Posts

本文介绍了使用SpringBoot、MySQL和MybatisPlus构建的后端项目，以及Vue、Element-Plus作为前端框架。作者还分享了如何初始化项目、生成实体类、mapper接口和Result类，并配置Swagger API注解等内容。

本文讨论了状态空间模型（State Space Model），包括状态空间、离散和连续形式，以及相关矩阵的含义和计算过程。零阶保持技术被用来将离散输入转换为连续输入以进行预测。

摘要内容

摘要内容

本文介绍了生成矢量格式的连贯素描图的方法。使用递归神经网络（RNN），以类似人类思维的方式进行素描，并通过包含5个元素的数据集来捕捉笔画动作和状态。文章具体描述了双向LSTM编码器、自回归HyperLSTM解码器以及如何生成初始隐藏和细胞状态向量的过程，最终实现连贯的素描绘制。

这篇文章讨论了在多节点环境下使用联邦学习策略的问题和解决方案。介绍了同步和异步两种策略，并提出了Federated Averaging方法来选择一组设备参与训练，通过公式优化全局模型参数以最小化损失函数f(w)。还介绍了FL框架（FATE），包括Flow、Container、Eggroll和HDFS等组件及其作用。

使用阿里通义生成部署的docker和nginx文件；服务器上过旧的Docker版本导致的问题解决方案。

本文介绍了如何为Vue项目安装核心依赖、样式预处理器，并运行开发服务器。文章还列出了项目的目录结构和关键模块，以便帮助初学者复现项目并理解其中的逻辑。

本文介绍了检测对象定位的基础定义、核心指标公式及交并比与mAP的计算方法，并解释了如何通过TP、FP和FN来判断预测框的准确性，最终得出mAP的概念。

生成连贯涂鸦的神经表示方法；利用双向RNN和高斯分布预测每个点的位置和状态，并通过自回归循环生成绘画序列。