股票指标MFI和KDJ
type
status
date
slug
summary
tags
category
icon
password

MFI 指标原理

notion image

KDJ 指标原理

notion image
notion image

对于算法性能的评判指标

Ubuntu 批量压缩文件夹
type
status
date
slug
summary
tags
category
icon
password
安装软件
建立一个可执行文件,如compress_dirs.sh
使用方法
组装 pc 安装 Windows 和 Ubuntu 双系统可能会遇到的问题
type
status
date
slug
summary
tags
category
icon
password

1. 介绍以下配置

  • 这次组机用的是 40 系列显卡 + 7000 系列 AMD 处理器。

2. 安装时遇到的一些问题

2.1. windows 部分

  • 烧录系统镜像的时候,如果用的是 MacOS,需要将 U 盘格式设置成 NTFS 格式。
    • 安装结束后重启,可能会发现网卡和无线网卡搜索不到信号。
      卡尔曼滤波算法和应用
      type
      status
      date
      slug
      summary
      tags
      category
      icon
      password

      1. 状态转移矩阵

      从当前状态到下一个状态的转换.
      例子: 假设跟踪车辆形式
      • 车辆的状态矩阵, 位置变量 ; 速度变量 .
        • 假设车辆有加速度变量 ; 这里 是单位时间; 这里就可以从上一个单位时间的 推导出当前的 .
          • 这里可以发现输出变量是输入变量的线性组合, 所以卡尔曼滤波器是线性滤波器, 只能描述状态与状态之间的线性关系. 由于是线性关系, 所以可以将公式写成矩阵的形式.
            Notion Mermaid 绘制思维导图流程图
            type
            status
            date
            slug
            summary
            tags
            category
            icon
            password
            Mermaid 可以画很多类型的图, 详细可以查看官方说明书

            1. 调出 Mermaid 绘制界面

            在 Notion 页面中输入/code 插入代码块. 左上角代码类型选择 Mermaid, 右边的 Split 表示代码和思维导图同时表示, 类似于 Markdown 编辑器一边编辑一边预览.
            notion image

            2. Mermaid 代码编辑

            Windows 安装 WSL2 Ubuntu
            type
            status
            date
            slug
            summary
            tags
            category
            icon
            password

            1. 安装Ubuntu

            • 首先检查windows是否可以更新, 必须保持在可以更新的状态才可以下载ubuntu镜像.
            • 管理员模式打开终端, 查看wsl可以安装的linux版本
              • 安装ubuntu
                • 启动ubuntu

                  2. 开启ssh

                  不同任务下主干网络的选择
                  type
                  status
                  date
                  slug
                  summary
                  tags
                  category
                  icon
                  password

                  动机

                  当前计算机视觉系统的构建通常依赖于预训练或随机初始化的特征提取器作为骨干网络, 而选择合适的骨干网络是一个困难的问题, 因此需要一个方法来比较不同的预训练模型, 以帮助从业者做出明智的选择.

                  方法

                  本文提出一种名为 Battle of the Backbones 的方法, 通过对一系列预训练模型进行基准测试, 包括视觉-语言模型, 自监督学习模型和稳定扩散骨干等, 涵盖了从分类, 目标检测到 OOD 泛化等各种计算机视觉任务. 通过对1500多次训练运行的全面分析, 揭示了现有方法的优势和不足, 并为研究社区指明了前进的方向.
                  对于一些git项目更新的同步方法
                  type
                  status
                  date
                  slug
                  summary
                  tags
                  category
                  icon
                  password
                  对于一些Fork到自己项目的git项目更新的同步方法, 这里使用NotionNext作为例子进行简单介绍.

                  1. 前置条件

                  1. Fork 项目, 将自己的NotionNext项目克隆下来.
                  1. 新建一个分支new_branch
                    1. 所有对项目的修改都在这个分支上完成, commit and push.
                    1. 添加原项目的url到本地.
                      一些数据预处理的方法
                      type
                      status
                      date
                      slug
                      summary
                      tags
                      category
                      icon
                      password

                      1. 数据的预处理

                      • 对于缺失值
                        • 对于异常值

                          2. 特征工程

                          • 连续特征, 离散特征
                          • 特征组合, 生成新的特征
                            行为识别模型简介
                            type
                            status
                            date
                            slug
                            summary
                            tags
                            category
                            icon
                            password

                            1. 行为识别 Human Action Recognition (HAR)

                            • 行为识别模型有两个方向: 第三人称动作识别和第一人称动作识别.
                            • 使用的各方向和对应的方法大致如下图, 本篇文章只介绍第三人称动作识别 RGB 模态.
                              • 详细可以参考调研论文. [1]

                              2. 第三人称动作识别 RGB 模态

                              第三人称动作识别 RGB 模态方面的研究很多, 因为二维的视频数据相对来说更容易获得.