自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

Debroon

闲下来就写点东西。

  • 博客(972)
  • 资源 (46)
  • 问答 (1)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 医疗大模型 的 应用优化指南

阿尔茨海默病新药Aducanumab的疗效”“急性ST段抬高型心肌梗死PCI适应症”“3天前发热，昨天出现皮疹，今天关节痛”“血常规+心电图+胸片异常的综合分析”“患者本次住院与上次住院的病情对比”“CAR-T治疗血液肿瘤的最新进展”“胸痛+呼吸困难+D-二聚体升高”“糖尿病肾病的ACE抑制剂应用”“急性ST段抬高型心肌梗死治疗”“65岁男性心房颤动治疗方案”“罕见遗传病XYZ的治疗方案”“心电图报告中的QT间期数值”等等，而非简单的检索+生成。“X光片显示的肺部阴影位置”“生化全套+血常规综合分析”

2025-07-22 15:00:22 1159

原创 论文分析方法：让任何人，任何时间，任何地点，看懂，任何专业，任何论文

这次需要明确输入、处理过程、输出及其之间的具体关系，还要解释每一步中涉及的技术和方法，以及它们是如何互相衔接的。追问：对【XXX】所有原文，再做一个概念图，格式：决策树形式+【XXX】代表什么关系。

2024-12-02 14:16:14 2566 6

原创 ProRL：解决RL无法创新问题，突破预训练边界创造新推理路径

时间尺度是RL创新能力的决定性因素↓短期训练（几百步）只能优化已有路径↓长期训练（ 2000 + 步）才能探索新路径↓但长期训练会导致熵崩塌↓需要控制系统（KL + 温度 + 重置）维持探索↓ProRL = 时间 + 控制 = 创新ProRL成功的核心：不是单一技术，而是特征→解法的精确映射体系ProRL框架 = {"特征识别": 多维度监控,"解法匹配": 一对一映射,"动态调整": 实时响应,"验证机制": 多角度验证。

2025-08-22 09:54:37 902

原创 深入DiagGym源码解析：解决AI不会望闻问切，在虚拟医院里训练千万次问诊流程

代码：https://github.com/MAGIC-AI4Med/DiagGym这个DOT流程图采用自顶向下的布局，将DiagGym系统分解为六个逻辑阶段，每个阶段用不同颜色的子图框区分。整个流程从原始数据开始，经过环境构建、智能体训练、算法优化、生产部署，最终形成持续学习的闭环系统。流程从MIMIC-IV原始数据开始，这是一个圆柱形节点，代表数据库存储。MIMIC-IV是麻省理工学院维护的重症监护医疗数据库，包含超过50万份住院记录。从原始数据库分出四条并行的提取路径：出院小结路径：提取患者的完整病

2025-08-18 15:50:23 359

原创 Baichuan-M1：打破SFT模型“问→答“的简单映射，实现从“一步到位“到“逐步探索-验证-决策→再探索“的医疗迭代推理链

让模型生成多样化的推理路径，避免思维定式。医学诊断往往需要考虑多种可能性，不能一开始就锁定某个答案。

2025-08-18 11:35:47 1112

原创 CV 医学影像分类、分割、目标检测，之【3D肝脏分割】项目拆解

问55：D3是什么意思？答55：3D的意思，表示三维U-Net。问56：为什么继承Dataset？答56：PyTorch要求，实现和__len__接口。问57：transformer是什么？答57：图像变换操作，如缩放、裁剪。])问79：Compose是什么？答79：组合多个变换，按顺序执行。问80：为什么缩放到96×96？答80：原始512×512太大，3D卷积内存消耗巨大。问81：96这个数字有什么特殊？答81：是32的倍数，适合多次下采样（96→48→24→12→6）。

2025-08-14 11:16:19 877

原创 CV 医学影像分类、分割、目标检测，之【肺结节目标检测】项目拆解

数据探索阶段流程：读取 → 匹配 → 可视化数据准备阶段流程：读取 → 复制整理 → 保存重组 → 张量转换 → 可视化 → 导出结果↓ ↓ ↓ ↓ ↓(备份) (标准化) (深度学习) (验证) (持久化)

