当前位置：首页 > news >正文

第十七届“华中杯”B 题校园共享单车的调度与维护问题分析

news 来源：原创 2025/8/22 5:00:53

问题1：估算共享单车总量及不同停车点位在不同时间点的数量分布

首先，我们需要对附件1的数据进行汇总，以估算出校园内的共享单车总量。由于数据是按不同时间和停车点位统计的，我们可以通过对所有时间和点位的单车数量进行求和，得到总量。但需要注意的是，某些时间点或点位的单车数量可能为空（即没有统计），我们在求和时应忽略这些空值。

然而，直接求和可能存在问题，因为不同时间点的数据存在重叠（例如，上午7:30和8:50的数据可能包含同一批单车），且某些单车可能在统计时间段内被多次使用或移动。假设每个时间点的数据是独立的，即不考虑单车在不同时间点之间的移动。这样，我们可以将每个时间点的单车数量视为该时间点校园内单车数量的一个快照。

基于这个假设，我们可以计算出每个时间点的单车总量，并填入表1的对应列中。但由于我们没有具体的时间点对应到7:00、9:00等整点时间，我们需要对原始数据进行插值或平均来估算这些时间点的单车数量。这里我们采用平均法，即将所有时间点的单车数量求和后平均分配到各个整点时间。

对于不同停车点位在不同时间点的数量分布，我们可以直接对附件1的数据进行汇总和整理，得到每个点位在每个时间点的单车数量，并填入表1的对应行和列中。

见

问题2：建立用车需求模型和调度模型

用车需求模型：

为了建立用车需求模型，我们需要分析不同时间点和停车点位的单车使用需求。这可以通过统计每个时间点各点位的单车数量变化来实现。具体来说，我们可以计算每个时间段内（例如，从上午7:30到8:50）各点位的单车数量增加或减少量，以此来反映该时间段的用车需求。

然而，由于原始数据的时间粒度较粗且存在缺失值，直接计算可能并不准确。为了改进这一点，我们可以采用插值法或时间序列预测方法来估算缺失的数据点，并基于此建立更准确的用车需求模型。

调度模型：

基于用车需求模型，我们可以建立调度模型来优化单车的调度策略。调度模型的目标是在车辆使用高峰前将单车从低需求区域调度到高需求区域，以缓解供需矛盾。

具体来说，我们可以根据用车需求模型预测出每个时间段各点位的单车需求情况，并据此制定出调度计划。调度计划应包括调度车辆的数量、调度路线、调度时间等信息。在制定调度计划时，我们还需要考虑调度车的数量和运输能力限制（每趟只能运输20辆共享单车）以及调度车的行驶速度（限速25km/h）等因素。

为了求解最优的调度策略，我们可以采用启发式算法（如遗传算法、蚁群算法等）或精确算法（如线性规划、整数规划等）来搜索最优解。但需要注意的是，由于问题规模较大且存在多个约束条件，求解最优解可能非常耗时且计算复杂度较高。因此，在实际应用中可能需要采用近似算法或启发式算法来求解满意的解。

问题3：建立运营效率评价模型及布局调整方案

运营效率评价模型：

为了建立运营效率评价模型，我们需要定义一些评价指标来衡量共享单车的运营效率。这些指标可以包括单车的使用率、用户的满意度、调度成本等。

单车使用率：可以通过计算每个时间段内被使用的单车数量与总单车数量的比值来得到。使用率越高，说明单车的运营效率越高。
用户满意度：可以通过问卷调查或用户反馈等方式来获取。满意度越高，说明用户对共享单车的服务越满意。
调度成本：可以通过计算调度车辆的运行费用、人力成本等来得到。调度成本越低，说明调度策略越经济高效。

基于上述评价指标，我们可以建立运营效率评价模型来评估不同停车点位布局下的运营效率。具体来说，我们可以对每个布局方案进行模拟运行，并计算出相应的评价指标值。然后，我们可以根据这些指标值对不同的布局方案进行比较和排序，从而选择出最优的布局方案。

布局调整方案及重新评估：

基于运营效率评价模型的结果，我们可以发现当前停车点位布局可能存在的问题和不足之处。为了改进这些问题，我们可以提出布局调整方案来优化停车点位的设置。

布局调整方案可以包括增加或减少停车点位、调整点位的位置或覆盖范围等措施。在制定布局调整方案时，我们需要考虑用户的出行需求、校园内的交通流量、地形地貌等因素，并确保新方案能够满足用户的出行需求并提高单车的运营效率。

