lucky_minx

测试一下

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post$ hexo new "My New Post" More info: Writing Run server$ hexo server More info: Server Generate static files$ hexo generate More info: Generating Deploy to remote sites$ hexo deploy More info: Deployment

参数估计期望和方差期望计算公式方差计算公式 点估计初衷：由于无法用无穷的点来算（积分），因此采用有限的点来进行估计 使用最大似然法，构造极大似然函数通过解方程，使得解满足极大似然函数值达到最大，有该结果是极大似然函数的点估计 无偏性，点估计的期望与n无关，因此对点估计的方差进行校正 有效性：方差小的估计量有效 区间估计$\hat{X}$作为μ的估计值，同时具有无偏性、有效性和充分性， 但是随机变量 不可能恰好落在μ上，点估计有不足之处。 但是可以用一个区间去包含μ 已知多个点对均值的区间估计公式t根据$\alpha,f$查表，$\sigma$标准差，平均平方和开根号，$n$样本量例题 样本容量确定（均值估计样本量）解决的问题：多少样本才是对分析最佳的？ 样本量过大，虽然可以提高统计推断精度，但是成 本随之增加； 样本量过小，会使统计推断误差过大； 公式推导：例题 表： 例题解析： 例题1根据公式，均值方差给定，d=均值x允许误差（10%），$\alpha=0.95,\alpha/2=0.975$这个实际原理是：当我们谈论95% ...

参数估计期望和方差期望计算公式方差计算公式 点估计初衷：由于无法用无穷的点来算（积分），因此采用有限的点来进行估计 使用最大似然法，构造极大似然函数通过解方程，使得解满足极大似然函数值达到最大，有该结果是极大似然函数的点估计 无偏性，点估计的期望与n无关，因此对点估计的方差进行校正 有效性：方差小的估计量有效 区间估计$\hat{X}$作为μ的估计值，同时具有无偏性、有效性和充分性， 但是随机变量 不可能恰好落在μ上，点估计有不足之处。 但是可以用一个区间去包含μ 已知多个点对均值的区间估计公式t根据$\alpha,f$查表，$\sigma$标准差，平均平方和开根号，$n$样本量例题 样本容量确定（均值估计样本量）解决的问题：多少样本才是对分析最佳的？ 样本量过大，虽然可以提高统计推断精度，但是成 本随之增加； 样本量过小，会使统计推断误差过大； 公式推导：例题 表： 例题解析： 例题1根据公式，均值方差给定，d=均值x允许误差（10%），$\alpha=0.95,\alpha/2=0.975$这个实际原理是：当我们谈论95% ...

摘要主要是记录如何使用mmseg这个分割库，使用自己的数据集进行训练，使用自己的config参数以及最后的测试以及推理。 在这里主要记录的是使用Unet网络的应用，数据采用胃部肠化数据，共有两个标签，一个是正常组织的标签（蓝色），一个是肠化组织标签（红色）。 我们的任务就是训练一个网络来识别正常腺体和异常腺体的区域。 mmseg介绍就是一个分割工具箱没什么好介绍的，具体内容看链接： 欢迎来到 MMSegmentation 的文档! — MMSegmentation 1.2.1 文档 open-mmlab/mmsegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark. (github.com) 内容具体介绍 环境配置 数据集制作 自定义数据集 数据集的读取 模型选取以及参数调整 训练测试主要参考来源：mmsegmentation教程1:自定义数据集、config文件修改、训练教程_AESA相控阵的博客-CSDN博客 环境配置跟着官方的来就行开始：安装和运行 MMSeg — MMSegment ...

摘要主要是记录如何使用mmseg这个分割库，使用自己的数据集进行训练，使用自己的config参数以及最后的测试以及推理。 在这里主要记录的是使用Unet网络的应用，数据采用胃部肠化数据，共有两个标签，一个是正常组织的标签（蓝色），一个是肠化组织标签（红色）。 我们的任务就是训练一个网络来识别正常腺体和异常腺体的区域。 mmseg介绍就是一个分割工具箱没什么好介绍的，具体内容看链接： 欢迎来到 MMSegmentation 的文档! — MMSegmentation 1.2.1 文档 open-mmlab/mmsegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark. (github.com) 内容具体介绍 环境配置 数据集制作 自定义数据集 数据集的读取 模型选取以及参数调整 训练测试主要参考来源：mmsegmentation教程1:自定义数据集、config文件修改、训练教程_AESA相控阵的博客-CSDN博客 环境配置跟着官方的来就行开始：安装和运行 MMSeg — MMSegment ...

摘要主要是记录如何使用mmseg这个分割库，使用自己的数据集进行训练，使用自己的config参数以及最后的测试以及推理。 在这里主要记录的是使用Unet网络的应用，数据采用胃部肠化数据，共有两个标签，一个是正常组织的标签（蓝色），一个是肠化组织标签（红色）。 我们的任务就是训练一个网络来识别正常腺体和异常腺体的区域。 mmseg介绍就是一个分割工具箱没什么好介绍的，具体内容看链接： 欢迎来到 MMSegmentation 的文档! — MMSegmentation 1.2.1 文档 open-mmlab/mmsegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark. (github.com) 内容具体介绍 环境配置 数据集制作 自定义数据集 数据集的读取 模型选取以及参数调整 训练测试主要参考来源：mmsegmentation教程1:自定义数据集、config文件修改、训练教程_AESA相控阵的博客-CSDN博客 环境配置跟着官方的来就行开始：安装和运行 MMSeg — MMSegment ...

摘要主要是记录如何使用mmseg这个分割库，使用自己的数据集进行训练，使用自己的config参数以及最后的测试以及推理。 在这里主要记录的是使用Unet网络的应用，数据采用胃部肠化数据，共有两个标签，一个是正常组织的标签（蓝色），一个是肠化组织标签（红色）。 我们的任务就是训练一个网络来识别正常腺体和异常腺体的区域。 mmseg介绍就是一个分割工具箱没什么好介绍的，具体内容看链接： 欢迎来到 MMSegmentation 的文档! — MMSegmentation 1.2.1 文档 open-mmlab/mmsegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark. (github.com) 内容具体介绍 环境配置 数据集制作 自定义数据集 数据集的读取 模型选取以及参数调整 训练测试主要参考来源：mmsegmentation教程1:自定义数据集、config文件修改、训练教程_AESA相控阵的博客-CSDN博客 环境配置跟着官方的来就行开始：安装和运行 MMSeg — MMSegment ...

vscode 文件标签栏多行显示_vscode 文件栏多行_启希的博客-CSDN博客

vscode 文件标签栏多行显示_vscode 文件栏多行_启希的博客-CSDN博客