2025-08-14 09:08:37 1067

原创 CV 医学影像分类、分割、目标检测，之【腹腔多器官语义分割】项目拆解

idx={'0':0,'63':1,'126':2,'189':3,'252':4,问84：为什么要进行像素值映射？答84：将原始的任意像素值转换为连续的类别ID（0,1,2,3,4）。问85：为什么类别ID要从0开始连续？答85：深度学习模型通常要求类别标签是连续整数，便于计算损失函数。问86：字典的键为什么是字符串？答86：后续代码将像素值转为字符串进行映射，保持数据类型一致。问87：这5个类别分别代表什么？答87：通常0是背景，1-4是不同的器官或组织区域。

2025-08-13 15:12:42 1136

原创 CV 医学影像分类、分割、目标检测，之【肝脏分割】项目拆解

问1：为什么要继承data.Dataset？答1：PyTorch要求自定义数据集必须实现__len__和__getitem__方法。问2：transform参数的作用？答2：数据预处理和增强的函数管道。问3：__getitem__什么时候被调用？答3：DataLoader迭代时自动调用，获取单个样本。问4：Image.open返回什么类型？答4：PIL.Image对象，还未加载到内存。问5：transformer做了什么转换？答5：PIL图像→调整尺寸→转为张量→归一化到[0,1]。])问1。

2025-08-13 09:46:44 645

原创 CV 医学影像分类、分割、目标检测，之【脑肿瘤分割】项目拆解

)问44：Compose是什么？答44：组合多个变换操作，按顺序执行。问45：为什么选256x256？答45：2的幂次方，适合GPU计算；足够保留细节又不太大。问46：ToTensor()具体做了什么？答46：1)将PIL图像或numpy数组转为张量 2)把形状从(H,W,C)变为(C,H,W) 3)归一化到[0,1]。])问47：训练和测试变换为什么一样？答47：通常训练会加数据增强（旋转、翻转等），这里简化了。问48：为什么继承Dataset？

2025-08-13 08:15:26 1151

原创 CV 医学影像分类、分割、目标检测，之【皮肤病分类】项目拆解

Compose是什么设计模式？组合模式，串联多个变换0.2的概率是每张图片独立的吗？是的，每次调用独立决定为什么是68度不是90度？可能是经验值，避免过度旋转丢失信息灰度化的目的？增强模型对颜色变化的鲁棒性为什么是128不是224？平衡精度和速度，128够用且更快Tensor和array的内存布局区别？Tensor是CHW(通道-高-宽)，array通常是HWC这个归一化后的范围？(pixel-0.5)/0.5，从[0,1]变为[-1,1]为什么要归一化到[-1,1]？零中心化，有助于梯度下降收敛。

2025-08-12 10:55:21 1212

原创 CV 医学影像分类、分割、目标检测，之【血细胞分类】项目拆解

训练数据不足导致模型过拟合和泛化能力差数据增强解法 = 几何变换增强（因为图像空间不变性特征） + 颜色空间增强（因为光照不变性特征） + 尺寸标准化（因为输入统一性特征） + 数值归一化（因为数值稳定性特征）子解法1：几何变换增强- 随机水平翻转- 随机旋转之所以用几何变换，是因为图像空间不变性特征：同一物体在不同角度、翻转状态下本质相同例子：一张猫的照片，向左看和向右看、旋转30度，仍然是猫子解法2：颜色空间增强- 随机灰度化之所以用颜色变换，是因为光照不变性特征。

2025-08-11 11:48:19 1095

原创 DeepSeek 金融投资智能体，根据人性来设计交易系统

我听说，DeepSeek 创始人梁文锋的量化基金，就是通过人性规律来设计量化交易策略。狗头保命，是听说。

2025-08-06 17:31:03 887

原创 MetaAgent = 给AI装上了“学习能力“的开关，让机器第一次真正会“成长“

提出一种从最小工作流开始，通过"边做边学"原则不断自我改进的智能体范式，无需改变模型参数或大规模后训练。正例：就像一个刚入职的研究助理，一开始只会基本的文献搜索和阅读理解，但通过不断承接研究项目、总结经验教训、建立个人知识库，最终成长为能独立完成复杂研究任务的专家。反例：传统方法像是给机器人预编程所有可能的操作步骤，或者通过大量训练数据强化特定技能，但遇到新情况就束手无策，缺乏自适应学习能力。