在提出布局调整方案后，我们需要对新方案进行模拟运行和评估。具体来说，我们可以使用与问题2中类似的调度模型来模拟新方案下的单车调度情况，并计算出相应的运营效率评价指标值。然后，我们可以将这些指标值与原始方案进行比较和分析，以评估新方案的优劣和改进效果。

问题4：建模分析鲁迪的巡检路线和时间选择

为了建模分析鲁迪的巡检路线和时间选择问题，我们需要考虑以下几个方面：

故障车辆分布：我们需要知道每个停车点位在不同时间点的故障车辆数量。这可以通过统计历史数据或预测模型来得到。
巡检路线规划：基于故障车辆的分布信息，我们可以使用路径规划算法（如Dijkstra算法、A*算法等）来规划出最优的巡检路线。最优路线应能够确保鲁迪在最短时间内到达所有故障车辆所在的停车点位。
时间选择：我们需要考虑何时进行巡检以最大化回收故障车辆的数量并降低校园内故障车辆的比例。这可以通过分析用户的用车需求模式来得到。例如，在用车高峰期之前进行巡检可以确保更多的故障车辆被及时回收并修复。
巡检策略优化：我们还可以考虑一些优化策略来提高巡检效率。例如，使用多辆检修车同时进行巡检、根据实时交通信息动态调整巡检路线等。

在具体建模时，我们可以使用如下步骤：

数据预处理：对附件1中的数据进行处理和分析，得到每个停车点位在不同时间点的故障车辆数量。
路径规划：使用路径规划算法规划出最优的巡检路线。这可以基于校园地图和故障车辆的分布信息来实现。
时间选择：通过分析用户的用车需求模式来确定最佳的巡检时间。这可以通过统计历史数据或预测模型来得到。
巡检策略优化：考虑一些优化策略来提高巡检效率，并对模型进行进一步优化和调整。

最终，我们可以得到鲁迪的最优巡检路线和时间选择方案，并据此指导实际的巡检工作。这将有助于降低校园内故障车辆的比例并提高共享单车的运营效率。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom scipy.interpolate import CubicSplinefrom sklearn.metrics import mean_squared_errorfrom scipy.optimize import minimize# 假设已有数据格式为 DataFrame: columns=['点位','时间','数量']df = pd.read_excel('附件1-共享单车分布统计表.xlsx')# 预处理df['时间'] = pd.to_datetime(df['时间'], format='%H:%M').dt.hour + pd.to_datetime(df['时间'], format='%H:%M').dt.minute / 60# 构建每个点位的样条插值模型results = {}for point in df['点位'].unique():    data = df[df['点位'] == point].sort_values('时间')    x = data['时间'].values    y = data['数量'].values # 三次样条插值拟合 cs = CubicSpline(x, y, bc_type='natural')    results[point] = cs # 可视化插值曲线 t_test = np.linspace(6, 23, 100)    plt.plot(t_test, cs(t_test), label=point)plt.title('共享单车时段数量估计曲线')plt.xlabel('时间 (小时)')plt.ylabel('单车数量')plt.legend()plt.grid(True)plt.show()# 总单车数量估算（取最大总和）def estimate_total(cs_dict, time_points):    total_at_t = [] for t in time_points:        total = sum([cs(t) for cs in cs_dict.values()])        total_at_t.append(total) return max(total_at_t)time_points = [7, 9, 12, 14, 18, 21, 23]total_bikes = estimate_total(results, time_points)print("估算的校园共享单车总数为：", int(total_bikes))import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom scipy.interpolate import CubicSplineimport os# 1. 读取数据df = pd.read_excel("附件1-共享单车分布统计表.xlsx")  # 请确保文件与脚本在同目录# 2. 时间转换为小时制（如 08:30 → 8.5）def time_to_hour(t):    h, m = map(int, str(t).split(':')) return h + m / 60df['时间'] = df['时间'].apply(time_to_hour)# 3. 构建插值模型results = {}time_targets = [7.0, 9.0, 12.0, 14.0, 18.0, 21.0, 23.0]filled_table = pd.DataFrame(columns=['点位'] + [f'{t}:00' for t in time_targets])for point in df['点位'].unique():    sub_df = df[df['点位'] == point].sort_values('时间')    x = sub_df['时间'].values y = sub_df['数量'].values if len(x) >= 3:  # 最少3点才做插值 cs = CubicSpline(x, y, bc_type='natural')        results[point] = cs # 预测目标时间点 estimated = cs(time_targets)        row = [point] + list(map(lambda v: max(0, int(round(v))), estimated))  # 避免负值 filled_table.loc[len(filled_table)] = row# 4. 总量估算def estimate_total(cs_dict, time_list): return max([sum([cs(t) for cs in cs_dict.values()]) for t in time_list])total_bikes = int(estimate_total(results, time_targets))print("估算的校园总单车数：", total_bikes)filled_table.to_excel("问题一填表结果.xlsx", index=False)# 5. 可视化部分点位曲线plt.figure(figsize=(12, 6))for name, cs in list(results.items())[:5]:  # 画前5个 t_grid = np.linspace(6.5, 23.5, 200)    plt.plot(t_grid, cs(t_grid), label=name)plt.xlabel("时间（小时）")plt.ylabel("单车数量")plt.title("共享单车数量时序插值拟合图")plt.legend()plt.grid(True)plt.show()

