散分散分，升星了，哈哈...

dancingbit 2009-08-19 11:50:31
升星了，按照惯例，散分散分...

给分才发现可以给300分了，哇哈哈...
...全文
490 97 打赏 收藏 转发到动态 举报
写回复
用AI写文章
97 条回复
切换为时间正序
请发表友善的回复…
发表回复
永远的小鱼 2010-04-23
  • 打赏
  • 举报
 回复
来分来分啊
kaishiyouxi 2009-09-01
  • 打赏
  • 举报
 回复
enen
狼王_ 2009-08-29
  • 打赏
  • 举报
 回复
这种楼最高
wozhidaode 2009-08-20
  • 打赏
  • 举报
 回复
jf
LarkBoy 2009-08-20
  • 打赏
  • 举报
 回复
恭喜楼主
xiezechang 2009-08-20
  • 打赏
  • 举报
 回复
顶!!!!![Quote=引用楼主 dancingbit 的回复:]
升星了，按照惯例，散分散分...

给分才发现可以给300分了，哇哈哈...
[/Quote]
十八道胡同 2009-08-20
  • 打赏
  • 举报
 回复
[Quote=引用 89 楼 dancingbit 的回复:]


你弄吧，正好散散分...
[/Quote]

怎么向everyone提问？
dancingbit 2009-08-20
  • 打赏
  • 举报
 回复
[Quote=引用 82 楼 lcl_data 的回复:]
需不需要弄个扫盲帖呢？
[/Quote]
你弄吧，正好散散分...
dancingbit 2009-08-20
  • 打赏
  • 举报
 回复
[Quote=引用 74 楼 yfqvip 的回复:]

在回复的webedit里的标题上有个脚本的图标,点一下就可以增加表情功能.
[/Quote]
真是惭愧啊...
满衣兄 2009-08-20
  • 打赏
  • 举报
 回复
[Quote=引用 70 楼 lcl_data 的回复:]
借芥子兄宝地，问个问题
这些个图片地址怎么知道的？
67楼的那个
ps:我根着链接去看了下，没发现
[/Quote]
[Quote=引用 71 楼 dancingbit 的回复:]
这个我也很好奇啊，就是不好意思问，怕被人鄙视...
[/Quote]
在回复的webedit里的标题上有个脚本的图标,点一下就可以增加表情功能.
wwd252 2009-08-20
  • 打赏
  • 举报
 回复
恭喜
大能猫灬蹲坑逗蛆 2009-08-20
  • 打赏
  • 举报
 回复
有喜哦
wonder888888 2009-08-20
  • 打赏
  • 举报
 回复
帮顶，接分
wonder888888 2009-08-20
  • 打赏
  • 举报
 回复
祝贺
wonder888888 2009-08-20
  • 打赏
  • 举报
 回复
帮顶，接分
javacaspnet 2009-08-20
  • 打赏
  • 举报
 回复
帮顶，接分
十八道胡同 2009-08-20
  • 打赏
  • 举报
 回复
需不需要弄个扫盲帖呢？
十八道胡同 2009-08-20
  • 打赏
  • 举报
 回复
[Quote=引用 74 楼 yfqvip 的回复:]

在回复的webedit里的标题上有个脚本的图标,点一下就可以增加表情功能.
[/Quote]
The-Venus 2009-08-20
  • 打赏
  • 举报
 回复
恭喜恭喜哈！
accpyy 2009-08-20
  • 打赏
  • 举报
 回复
恭喜恭喜
加载更多回复（77）
升五叉，散分。
rt.
信息论、机器学习的核心概念：熵、KL散度、JS散度和Renyi散度的深度解析及应用
本文深入探讨了信息论、机器学习和统计学中的几个核心概念：熵、KL散度、Jensen-Shannon散度和Renyi散度。这些概念不仅是理论研究的基石，也是现代数据分析和机器学习应用的重要工具。熵作为信息论的基础，为我们量化信息和不确定性提供了数学框架。而各种散度度量则进一步扩展了这一概念，使我们能够比较和分析不同的概率分布。KL散度凭借其在衡量分布差异方面的独特性质，在诸如变分推断、模型压缩等领域发挥着关键作用。
分散加载文件 scatter files
当链接器创建镜像文件时，它会创建一些 ARM 预定义的与域或者节相关的符号。这些符号就代表了链接器创建创建镜像的依据。链接器定义了一些 ARM 保留的符号，我们可以在需要时访问这些符号。这些符号是包含$$字符序列的符号以及所有其他包含$$字符序列的外部名称。我们可以导入这些符号地址，并将它们作为汇编语言程序的可重定位地址使用，或者将它们作为 C 或 C++ 源代码中的extern符号来引用。如果使用--strict编译器命令行选项，则编译器不接受包含的符号名称。要重新启用支持，请在编译器命令行中包含。
分散加载的简单介绍
原 ARM Cortex-M底层技术（六）分散加载的简单介绍 2018年04月10日 20:31:24 Solaris_超 阅读数：941 ...
复现基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法（Python代码实现）
内容概要：本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法，并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点，通过优化扩散模型的结构与训练策略，有效捕捉历史数据的概率分布特征与时序相关性，从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进，并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型，为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群：具备一定Python编程能力和机器学习基础，从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标：①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成；②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估；③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础； 阅读建议：建议读者结合所提供的完整资源（代码、数据集、说明文档）进行实践操作，重点关注扩散模型的前向加噪与反向去噪过程的设计细节，以及如何将其适配于新能源时序数据的生成任务，通过参数调优与对比实验深入理解模型的生成机制与性能边界。
非技术区

7,776

社区成员

63,113

社区内容

发帖
与我相关
我的任务
社区描述
.NET技术 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章