2025-08-05 09:59:40 1138

原创 AI 编程秘籍：具体化描述，AI其实比人类更需要详细的说明书

肯定正确部分（功能），明确指出需要改进的具体方面（视觉效果），给出详细的改进方向。每次改进，不要破坏已有的好东西，每次改进都明确指出要保持的功能和要修改的部分。采用 MVP 原则，实现包含最少功能的产品输出方案。参考产品：类似的产品有哪些，学习他们的什么方面。成功标准：如何判断这个产品是成功的、示例说明。交互流程：规划用户使用产品的流程和交互方式。使用场景：在什么时间、地点、情况下使用。目标用户：具体到年龄、职业、使用习惯。功能边界：产品能做什么，不能做什么。必备功能：最少需要的3个功能。

2025-08-04 11:31:17 312

原创 AI看例子也讲“位置“：前面的例子比后面的例子管用，给AI看的例子放在提示词前面比放在后面效果好20%

QWEN-1.5B在AG News上：ssp(76%) vs eum(56%)，相差20个百分点，预测变化率高达45.5%（从sum切换到eum时）因为transformer架构使用因果掩码，后面的token只能"看到"前面的token，而前面的token会影响所有后续位置的计算。AI处理提示词时，会给前面的内容分配更多注意力权重，这导致前面的演示样例对最终输出影响更大。小模型（1.5B-8B）：位置敏感性强，ssp/esp明显优于eum。生成任务：位置效应更复杂，大模型有时偏好后置位置。

2025-08-04 09:39:56 364

原创 研究者分析了116个健康APP发现，虽然AI技术已经很厉害了，但86%的健康APP还在用最基础的AI功能（比如简单提醒、聊天机器人），真正智能化的APP少得可怜，说明这个市场还有巨大发展空间。

这个研究告诉我们：现在大部分健康APP的AI功能都很初级，就像用大炮打蚊子，明明有很厉害的AI技术，却只用来做最基础的事情。市场上缺少真正智能化的健康APP，这是个巨大的商机！成功健康App的关键在于精准匹配用户确定性需求与AI信息处理能力用户在健康领域优先需要"掌控感"而非"便利性"，AI应赋能用户而非替代用户需求有层次性（确定性→便利性→智能化），技术应分阶段匹配设计分层级信息透明化功能，用AI优化信息处理而非决策制定。

2025-08-04 08:54:21 666

原创 大模型幻觉的本质：深度=逻辑层次，宽度=组合限制，深度为n的神经网络最多只能处理n层逻辑推理，宽度为w的网络无法区分超过w+1个复杂对象的组合

当遇到超出能力的复杂逻辑时，它就用已知的简单逻辑"拼凑"答案，就像不认识字的人看图说话，会编出似是而非的故事。：应该开发"专科化"的AI，比如专门处理心血管逻辑的AI、专门处理神经系统逻辑的AI，而不是追求"全科万能"。：需要多层嵌套推理，比如"症状A+症状B→可能疾病C，但如果还有症状D，则排除疾病C，考虑疾病E"。：是的，这是典型的高阶逻辑推理，需要同时处理多个条件的复杂组合，超出了论文描述的网络深度限制。：罕见病往往需要精确识别"症状组合的独特性"，这需要高精度的逻辑区分能力，正是AI的薄弱环节。

2025-08-01 15:07:15 1238

原创 多源知识库建设噩梦：把知识图谱结构化当精密雷达，比文本匹配更准确的多源冲突自动识别技术，解决比数据丢失更可怕的知识矛盾传播

通过图结构操作实现冲突复杂度的精确控制。

2025-08-01 11:56:20 920

原创 怎么解决 医疗RAG 多术语，用户口语化表达和知识库专业资料的匹配差异？

❌ 张阿姨的困惑： "我肚子胀，吃不下饭，没劲儿，这是怎么回事？" → 系统返回：一堆不相关的碎片信息→ 患者更困惑： "到底是什么病？我该怎么办？

2025-07-25 17:49:12 1068

原创 多模态数据处理系统：用AI读PDF的智能助手系统分析

多模态PDF识别子解法（因为PDF包含图文混合特征） + 锚点文本辅助子解法（因为需要位置信息辅助理解特征） + 文档结构化解析子解法（因为文档存在层级标题结构特征） + 知识图谱三元组抽取子解法（因为需要提取原子事实和关键元素特征） + 并发处理优化子解法（因为多页处理效率特征）双卡 48G 显存可部署，单卡 22 G 只能用 3B多模态模型 + 7B语言模型。这些局限性都直接来源于代码实现，体现了当前系统的技术约束。

