## PyTorch ## 感知机-2 主讲人：龙良曲 ## Perceptron  $$ \frac{\partial E}{\partial w_{j0}}=\left(O_{0}-t\right)O_{0}\left(1-O_{0}\right)x_{j}^{0}

## PyTorch ## 感知机 主讲人：龙良曲 recap $$ \blacksquare y=X W+b $$ $$ \begin{aligned}&\blacksquare y=\sum x_{i}*w_{i}+b\end{aligned} $$ ![Image](/uploads/documents/a/5/d/7/a5d7a0632e973ca3ed847f9fbad7594f/p2_1

FIT2CLOUD 飞致云 ## JumpServer 广受欢迎的开源堡垒机 2023 年 10 月 企业为什么需要堡垒机？ JumpServer 堡垒机的优势 JumpServer 堡垒机企业版 JumpServer 堡垒机一体机及信创方案 JumpServer 案例研究（江苏农信、东方明珠、小红书） ## 为什么要使用堡垒机？ - 以更安全的方式管控和登录各种类型的资产 - 管理者期望 jpg) 数据库  安全设备 堡垒机   临时访客 ## FIT2CLOUD 飞致云 堡垒机的 4A 能力 身份鉴别 Authentication 授权控制 Authorization 账号管理 Accounting 安全审计 Auditing ## 堡垒机需要具备的四个核心能力 - 运维安全审计的 4A 规范 - ## authentication 身份鉴别

## JumpServer 广受欢迎的开源堡垒机 ## 目录 企业为什么需要堡垒机？ JumpServer 堡垒机的优势 JumpServer 堡垒机企业版 JumpServer 一体机及信创方案 JumpServer 公开案例研究 ## 为什么要使用堡垒机？ - 以更安全、更高效的方式管控和登录各种类型的资产 - 管理者期望 事前授权 事中监察 事后审计  远程应用 堡垒机  临时访客 身份鉴别 Authentication 授权控制 Authorization 账号管理 Accounting 安全审计 Auditing ## 堡垒机需要具备的四个核心能力 - 运维安全审计的 4A 规范 - ![Image](/uploads/documents/6/d/7/2/6d72d6b076b669f2a901760c0d6ddd8c/p4_1

# Hyper-V 给虚拟机换磁盘-centos 怎么开头呢，咱也不知道，先上图吧：  某实体服务器使用了 Hyper-V 作为基础虚拟化设施，其上运行若干虚拟机，其中有台虚拟机运行的是 Centos7 的系统，主要运行 web 服务器，刚开始给它分配了 的磁盘，后来在实际的使用过程中发现这台虚拟机用不了那么多的存储空间，所以想给它降一下配置，只分配 10GB 的磁盘。因为 Hyper-V 本身只能给虚拟机的虚拟磁盘扩容，不支持缩小，所以没别的办法，只能换一个虚拟磁盘，把原来的位于 100GB 磁盘上的 centos7 系统整体迁移到新的 10GB 的磁盘上。（这和给实体机的 centos7 系统换磁盘是差不多的步骤） ## 操作的主要流程如下： 0. 先进入目标虚拟机（cen 先进入目标虚拟机（centos7_web_serv1），查看运行的服务及某些关键配置，再关机 1. 给目标虚拟机（centos7_web_serv1）添加一块虚拟磁盘，容量为 10GB 2. 给目标虚拟机添加一个虚拟光驱，使用 centos7 的镜像 iso 文件 3. 设置目标虚拟机的启动顺序，让 CD/DVD 优先启动，并进入 centos7 光盘的救援系统 4. 在 centos7 光盘的救援系统里，给新添加的

## 机器学习-支持向量机 黄海广 副教授 2022年02月 ## 本章目录 01 支持向量机概述 02 线性可分支持向量机 03 线性支持向量机 04 线性不可分支持向量机 ### 1. 支持向量机概述 ## 01 支持向量机概述 02 线性可分支持向量机 03 线性支持向量机 04 线性不可分支持向量机 ### 1. 支持向量机概述 支持向量机（Support Vector argin hyperplane）。 与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。  ### 1. 支持向量机概述 硬间隔、软间隔和非线性 SVM  线性不可分 假如数据是完全的线性可分的，那么学习到的模型可以称为硬间隔支持向量机。换个说法，硬间隔指的就是完全分类准确，不能存在分类错误的情况。软间隔，就是允许一定量的样本分类错误。 ### 1. 支持向量机概述 ## 算法思想 找到集合边缘上的若干数据（称为支持向量（Support Vector）），用这些点找出一个平面（称为决策面），使得支持向量到该平面的距离最大。

## 用状态机封装领域逻辑 潘加宇 DDCHINA CONTENTS 01 状态机的作用 02 状态机要点和建模思路 03 状态机的实现 ## 危险！ 小孩耍大枪 ## 危险！ ➢ Research? Re-Search? ➢ 连Re-Search都没有，随意发明新词 ➢ Subdomain? 主题图。 SECOND EDITION OBJECT-ORIENTED ANALYSIS /p6_1.jpg) 学校里经常教的 ## 作用 |图形|视角|映射到实现| |---|---|---| |类图|全局、静态|类的签名| |序列图|局部（用例）、动态|类之间的协作| |状态机图|类、动态|所有的逻辑| ## 三 个不同的图 ## 0 答对问题有奖金 金额从2.56元到20.48元 请扫我微信以便当场转账 加微信时烦告知尊姓大名 ## 作用 ➢都以为自己在做正常的事情， ba5b5e2972a003b18b72e3aef1d5/p12_2.jpg) 行为由组合决定 复杂就在这里！ 状态——表现相同行为的属性值和链接的组合 ## 状态 形容词 s1 状态机图 活动图 —E1 / action1(); 动词 动词 ![Image](/uploads/documents/e/0/3/3/e033ba5b5e2972a003b18b72e3aef1d5/p13_1

dim)后输出张量的尺寸。 depth: int 类型参数，Transformer模块的个数。 heads: int 类型参数，多头注意力中“头”的个数。 mlp_dim: int 类型参数，多层感知机中隐藏层的神经元个数。 channels: int 类型参数，输入图像的通道数，默认为3。 dropout: float 类型参数，Dropout几率，取值范围为 [0, 1]，默认为 0。 emb_dropout:

## 机器学习-人工神经网络 黄海广 副教授 2022年01月 ## 本章目录 01 发展历史 02 感知机算法 03 BP算法 ### 1. 人工神经网络发展历史 ## 01 发展历史 02 感知机算法 03 BP算法 ### 1. 人工神经网络发展历史 ## 发展历史 1943年，心理学家McCulloch和逻辑学家Pitts建立神经网络的数学模型， MP模型 ! 427a2d2c5058e6831d/p4_2.jpg) 输入层 神经元数学模型 单层感知机的数学模型 ### 1. 人工神经网络发展历史 1960年代，人工网络得到了进一步地发展 感知机和自适应线性元件等被提出。 M.Minsky仔细分析了以感知机为代表的神经网络的局限性，指出了感知机不能解决非线性问题，这极大影响了神经网络的研究。  BP神经网络模型 ### 1. 人工神经网络发展历史 极限学习机(Extreme Learning Machine, ELM)，是由黄广斌提出的用于处理单隐层神经网络的算法 随机初始化输入权重 $ \alpha_{i} $ 和偏置，只求解输出权重值 $ \beta_{i}