PyTorch入门 (4)利用基础模块构建神经网络并实现分类预测
从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前文讲解PyTorch构建回归神经网络。这篇文章将介绍如何利用PyTorch构建神经网络实现分类预测，其是使用基础模块构建。前面我们的Python人工智能主要以TensorFlow和Keras为主，而现在最主流的深度学习框…...
SpringBoot使用 easy-captcha 实现验证码登录功能
文章目录 一、 环境准备1. 解决思路2. 接口文档3. redis下载 二、后端实现1. 引入依赖2. 添加配置3. 后端代码实现4. 前端代码实现 在前后端分离的项目中，登录功能是必不可少的。为了提高安全性，通常会加入验证码验证。 easy-captcha 是一个简单易用的验…...
RabbitMQ 从入门到精通：从工作模式到集群部署实战（一）
#作者：闫乾苓 文章目录 RabbitMQ简介RabbitMQ与VMware的关系架构工作流程RabbitMQ 队列工作模式及适用场景简单队列模式（Simple Queue）工作队列模式（Work Queue）发布/订阅模式（Publish/Subscribeÿ…...
)
Unity中的虚拟相机(Cinemachine)
Unity Cinemachine详解 什么是Cinemachine Cinemachine是Unity官方推出的智能相机系统，它提供了一套完整的工具来创建复杂的相机运动和行为，而无需编写大量代码。它能够大大简化相机管理，提高游戏开发效率。 Cinemachine的主要组件 1. Vi…...
响应式编程_04Spring 5 中的响应式编程技术栈_WebFlux 和 Spring Data Reactive
文章目录 概述响应式Web框架Spring WebFlux响应式数据访问Spring Data Reactive 概述 https://spring.io/reactive 2017 年，Spring 发布了新版本 Spring 5， Spring 5 引入了很多核心功能，这其中重要的就是全面拥抱了响应式编程的设计思想和实…...