2025-07-24 17:37:12 793

原创 婚姻情感 24：要怎么成为一个好男人

就是即使对方做错了事，你也不冷冰冰地报复或者一直翻旧账。而是给对方台阶下，让关系能缓和。

2025-07-17 09:58:34 951 9

原创 最强中医大模型，同时解决 AI 不会主动追问 + 多模态融合难题 + 没有参考幻觉问题

诊断准确率提升 60%，多轮问诊准确率 85%，问诊轮次匹配医生91%，治疗建议超GPT-4o 2.3倍，可代替50%初级医生，效率提升 5 倍

2025-07-10 10:16:44 1245

原创 婚姻情感 23：打开上帝视角看爱恨情仇

镜子本来是空的，它的本性就是没有一物，静的、安稳的，不动的，这就像镜子照出来的影像。你能明白自己只是一个虚拟的存在，这就像在网游里，你知道自己只不过是个角色，所有的情感、经历、反应，都是游戏里的设定。而且，你要知道，你的一切情绪，所有的烦恼，根本就来源于镜子外面的世界，来源于那些你执着的“相”。你看，镜子外的世界，它永远都在变。你能做到这一点，你就和宇宙一体，完全无惧于外界的变化，因为你知道，所有的一切都不过是暂时的假象。当你明白这一点，就能掌控自己的世界，就像遥控器一样，控制你的念头，控制你的生活。

2025-07-09 14:57:25 729 6

原创 将 150 套提示词推理模版微调给大模型，模型自己就能选最佳解题路径

MoR 把“思维路线（Reasoning Path）”由“人类的即时指令”沉淀为“模型的长期记忆”，让 LLM 从遵命执行者升级为“带脑子”的自适应体。再增加到 500 条，对提示依赖更小（IO 准确率 0.734），但未必持续增益，说明策略多而不精可能稀释训练信号。整张图说明：MoR 通过“先批量生成推理模板→再筛选并与真实题目配对→过滤正确答案”这两大阶段，把多样化的推理策略写入模型参数。答1：把多样的推理策略直接“写进”大模型（LLM）的参数里，让模型。答9：衡量“策略多样性”对效果的影响。

2025-07-04 16:43:17 967

原创 婚姻情感 22：不纠结、不内耗指南

现实世界人生不管怎么组合，和任何人组合，一定都是遗憾的、不圆满的，无论怎么组合都是这样的！幸福一定是你体验了改善了你生活的时候，你才会本能的一觉醒来很开心、很幸福，其他都是短暂的。反过来给你增加成本的，其实就是不喜欢你，而不喜欢你的人，无论你做什么都不会喜欢你。男人的真爱，就是需要女人的身子，榨取女人的价值，最后留下付出真心的人，独自悲伤。一个男人靠近你，不是来爱你的，是来榨取你身上的价值，或者拿钱和资源跟你交换价值。你开一个公司，里面的人天天有矛盾，公司是来赚钱的，不是调解矛盾的，全部换掉。

2025-07-04 11:48:26 650 1

原创 提问思维模版：通过提问进入“提问促思考模式”，从而一步步发现问题和解决问题

很震惊，自媒体深度长文，居然可以通过连续深度的 26 个问题得来。同时，医疗治疗策略 + 药物，也可以通过连续的提问 + 最新信息，来做一份详细的调研报告。

2025-06-26 10:08:46 1175

原创 医学 Agent：自带医学深度调研 deep research，优化治疗策略+药物参考

医疗顾问AI系统 - 基于Qwen API 的智能医疗助手最终目标：构建一个能够查询疾病治疗方案和药物知识的AI医疗顾问系统层层分解：输出结果，居然连不上网========== 医疗顾问AI系统启动 ==========基于Qwen API的智能医疗助手功能：疾病治疗方案查询 + 药物处方建议[1/5] 正在配置系统环境…[2/5] 正在初始化Qwen模型…[3/5] 正在准备医疗工具…[4/5] 正在创建医疗AI代理…[5/5] 系统启动完成，开始医疗咨询…===== 用户咨询: 患者有2