类型	定类
样本量	34
缺失值	0
去重量	12

基于东门，变异系数（CV）为0.551，大于0.15，

基于南门，变异系数（CV）为0.5，大于0.15，

ParkingSpot 一食堂  三食堂  东门  二食堂  体育馆  北门  南门  工程中心 \
Timestamp
0 07:30:00 0 0 0 127 0 24 0 0
1 08:50:00 3 0 68 8 3 66 0 49
10 11:10:00 0 0 47 19 0 68 38 61
11 12:20:00 110 0 28 0 0 0 0 1
12 13:50:00 5 0 0 0 2 0 29 0
13 18:00:00 0 58 0 0 31 72 125 0

.............

2025年华中杯B题完整论文+代码结果https://download.csdn.net/download/qq_52590045/90632760↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓

第十七届“华中杯”B 题校园共享单车的调度与维护问题分析

问题1：估算共享单车总量及不同停车点位在不同时间点的数量分布首先，我们需要对附件1的数据进行汇总，以估算出校园内的共享单车总量。由于数据是按不同时间和停车点位统计的，我们可以通过对所有时间和点位的单车数量进行求和&…...

编程日记 2025/8/22 5:00:53

线程池的封装（c/c++）

前言：本文将要封装的线程池相关接口是基于之前一篇文章中的实现（文章链接：Linux多线程编程的艺术：封装线程、锁、条件变量和信号量的工程实践-CSDN博客）。不过无需担心，即使您没有阅读过前文，只…...

编程日记 2025/8/17 18:24:22

「数据可视化 D3系列」入门第六章：比例尺的使用

比例尺的使用一、比例尺是什么？典型示例： 二、常用比例尺类型1. 线性比例尺 (scaleLinear)2. 序数比例尺 (scaleOrdinal)3. 其他常用比例尺类型： 三、实际应用主要改进点说明四、比例尺的高级用法1. 颜色比例尺2. 时间比例尺3. 分段比例尺 …...

编程日记 2025/8/17 1:39:33

巧用ChatGPT生成适合小白的Python练习题，助力编程入门

🎁个人主页：User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏：AI 【前言】在Python学习的道路上，练习题是帮助小白快速掌握编程知识和技能的重要工具。然而，…...

编程日记 2025/8/22 5:00:15

iOS15描述文件在哪下载？iOS15测试版描述文件下载与升级教程

iOS 15正式发布：全面升级体验与开发者工具推荐今天凌晨，备受关注的WWDC21开发者大会上如期召开，果粉期待已久的新一代iOS 15操作系统正式发布。iOS 15系统带来了全新FaceTime与通知界面，并对照片、天气、钱包、地图等应用进行了…...

编程日记 2025/8/21 23:37:52

Java面试（2025）—— Spring

什么是Spring? 结构化回答（总分总模式） ① 一句话定义 “Spring 是一个开源的 Java 企业级应用框架，核心目标是简化企业应用的开发，通过控制反转（IoC）、依赖注入（DI）和面向切面编…...

编程日记 2025/8/22 4:56:09

【C++ Qt】Hello World、初始信号槽、理解对象树 ~~~（通俗易懂图文并茂）

每日激励：“不设限和自我肯定的心态：I can do all things。 — Stephen Curry” 绪论： 本章是Qt的第二篇，带你认识Qt中几个简单的控件如何实现，以及通过信号槽的方式实现一定的用户和程序的联动，还有许多…...

