Ex_treme's blog.

Ex_treme's blog.

do what you love and believe in, and the answer you find will come up naturally

区块链技术核心概念与原理讲解(比特币是什么)
比特币是什么? 比特币是数字货币 什么是货币 凯恩斯《货币论》中:货币是可以承载价值的一般等价物 货币历史 铜币、金银 银票 法币 (人民币) 数字货币 一串数字(大家认可:共识) 信任从何而来? 财产只受到自己控制 无通胀(总量不变2100万个) 没有假钞 流通性好 去中心化的记账系统 出现记账不一致怎么办?
区块链技术核心概念与原理讲解(比特币原理)
比特币原理 账本如何验证? 所有权问题? 为什么记账?(挖矿) 以谁的账本为准?(共识机制) 账本如何验证 对比摘要比直接对比账本来的高效的多 方案1 核对账本记录,少数服从多数(效率太低,不行) Hash 哈希函数:Hash(原始信息) = 摘要信息 特点: 同样的原始信息用同一个哈希函数总能得到相同的摘要信息 原始信息任何微小的变化都会哈希出面目全非的摘要信息 从摘要信息无法逆向推出原始信息 对比摘要比直接对比账本来的高效的多 区块 账本一般包括序号、时间戳和Hash值,称之为区块的头,交易记录这是区块的主体部分。 前一个账本信息和当前...
区块链技术核心概念与原理讲解(为什么记账-挖矿)
比特币要怎样解决账户的所有权问题? 为什么记账 记账:Hash打包过程 消耗资源 奖励 挖矿-工作量证明 规则 一段时间内只有一人可以记账成功 通过解决密码学难题(即工作量证明)竞争获得唯一记账权 其它节点复制记账结果 工作量证明 Hash(上一个Hash值,交易记录值) = 456635BCD Hash(上一个Hash值,交易记录集,随机数) = 0000aFD635BCD 交易记录集 手机广播中还没有被记录账本的交易 交易的有效性验证 添加一笔给自己转账的交易(挖矿奖励) 工作量分析
区块链技术核心概念与原理讲解(共识机制)
共识机制 两个节点同时完成工作量证明,使用谁的区块? 无仲裁机构裁决 都说用我的区块 为什么要遵守协议? 结点工作量只有在其它的结点认同其才是有效的 累计工作量最大的区块链 独立 延长最长链 分叉 出现分叉情况下,以工作量大的区块优先,如果都收到,则将其作为备用链保存,但是已经出现了两条链分叉情况 分叉解决 先前链条如果长度没有后面收到的链条长,则将被取代,即长度优先。 一种特殊情况,由于网络传播延时和不确定,如果先收到链的最后一位而没有补齐前链,则将其作为孤块保存下来。 1比特币将出块间隔设置为十分钟,是为了在更快的交易确认和更低的分叉确认...
区块链技术核心概念与原理讲解(总结)
区块链总结 区块链前世今生 1密码朋克组织里面很多的技术讨论,都在比特币中得到了借鉴,比如说工作量证明,时间戳协议取防止文件篡改以及点对点交易特点,随着比特币的发展,大家发现比特币技术可以应用到很多场景,把比特币以前的这些技术提炼出来,从而就有了区块链技术。 区块链前景 1比特币的很多技术都由应用场景,比如资产应用,比特币的记账方式,不能篡改的特点可以用来做登记,点对点的交易可以用来做共享经济,匿名性的特点也有很多的应用,目前而言,区块链人才紧缺,薪资很高。 比特币是什么 数字货币 去中心化记账系统 1微观上说,比特币是一种数字货币,宏观上来说是一种去中心化的记账系统,...
NLP概述
导读 快速了解自然语言处理 什么是自然语言处理 自然语言处理发展背景和历程 自然语言处理技术体系 自然语言处理工作原理 自然语言处理开发环境介绍 Sublime Text和Anaconda介绍 开发环境安装与配置 案例:NLP技术实现预测天气冷暖感知度 算法模型选择及原理讲解 案例需求 加载数据集代码与实现 数据分析与可视化 算法模型构建与实现 算法优化与应用 结尾讨论 什么是自然语言处理 自然语言处理(英语:Natural Language Processing,简称NLP)是人工智能和语言学领域的分支科学。主要包括自然语言理解和生成,自然语言理解系统把自然语言转化为计算机程...
自然语言处理开发环境介绍
Sublime Text 主流前端开发编辑器 体积较小,运行速度快,文本功能强大 支持编译功能且可在控制台看到输出。 内嵌python解释器支持插件开发以达到可拓展目的。 Package Control:ST支持的大量插件可通过其进行管理。 Anaconda 用于科学计算的Python发行版,支持Linux,Mac,Windows系统 包括了Python和相关的配套工具 Conda核心功能是包管理与环境管理。与pip的使用类似。 Anaconda是打包的集合,预装conda、python、packages等。
案例:NLP技术实现预测天气冷暖感知度(案例需求和数据准备)
小节内容 案例需求 实验数据准备,代码演示 数据分析与可视化,代码演示 算法模型及原理讲解 算法模型构建与实现,代码演示 算法优化与应用 案例需求 [需求]现在你来了一个新任务,任务其实非常简单,就是根据吃冰淇淋、喝水的数量、户外活动时长判断程度天气冷热程度。你现在要做的就是去成都街头采访记录一些游客吃了多少冰淇淋,又喝了几瓶水,他觉得程度天气怎么样(这里只考虑二分类问题,假设只有**‘非常热’和‘一般热’**)。其中特征向量包括两个分别是冰淇淋数t、喝水数t2、户外活动时间t3,标签类别分别是非常热A和一般热B。 数据准备 代码示例 1234567891011121314...
案例:NLP技术实现预测天气冷暖感知度(可视化数据分析)
数据可视化分析模块 123456789101112def analyze_data_plot(x, y): """可视化数据分析""" fig = plt.figure() ax = fig.add_subplot(111) # 将画布划分为1行1列1块 plt.scatter(x, y) # 设置散点图标题和横纵坐标 plt.title('游客冷热感知点散点图', fontproperties=myfont) plt.xlabel('冰淇淋数(单位:个...
案例:NLP技术实现预测天气冷暖感知度(KNN模型原理介绍)
小节内容 什么是KNN算法模型 KNN工作原理 KNN算法思想 KNN算法流程 什么是KNN算法模型 K-近邻(kNN,K-NearestNeighbor)算法是一种基本分类与回归方法,我们这里只讨论分类问题中的k-近邻算法。 其目标:K-近邻算法的输入为实例的特征向量(吃冰淇淋/喝水/活动时间),对应于特征工控的点,输出为实例的类别(非常热/一般热),可以取多累(非常热/一般热/舒适/一般冷/非常冷)。 K-近邻算法假设给定一个训练数据集(随机访客),其中的实例类别已定(访客感受)。分类时,对新的实例(新游客),根据其k个最近邻的训练实例的类别,通过多数表决等方式进行...
pzs741
Ex_treme's blog
FRIENDS
friendA friendB