j52nnw9的博客

实验环境说明关于pintosPintos操作系统可以直接运行在常规的采用80x86 CPU 的IBM兼容PC机上。但是为了实验和调试方便，本组实验以在Linux系统上通过Bochs仿真器运行Pintos为例介绍。 Bochs是一个系统仿真器，能够仿真80x86 CPU及其外设，从而所有能够在80x86 CPU上运行的操作系统和软件都可以不加修改地在Bochs上运行。 Bochs主要用于操作系统开发，当模拟操作系统崩溃，它不崩溃主机操作系统，所以可以调试仿真操作系统。 QEMU（quick emulator）是一款通用且免费的可执行硬件虚拟化的（hardware virtualization）开源仿真器。其与Bochs，PearPC类似，但配合KVM拥有高速，跨平台的特性。 pintos代码结构开源的操作系统Pintos系统源码都位于src目录下 threads/：内核线程操作相关的源文件。线程相关的实验将主要在这一目录下开展。 userprog/：用户进程和系统调用相关的源文件。系统调用中的实验将主要在这一目录下开展。 vm/：该目录基本为空。虚拟内存相关的实验将主要在这一目录下 ...

表访问方式table scan（表扫描）对表中数据从头到尾一行一行进行扫描，判断是否满足where条件 index scan（索引扫描）索引和按索引组织的表 (oracle.com) 索引的必要性索引在某些情况下可以加快对表行的访问速度，减少磁盘I/O操作，但SQL 引擎必须继续维护针对表定义的所有索引，而不管查询是否使用它们，所以需要对索引的必要性进行考虑。 通常，在以下任一情况下，请考虑在列上创建索引： 索引列经常被查询，并返回表中总行数的一小部分。 索引列上存在参照完整性约束。索引是避免全表锁定的一种方法，否则在更新父表主键、合并到父表或从父表中删除时，将需要全表锁定。 唯一键约束将放置在表上，并且您希望手动指定索引和所有索引选项。 B树索引B树索引有两种类型的块：用于搜索的分支块和存储值的叶块。 B树指数是平衡的，因为所有叶块自动保持相同的深度。索引高度是从根块到叶块所需的块数，分支级别是高度减去1。下图中索引高度为3，分支级别为2。如果数据库扫描索引以查找值，则它将在n个I/O中找到此值，其中n是B树索引的高度。 叶块包含每个索引数据值和用于查找实际行的相应rowid，每 ...

同构网络可分任务调度问题 姓名：石振宁 学号：20079100015 一、问题描述 设有N+1台处理机通过星型网络互连，如图1所示，其中$P_{0}$为主处理机，其余为从处理机，主处理机只负责数据的切分和传输，从处理机负责数据的处理。$l_{i}$是链接$P_{0}$和$P_{i}$的通信链路,其中$0 < i \leq N$。由于该网络为同构网络，所以从处理机的能力一样，即每个从处理机之间数据传输速度与处理速度相等。 主处理机$P_{0}$将大小为$W_{total}$的任务数据切分为n个子数据块,大小为$\alpha_{1},\alpha_{2},\ldots,\alpha_{n}$，并且均为正，有$1 \leq n \leq N$，满足$\sum_{i = 1}^{n}\alpha_{i} = W_{total}$。依次传输给n个相同的按照任意顺序排列的从处理机$P_{1},P_{2},\ldots,P_{n}$,主处理机$P_{0}$同一时刻只能给一个从处理机$P_{i}$传输任务,$\ P_{i}$只有在完全接收子任务后才开始处理该任务。并不要求所有的处理机都必须参与 ...

CrossCBR: Cross-view Contrastive Learning for Bundle Recommendation一、标题：捆绑推荐中的跨视图对比学习视图是如何体现“跨”字的，视图之间是怎样“对比”的 视图是如何体现“跨”字的本文中含有两个视图，分别为包视图和物品视图 包视图直接通过用户-包图表的交互体现针对用户的捆绑包推荐 物品视图以物品作为粒度描述连接用户-物品图表和包-物品图表，间接描述用户对包偏好 最后得到模型预测表示为$y=e^{B^T}_ue^B_b+e^{I^T}_ue^I_b$ 现有方法的不足BundleNet算法盲目地将两个视图合并为一个统一的三方图，采用没有差异化的统⼀视图。无法从这两种视图中区分用户之间的行为相似性和包之间的内容关联性，从而模糊了它们之间的联系。 BGCN算法分别对包视图和物品视图执行表征学习和偏好预测，然后融合这两个特定于视图的预测。但它只考虑了预测级别的合作信号，而不是直接将这种信号插入到为推荐而优化的表征中。 视图之间是怎样“对比”的在模型损失优化上，采用了InfoNCE对比损失和BPR loss(贝叶斯个性化排序损失)， ...

第一章1.1 运输问题与方程组求解的优化建模问题1.运输问题生产一种产品，有m个产地，n个销售地，从第i个产地运输单位产品到第j个销售地的运费为$c_{𝑖𝑗}$，第i个产地产量为$a_i$，第j个销售地的需要量是$b_j$。假设产销平衡（生产多少，销售多少），从第i个产地运到第j个销售地的运量为$x_{ij}$，问怎么制定运输方案，才能使运费最少？ 目标函数为 约束条件为 整体模型为 课外作业 1.2 同构网络可分任务调度问题的优化建模问题描述设有N+1台处理机通过星型网络互连，如图1所示，其中$P_0$为主处理机，其余为从处理机，主处理机只负责数据的切分和传输，从处理机负责数据的处理。$l_i$是链接$P_0$和$P_i$的通信链路。从处理机的能力一样，称为同构网络。不妨记 $P_1,P_2,…,P_N$为主处理机给从处理机传输数据的调度顺序。 $P_0$将大小为$W_{total}$的数据切分为N个子块（任务）并传输给$P_1,P_2,…,P_N$，$P_0$同一时刻只能给一个从处理机$P_i$传输任务,$P_i$只有在完全接收子任务后才开始处理该任务。并不要求所有的处理机 ...