编程日记 2025/8/19 7:17:42

2025.04.16【GroupedandStackedbarplot】生信数据可视化技法

Negative values This blogpost shows what happens when the dataset includes negative values. Most basic streamchart The most basic streamchart you can build with R and the streamgraph package. 文章目录 Negative valuesMost basic streamchart 2025.04.16【Gro…...

编程日记 2025/8/22 5:00:50

java 设计模式之代理模式

简介代理模式：使用代理类来增强目标类的功能。在代码结构上，代理对象持有目标对象，通过代理对象访问目标对象，这样可以在不改变目标对象的前提下增加额外的功能，如权限校验、缓存等代理模式内部的角色：…...

编程日记 2025/8/22 4:57:05

Spring Boot实战：基于策略模式+代理模式手写幂等性注解组件

一、为什么需要幂等性？ 核心定义：在分布式系统中，一个操作无论执行一次还是多次，最终结果都保持一致。典型场景： 用户重复点击提交按钮网络抖动导致的请求重试消息队列的重复消费支付系统的回调通知不处理幂等的风…...

编程日记 2025/8/19 17:48:52

【.net core】【watercloud】数据库连接报错问题

错误信息： 中文提示 : 连接数据库过程中发生错误，检查服务器是否正常连接字符串是否正确，错误信息：Cannot Open when State is Connecting.DbType"MySql";ConfigId"0". English Message : Connection open …...

编程日记 2025/8/22 4:56:08

69. x 的平方根

目录一、问题描述二、解题思路三、代码四、复杂度分析一、问题描述给你一个非负整数 x ，计算并返回 x 的算术平方根。由于返回类型是整数，结果只保留整数部分 ，小数部分将被舍去。注意：不允许使用任何内置指数…...

编程日记 2025/8/21 14:26:03

计算机网络基础概论

计算机网络基础概论目录一、网络基本概念 1.1. 网络 1.2 互联网 1.3 ip地址 1.3.1 作用 1.3.2 分类 1.4 MAC地址 1.4.1 MAC地址与 IP 地址的关系 1.5 网络协议二、网络分层模型 2.1 物理层 2.2 数据链路层 2.3 网络层 2.4 传输层 2.5 会话层 2.6 表示层 2.7…...

编程日记 2025/8/22 4:57:05

京东3D空间视频生成技术探索与应用

1. 背景近年来，随着社交媒体、流媒体平台以及XR设备的快速发展，沉浸式3D空间视频的需求迅猛增长，尤其是在短视频、直播和电影领域，正在重新定义观众的观看体验。2023年，苹果公司发布的空间视频技术为这一趋势注入了新…...

编程日记 2025/8/21 19:56:08

吉利矩阵（DFS）

所有元素为非负整数，且各行各列的元素和都等于 7 的 33 方阵称为 “吉利矩阵”，因为这样的矩阵一共有 666 种。本题就请你统计一下，各行各列的元素和都等于 5 的 33 方阵一共有多少种？ 思路：统计方法数，…...

编程日记 2025/8/21 11:06:28

突破反爬限制的智能数据采集实战 —— 面向中小企业的高效信息监控方案

在当前数据驱动的商业环境中，如何高效、稳定地获取网络数据，已成为众多中小企业进行市场洞察、竞品监测与品牌舆情管理的关键能力。本文将分享一个基于先进API技术构建的社交媒体热点监控系统，聚焦实际应用场景，展示如何在合规前提…...

编程日记 2025/8/22 5:00:51

从0到1：让AI赋能计算机的全流程实践指南

🎁个人主页：User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏：AI 【前言】在数字化浪潮席卷全球的今天，AI（人工智能）早已不是科幻电影中的虚构概…...

编程日记 2025/8/17 21:31:07

IntelliJ IDEA 2025.1 发布，默认 K2 模式 | Android Studio 也将跟进

2025.1 版本已经发布，在此之前我们就聊过该版本的《Terminal 又发布全新重构版本》，而现在 2025.1 中的 K2 模式也成为了默认选项。可以预见，这个版本可能会包含不少大坑，为下个 Android Studio 祈祷。首先有一点可以确定&…...