2025-06-23 17:18:33 779

原创 成为超人 29：我是一个超级专注、超级认真、超级负责、超越懦弱和需要希望 的永恒一息

竞争力 = 执行力 = 干 = 没有感情的干 = 没有情绪的干 = 往四里的干 = 没有理由的干 = 今天我就要干 = 没有为什么要干 = 干了再调整。如果你一定要跟最顶尖的人竞争，你觉得自己技术不如别人，你要技术超过别人你才能赚钱，那你很难赚钱的，没有博弈优势。语文课文说，颜回是孔子最好的学生 — 一箪食，一瓢饮，在陋巷。这不行，那不行，思想一直和体验打架，内耗，做不出理性的选择。你是一个老师，你要教新手，你的市场才会足够大，才会足够赚钱。不管游戏，人生，各种场景，要竞争，就必须有不公平优势。

2025-06-23 12:01:45 590 6

原创 25年奇安信大模型面经：通过一些深刻的面试问题，来加深理解！

之所以聚类摘要，是因为。

2025-06-19 10:47:13 1136

原创 前列腺MRI数据增强：文本 × 病理 × 扩散模型，在小样本下，用报告文本和病理标签引导生成的扩散模型框架

本文提出一种基于扩散模型的小样本3D前列腺MRI生成方法，通过双条件机制解决医疗数据稀缺问题。核心创新是CCELLA适配器，在文本编码阶段同时执行跨模态对齐和病理预测，并通过联合损失(L1+分类损失)强化图像-文本-类别一致性。实验表明，该方法在5.8k样本上取得3D FID 0.025，比单条件模型提升显著。生成数据用于下游分类任务可提升准确率5个百分点。研究还分析了层级特征拼接、默认负类假设等隐性方法的作用，并探讨了多模态扩展、隐私保护等未来方向。

2025-06-16 11:44:12 722

原创 归一化 Normalization 技术概述、优化思路

归一化技术概述与优化思路 归一化技术的核心目的是将数据分布统一到合适尺度，通过移除过大或过小的差异，同时保留网络表达能力。关键操作包括：选择统计维度（批、通道、空间、序列、特征等）和添加可学习参数（如γ和β）进行修正。 不同维度的归一化各有特点： Batch维度：大批量时统计准确，但小批量不稳定 通道维度：保留特征多样性，但需要合理分组 空间维度：减少局部噪声，但可能丢失细节 序列维度：稳定时序网络，但需谨慎处理长序列 特征维度：简单有效，但可能过度平滑异质特征 优化建议：根据任务特点选择合适的归一化维度组

2025-06-04 17:32:48 1078

原创 rStar-Math：蒙特卡洛搜索增强 LLM 逻辑推理能力

本文提出了一种名为rStar-Math的创新方法，旨在提升小型语言模型（1.5B-7B参数）的数学推理能力。该方法通过结合蒙特卡洛树搜索（MCTS）和代码辅助的多步验证，让小型模型能够进行深度推理。核心创新点包括：1）使用代码执行验证中间推理步骤的准确性；2）开发过程偏好模型（PPM）对推理步骤进行细粒度评估；3）构建多轮自我进化框架，通过迭代训练不断提升模型性能。实验表明，该方法能使7B参数模型在MATH等数学竞赛数据集上取得与更大规模模型相媲美的表现。研究发现小型模型具备自我反思能力，能纠正错误推理路径

2025-05-26 15:30:55 1263

原创 链式思维模型可能并非如我们所想，如果中间语义推理可以乱写.....

摘要：本文探讨了链式思维模型（CoT）在大模型中的有效性，特别是中间推理步骤对最终答案准确性的影响。研究通过实验对比了仅答案训练、正确轨迹训练和随机轨迹训练三种方法，发现即使中间推理步骤与问题不匹配，模型性能仍可能提升。这表明中间推理的语义正确性并非模型性能提升的关键因素，而可能是提示工程的作用。研究还指出，模型输出的推理链不一定反映其内部计算过程，警示对模型“自我思考”能力的过度解读。核心发现包括：中间推理序列能提升准确率，但无需严格对应问题；随机推理轨迹亦可能带来提升；生成的推理文本未必反映真实内部过程