WSA安装谷歌架构可以参考下面的连接 Windows11运行安卓应用（安装WSA），包含Google Play 商店和服务框架 - 简书 (jianshu.com) WSA-Community/WSAGAScript: Scripts to install Google Apps into a WSA image. Plus optional root (github.com) 注意该过程需要用到WSL2（WSL1会在mount步骤出错） WSA开启应用发生闪退 需要将动态更改成独显，发现问题得以解决 打开WSA的设置界面打开电脑任意浏览器，输入wsa://com.android.settings即可 WSA使用代理 输入以下命令 1adb connect 127.0.0.1:58526 && adb shell "settings put global http_proxy `ip route list match 0 table all scope global | cut -F3`:7890" 注意两点 如果你是第一次使用adb连接，安卓 ...

题目解析个人赛背景 2021年10月某日早上，本市一个名为”大路建设”的高速公路工地主管发现办公室的计算机被加密并无法开启，其后收到了勒索通知。考虑到高速公路的基建安全，主管决定报警。警方调查人员到达现场取证，发现办公室内有三部个人计算机，通过一个老款路由器接入互联网。 经调查相关电子证据后，警方怀疑一位本地男子–阿力士与本案有关，并将他拘捕。现在你被委派处理这起案件,请由以下资料分析阿力士在本案中的违法犯罪行为, 并还原事件经过 1、[单选题]工地主管电话的微信账号是什么? (1分)A. Kasier751111 B.Kasierlee751111 C. Kasierlee D.以上皆非 答案：D 用户账户中并没有出现过wechat的相关信息，故选D 2、[填空题] 工地主管的隔空投送装置编号是什么? (请以英文全大写及阿拉伯数字回答) (1分)答案：780F624DF099 在设备信息中可以找到 3、[单选题] 工地主管电话的哪一个应用程序有关于于经纬度24.490474, 118.110220的纪录? (2分)A. 照片 B. WhatsApp C. Apple Maps ...

可信AI总结报告论文来源ACM与IEEE双Fellow、华人女计算机科学家周以真：可信 AI，未来可期 | 雷峰网 (leiphone.com) 一、可信AI的发展历程 人工智能并不是一个新的概念，从1950年的图灵之问开始，到今天产业的蓬勃发展。人工智能系统已经在我们的生活中有着广泛的应用。比如，物体识别可以帮助汽车识别道路；语音识别则有助于个性化语音助手交流。人工智能系统的表现甚至超过了人类，AlphaGo 就是第一个击败世界最强围棋选手的计算机程序。除此之外，OpenAI公司提出了包含1750亿参数的GPT究极进化版模型GPT-3，GPT-3 在许多 NLP 数据集上均具有出色的性能，包括翻译、问答和文本填空任务，这还包括一些需要即时推理或领域适应的任务，例如给一句话中的单词替换成同义词，或执行 3 位数的数学运算。人工智能的前景之广阔，属于人工智能的时代仿佛就此到来。 但是随着人工智能广泛的产业落地，带来的诸多问题也同样不能忽视。AI面临越来越多的可信挑战，人工智能系统可能是不堪一击且不公正的。包含涂鸦的停车标志，良性皮肤病图像上的噪声，这些都有可能成为混淆欺骗分类器的存 ...

神经网络 第一章 人工神经网络绪论1.1人工智能的含义对人工智能的研究必然借鉴自然智能—人脑的研究成果，根据侧重点的不同，可分为三大类： 结构模拟：神经计算，生理学派，连接主义 生理学派 根据人脑的生理结构和工作机理，实现计算机的智能，是一种局部和近似的模拟(ANN) 特点： 利用NN的自学习能力获取知识，再利用知识解决问题 具有高度的并行性、分布性、很强的鲁棒性和容错性 擅长模拟人脑的形象思维，便于实现人脑的低级感知功能：图象、语音的识别和处理 功能模拟：符号推演，心理学派，符号主义 心理学派 根据人脑的心理模型，将知识/问题表示成某种逻辑网络，采用符号推演的方法，实现搜索、 推理、学习等功能。如自动机器推理、定理证明、专家系统、机器博弈等 擅长模拟人脑的逻辑思维，便于实现人脑的高 级认知功能（推理、决策等） 行为模拟：控制进化，控制论学派，行为主义，进化主义 控制论学派 基于“感知—行为模型” ，模拟人在控制过程中的智能活动和行为特征：自优化、自适应、自学习、自组织等 也可称为现场AI（Situated AI），强调智能系统与环境的交互 认为智能取决 ...

整合命令python /opt/ardupilot/Tools/autotest/sim_vehicle.py --location=AVC_plane -v ArduCopter --console --map 查找python位置1whereis python 删除软链接1rm /usr/bin/python　 生成python3的软链接到环境变量1ln -s /usr/bin/python3.6 /usr/bin/python pip下载慢1-i https://pypi.tuna.tsinghua.edu.cn/simple 打开cygwin输入cd ~/ardupilot/ArduCopter ../Tools/autotest/sim_vehicle.py –map –console （默认master下版本arducopter，默认模拟 四轴） 启动SITL后输入mode guided arm throttle takeoff 40 （起飞命令：起飞必须在布防后15秒内开始） 改变飞行器参数，可以在出现的MAVProxy.exe窗口里输入：param l ...