编程日记 2025/8/22 4:59:08

MCP、A2A、Function Calling：AI架构设计的三驾马车

随着AI浪潮的到来，各种技术和概念也层出不穷，作为技术人应该第一时间掌握其核心概念与原理，以便于在工作和交流中傻傻分不清楚，本文主要就最近大家提及比较多的MCP、A2A和Function Call做下普及与区分在当今快速发展的AI领域&a…...

编程日记 2025/8/22 4:50:23

NO.96十六届蓝桥杯备战|图论基础-多源最短路|Floyd|Clear And Present Danger|灾后重建|无向图的最小环问题(C++)

多源最短路：即图中每对顶点间的最短路径 floyd算法本质是动态规划，⽤来求任意两个结点之间的最短路，也称插点法。通过不断在两点之间加⼊新的点，来更新最短路。适⽤于任何图，不管有向⽆向，边权正负&…...

编程日记 2025/8/22 4:58:13

OpenHarmony - 小型系统内核（LiteOS-A）（六）

OpenHarmony - 小型系统内核（LiteOS-A）（六） 七、文件系统支持的文件系统 FAT 基本概念 FAT文件系统是File Allocation Table（文件配置表）的简称，主要包括DBR区、FAT区、DATA区三个区域。其…...

编程日记 2025/8/17 14:37:43

“星睿O6” AI PC开发套件评测 - Windows on Arm 安装指南和性能测评

引言 Radxa联合此芯科技和安谋科技推出全新的"星睿O6"迷你 ITX 主板。该系统搭载了 CIX P1（CD8180）12 核 Armv9 处理器，拥有高达30T算力的NPU和高性能的GPU，最高配备64GB LPDDR内存，并提供了如 5GbE、HDMI …...

编程日记 2025/8/21 5:26:55

JS实现RSA加密

目录目标环境实现RSA加解密计算RSA加密允许的最大字节长度目标使用JS实现RSA加密解密。计算RSA加密允许的最大字节长度。环境 node-rsa 实现RSA加解密 const NodeRSA require(node-rsa);function getKey() {const keyLength512// 创建 RSA 密钥对const key new …...

编程日记 2025/8/19 15:10:11

Seata方案详细

Seata（Simple Extensible Autonomous Transaction Architecture）是阿里开源的分布式事务解决方案，支持多种事务模式，提供一站式的事务管理能力。以下是其核心原理、模式及实践的详细解析： 一、Seata核心架构与角色 Se…...

编程日记 2025/8/19 15:44:05

深入了解v-model的原理:v-model拆分为value属性和input事件,表单类组件的封装并用v-model简化代码

文章目录 1.v-model的原理1.1.验证:在input文本输入框中不使用v-model实现双向数据绑定1.2.验证:v-model在下拉菜单中的拆分 2.表单类组件的封装2.1.原理或步骤2.2.示例:表单类组件封装之下拉菜单select的封装 3.使用v-model简化代码完整代码 4.拓展示例:完成input文本输入框的…...

编程日记 2025/8/17 18:23:36

设计模式每日硬核训练 Day 14：组合模式（Composite Pattern）完整讲解与实战应用

🔄 回顾 Day 13：桥接模式小结在 Day 13 中，我们学习了桥接模式（Bridge Pattern）： 用于将“抽象”与“实现”分离，适用于双维度变化场景（如图形类型渲染方式）。它强调…...

编程日记 2025/8/21 7:26:04

RMSIN论文阅读

自适应旋转卷积 (ARC)是否可以换成可变形卷积研究背景指向性遥感图像分割（RRSIS）：旨在根据文本描述实现遥感图像中目标对象的像素级定位像素级定位：像素级定位指的是在图像中对目标对象的每个像素进行准确的定位和标记。这意味…...

编程日记 2025/8/20 2:21:50

【音视频】FLV格式分析

FLV概述 FLV(Flash Video)是Adobe公司推出的⼀种流媒体格式，由于其封装后的⾳视频⽂件体积⼩、封装简单等特点，⾮常适合于互联⽹上使⽤。⽬前主流的视频⽹站基本都⽀持FLV。采⽤FLV格式封装的⽂件后缀为.flv。 FLV封装格式是由⼀个⽂件头(file header)和…...