2025-05-23 15:18:44 1128

原创 患者图谱RAG + GAP提示框架：解决医疗大模型忽视关键细节（如怀孕 30 周 -＞ 孕期禁忌）乱开药

本文提出了一种基于图辅助提示（GAP）框架的医疗对话系统，旨在解决大规模语言模型（LLMs）在医疗对话中忽视关键细节和缺乏专业知识的问题。研究背景指出，LLMs在医疗对话中常忽略细粒度信息，导致用药推荐不准确甚至存在安全风险。为此，作者设计了GAP框架，通过构建以患者为中心的图结构，显式表示患者状态、疾病、症状和药物等关键信息，并结合检索增强生成（RAG）方法，生成更准确的用药推荐。核心方法包括医学信息抽取、图构建、邻域提示与路径提示生成，最终综合对话、图结构和检索信息生成推荐。实验表明，GAP框架在准确率

2025-05-21 09:38:06 1143

原创 让大模型像人类一样，边搜索+边提炼：非常医疗诊疗的循证支持

论文《Search and Refine During Think: Autonomous Retrieval-Augmented Reasoning of LLMs》提出了一种名为AutoRefine的新框架，旨在解决大语言模型（LLMs）在检索增强推理中的局限性。传统方法通常只关注最终答案的正确性，而忽视了检索和提炼过程的质量。AutoRefine通过引入“search-and-refine-during-think”范式，显式地增加了信息提炼步骤，并结合检索奖励和答案奖励，利用强化学习算法（GRPO）

2025-05-20 10:33:08 1241

原创 X-R1：训练医疗推理大模型

X-R1 是一个基于端到端强化学习（RL）的训练框架，旨在以低成本提升大模型的推理能力，特别关注“aha moment”式的推理觉悟。它支持多种规模模型（0.5B/1.5B/3B/7B），适用于数学、医学等多领域推理任务。在医疗推理方面，X-R1 使用高质量医疗数据集驱动 RL 训练，并以 GPT-4o-mini 作为奖励模型，自动化评估医学答案的语义正确性。通过奖励函数，模型学会“推理-作答”分离、格式规范和多步推理。数据集主要来自 FreedomIntelligence/medical-o1-verif

2025-05-15 15:51:04 934

原创 开源项目学习的最新方法，解决 LLM 长上下文限制，深度理解 Github 项目

本文介绍了两种学习开源项目的新方法，旨在解决大型语言模型（LLM）在处理长上下文时的限制。第一种方法是通过DeepWiki平台，用户只需输入Github项目链接，即可自动生成项目文档和代码解析，极大简化了代码阅读过程。第二种方法是结合本地工具Cursor和Gemini 2.5 pro，利用Gemini的深度推理能力和超长上下文处理技术，结合Cursor的RAG（检索增强生成）功能，适合深入学习大型项目。这两种方法为开发者提供了更高效的项目学习途径，减少了对手动代码阅读的依赖。

2025-05-15 08:25:01 269

原创 Satori：元动作 + 内建搜索机制，让大模型实现超级推理能力

相比同基座的纯指令微调模型，Satori-Qwen-7B 在数学和跨域推理测试中通常提升 2~10 个点。与此同时，模型只需要一个单体便能实现“自我搜索、自我纠错”，无需外部大模型做审校，也不必依赖昂贵的手动逐步标注。

2025-05-10 23:23:25 1522

原创 医学大模型的谨慎模式上线：用精密推理告诉你，这病还差哪些证据？

诊断AI三合一：会诊断、能解释，还会提醒你证据不足。这不是普通的病例分类，而是“自动承认盲区”的全新范式

2025-05-09 14:45:15 902

强大的防御跨站点请求伪造.pdf
配套博客：https://blog.csdn.net/qq_41739364/article/details/96846943

2019-08-01

3.机器学习常用算法.pdf
配套博客：https://blog.csdn.net/qq_41739364/column/info/42524 的 第 4 篇。

2019-08-13

系统学习 公钥体系
配套博客 https://blog.csdn.net/qq_41739364/article/details/86775886 ，效果最佳。

2019-03-28

渗透测试实践指南：必知必会的工具与方法.pdf
中文版，配套博客：https://blog.csdn.net/qq_41739364/article/details/93862232