编程日记 2025/8/20 22:17:53

华为OD机试真题——最小的调整次数/特异性双端队列（2025A卷：100分）Java/python/JavaScript/C++/C语言/GO六种最佳实现

2025 A卷 100分题型本文涵盖详细的问题分析、解题思路、代码实现、代码详解、测试用例以及综合分析； 并提供Java、python、JavaScript、C、C语言、GO六种语言的最佳实现方式！ 2025华为OD真题目录全流程解析/备考攻略/经验分享华为OD机试真题《最小的调…...

编程日记 2025/8/17 6:14:04

华为OD机试真题——统计匹配的二元组个数（2025A卷：100分）Java/python/JavaScript/C++/C语言/GO六种最佳实现

2025 A卷 100分题型本文涵盖详细的问题分析、解题思路、代码实现、代码详解、测试用例以及综合分析； 并提供Java、python、JavaScript、C、C语言、GO六种语言的最佳实现方式！ 2025华为OD真题目录全流程解析/备考攻略/经验分享华为OD机试真题《统计匹配…...

编程日记 2025/8/17 18:23:24

4.16学习总结

完成134. 加油站 - 力扣（LeetCode）算法题学习了filewriter的相关方法，了解了字符流的底层原理...

编程日记 2025/8/17 18:27:01

java面试篇 4.9

目录 mybatis： 1、mybatis的执行流程 2、mybatis是否支持延迟加载？ 当我们需要去开启全局的懒加载时： 3、mybatis的一级和二级缓存微服务 1、springcloud五大组件有哪些 2、服务注册和发现是什么意思？springcloud如何实现…...

编程日记 2025/8/21 4:18:05

子函数嵌套的意义——以“颜色排序”为例（Python）

多一层缩进精减参数传递，参数少平铺书代码写更佳。笔记模板由python脚本于2025-04-16 11:52:53创建，本篇笔记适合喜欢子函数嵌套结构代码形式的coder翻阅。【学习的细节是欢悦的历程】博客的核心价值：在于输出思考与经验，而不仅…...

编程日记 2025/8/21 18:22:07

Python深度学习实现验证码识别全攻略

放在前面 Python深度学习实现验证码识别全攻略 Python深度学习实现验证码识别全攻略在网络安全领域，验证码作为人机区分的关键防线，广泛应用于登录、注册等场景。随着技术演进，验证码样式愈发复杂，传统识别手段力不从心&#…...

编程日记 2025/8/17 18:23:23

【Linux】su、su-、sudo、sudo -i、sudo su - 命令有什么区别？分别适用什么场景？

目录 su su- sudo sudo -i sudo su - /etc/sudoers su 该命令将启动非登录shell，即虽然以该用户身份启动shell，但使用的是原始用户的环境设置。普通用户账户运行 su 命令切换到另一用户账户，需提供要切换的账户的密码。root用户&…...

编程日记 2025/8/19 2:25:05

算法-同余原理

在计算n个数相加或者相乘再取余时，中间结果可能会溢出导致结果错误，这时可以使用同余原理一、同余原理 ①加法同余 （a[1] a[2] ... a[n]）% m > (a[1] % m a[2] % m ... a[n] % m) % m ② 乘法同余 （…...

编程日记 2025/8/19 10:34:40

深入理解卷积神经网络(CNN)：从原理到实践

引言卷积神经网络(Convolutional Neural Networks, CNN)是深度学习领域最具影响力的架构之一，尤其在计算机视觉任务中表现出色。自2012年AlexNet在ImageNet竞赛中一战成名以来，CNN不断演进，推动着图像识别、医疗影像分析、自动驾驶等领域的快…...

编程日记 2025/8/20 16:43:54

深度学习常见模块实现001

文章目录 1.学习目的2.常见模块使用与实现2.1 ResNet18实现2.2 SeNet模块2.3 CBAM模块 1.学习目的深度学习在图像处理这块，很多模块已经成型，并没有很多新的东西，更多的是不同的模块堆叠，所以需要我们不断总结，动手实…...

编程日记 2025/8/19 13:15:14

Python实现贪吃蛇三

上篇文章Python实现贪吃蛇一，实现了一个贪吃蛇的基础版本。后面第二篇文章Python实现贪吃蛇二修改了一些不足，但最近发现还有两点需要优化： 1、生成食物的时候有概率和记分牌重合 2、游戏缺少暂停功能先看生成食物的时候有概率和记分牌重合的…...

编程日记 2025/8/17 2:04:15

windows server C# IIS部署

1、添加IIS功能 windows server 2012、windows server 2016、windows server 2019 说明：自带的是.net 4.5 不需要安装.net 3.5 尽量使用 windows server 2019、2016高版本，低版本会出现需要打补丁的问题 2、打开IIS 3、打开iis应用池 .net 4.5 4、添…...