2019-06-28

RSA加密 C语言实现
配套博客：https://blog.csdn.net/qq_41739364/article/details/86775886

2019-04-07

初等数论大全
计算机数学专题5: 数论配套资料 博客地址：https://mp.csdn.net/postedit/86761357

2019-04-24

阶的估计.pdf
配套博客：https://blog.csdn.net/qq_41739364/article/details/86718524

2019-09-03

att_face.zip
人脸测试数据集，配套博客：https://blog.csdn.net/qq_41739364/category_9414685.html

2020-07-03

dict.txt.zip
配套博客：https://blog.csdn.net/qq_41739364/article/details/96767359

2019-07-23

DES加密代码 java
匹配博客：https://blog.csdn.net/qq_41739364/article/details/86775886

2019-04-07

0day安全：软件漏洞分析技术（第2版）一 PART2.pdf
全书分为俩部分，这是第二部分。 配套博客：https://blog.csdn.net/qq_41739364/article/details/96202158

2019-07-17

phpStudy.zip
配套博客：https://blog.csdn.net/qq_41739364/article/details/93403910

2019-07-19

C语言RSA素数部分
配套博客：https://blog.csdn.net/qq_41739364/article/details/86775886

2019-04-08

burpsuite实战指南.pdf
配套博客：https://blog.csdn.net/qq_41739364/article/details/93862232

2019-07-02

SQL字符型注入漏洞.pdf
配套博客：https://blog.csdn.net/qq_41739364/article/details/94025729

2019-07-18

端口大全介绍(2).doc
很详细，配套博客：https://mp.csdn.net/postedit/93862232

2019-06-27

DES加密代码 C语言
配套博客：https://blog.csdn.net/qq_41739364/article/details/86775886

2019-04-07

0day安全：软件漏洞分析技术（第2版）一 PART1.pdf
全书分为 2 部分，这是第一部，配套博客：https://blog.csdn.net/qq_41739364/article/details/96202158

2019-07-17

1.数据挖掘入门.pdf
配套博客：https://blog.csdn.net/qq_41739364/column/info/42524 的 第四章。

2019-08-13

DES加密位操作部分 C语言
配套博客：https://blog.csdn.net/qq_41739364/article/details/86775886

2019-04-07

blog配套资料、blog配套资料、blog配套资料
blog配套资料blog配套资料blog配套资料blog配套资料blog配套资料blog配套资料

2023-07-14

博客配套资料博客配套资料
博客配套资料博客配套资料博客配套资料

2022-08-06

配套博客资料，配套博客资料
配套博客资料

2022-08-05

博客配套https://download.csdn.net/download/qq_41739364/86339152
https://download.csdn.net/download/qq_41739364/86339152

2022-08-05

博客配套博客配套博客配套
博客配套博客配套博客配套博客配套

2022-08-05

莎士比亚诗歌数据集.txt.zip
博客配套资源

2021-10-08

口罩厂亏损分析的相关数据
配套博客：https://blog.csdn.net/qq_41739364

2021-02-23

神经网络识别猫的项目代码
博客程序：https://blog.csdn.net/qq_41739364/article/details/118094724

2021-07-17

疫情监控项目源码.zip
博客配套：https://blog.csdn.net/qq_41739364/article/details/115742139

2021-04-15

att_faces.zip
人脸数据集，数据集里有 40 个人，每个都有 10 张照片，分别存储在 40 个文件夹里，s1-s40，每个文件夹下面都有 10 张 .pgm 照片，每张照片的尺寸 112*92（长 * 宽）。

2020-07-04

processed_data.xlsx
博客配套数据：https://blog.csdn.net/qq_41739364/article/details/120967416

2021-10-27

original_data.xlsx
博客配套资源：https://blog.csdn.net/qq_41739364/article/details/120967416

2021-10-27

data.xlsx.zip
博客配套数据

2021-08-21

博客配套资源数据集.zip
博客配套资源

2021-10-09

恐龙名字数据集.txt.zip
博客配套数据集

2021-10-08

我的数据集+我的数据集.zip
博客配套资源

2021-09-07

smi_sol.dat
化学分子数据

2021-03-08

data.xlsx ....
配套博客：https://blog.csdn.net/qq_41739364/article/details/113818246

2021-03-08

label.xlsx ....
label.xlsx ....

2021-03-08

breast_cancer.xlsx
配套博客：https://blog.csdn.net/qq_41739364/article/details/113818246

2021-02-21

查看更多

C++求救，一道编程题不知道怎么做

2021-03-15

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除