编程日记 2025/8/19 8:31:14

LLM小白自学笔记：1.两种指令微调

一、LoRA 简单来说，LoRA不直接调整个大模型的全部参数（那样太费资源），而是在模型的某些层（通常是注意力层）加个“旁路”——两个小的矩阵（低秩矩阵）。训练时只更新这俩小矩阵&#x…...

编程日记 2025/8/20 18:03:15

杰弗里·辛顿：深度学习教父

名人说：路漫漫其修远兮，吾将上下而求索。—— 屈原《离骚》创作者：Code_流苏(CSDN)（一个喜欢古诗词和编程的Coder😊） 杰弗里辛顿：当坚持遇见突破，AI迎来新纪元一、人物简介杰弗…...

编程日记 2025/8/19 11:50:14

RHCE 第一次作业

一.定义延迟任务 1.安装邮件服务 [roothaiou ~]# yum install s-nail -y 2.配置邮件服务 [roothaiou ~]# vim /etc/mail.rc 3.测试邮件服务 [roothaiou ~]# echo 88888888 | mail -v -s Passion 13571532874163.com 4.设置定时任务 [roothaiou ~]# crontab -e 二.时间同步…...

编程日记 2025/8/22 4:06:42

库洛游戏一面+二面

目录一面 1. ArrayList和LinkedList的区别，就是我在插入和删除的时候他们在时间复杂度上有什么区别 2. hashmap在java的底层是怎么实现的 3. 红黑树的实现原理 4. 红黑树的特点 5. 为什么红黑树比链表查询速度快 6. 在java中字符串的操作方式有几种 7. Stri…...

编程日记 2025/8/19 20:56:08

基于多模态深度学习的亚急性脊髓联合变性全流程预测与个性化管理技术方案

目录技术方案文档1. 数据收集与预处理模块2. 多模态预测模型构建3. 术前风险评估系统4. 术中实时监测系统5. 术后并发症预测与护理6. 统计分析与验证模块7. 健康教育系统技术实现说明技术方案文档 1. 数据收集与预处理模块功能：构建数据管道，清洗并整合多源数据伪代码示…...

编程日记 2025/8/17 15:40:06

蓝桥杯日期的题型

做题思路一般分为3个步骤,首先要定义一个结构体来存储月份的天数,第一循环日期,第二判断日期是否为闰年,第三就是题目求什么结构体 static int[] ds{0, 31, 28, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31}; 判断是否闰年的函数 public static void f(int m,int d){//被4整…...

编程日记 2025/8/17 20:56:19

【树形dp题解】dfs的巧妙应用

【树形dp题解】dfs的巧妙应用 [P2986 USACO10MAR] Great Cow Gathering G - 洛谷题目大意： Bessie 正在计划一年一度的奶牛大集会，来自全国各地的奶牛将来参加这一次集会。当然，她会选择最方便的地点来举办这次集会。每个奶牛居住在 N N …...

编程日记 2025/8/19 8:44:48

《AI大模型应知应会100篇》第20篇：大模型伦理准则与监管趋势

第20篇：大模型伦理准则与监管趋势摘要随着人工智能（AI）技术的飞速发展，尤其是大模型（如GPT、PaLM等）在自然语言处理、图像生成等领域的广泛应用，AI伦理问题和监管挑战日益凸显。本文将梳理当…...

编程日记 2025/8/20 20:47:45

线上教学平台（vue+springboot+ssm+mysql）含文档+PPT

线上教学平台（vuespringbootssmmysql）含文档PPT 该系统是一个在线教学平台，主要分为管理员和学员两个角色；管理员界面包含首页、交流中心、学员管理、资料类型管理、学习资料管理、交流论坛、我的收藏管理、留言板管理、考试管理…...

编程日记 2025/8/17 6:14:10

Being-0：具有视觉-语言模型和模块化技能的人形机器人智体

25年3月来自北大、北京智源和 BeingBeyond 的论文“Being-0: A Humanoid Robotic Agent with Vision-Language Models and Modular Skills”。构建能够在现实世界具身任务中达到人类水平表现的自主机器人智体，是人形机器人研究的终极目标。近期，基于基…...

编程日记 2025/8/17 18:24:51

相关文章：