UoB.CS.Notes 计算机科学の硬核笔记

Networks

Lower Layers - 关于网络底层

• TokenRing & Bus - 令牌环网

• ATM - 异步传输: 固话公司的回马枪(笑

• WDM - 波分复用：辨色传信

• 总结 - 以太网即正义!

Transport Layers - 传输层的奥妙

• IP - 头文件的厉害

• IP中的分段 (Flags & Fragments)

• (往期考题) Path MTU Discovery - 路径MTU发现：寻找两台主机之间最小MTU

• (重要考点) IPv4中的32位地址，以及地址分类那些破事

  • Sub-Netting & Netmasks - 子网与掩码: 拆分我富裕的地址
  • CIDR & Slash Notation - 无类域间路由(去掉类) & 斜线标注符

• IPv6 - 大量的地址

  • IPv6本质上是64位

• 以太网中的IP以及如何中转等杂事

• Address Allocation - 地址分配

  • IPv6的地址分配 - SLAAC

• TCP之后所有的

Intelligent Data Analysis 智能数据分析(IDA)

Page Rank 网页排名算法(佩琦算法)

这一章只整理了最后几页的:

• Simplified Page Rank 之马尔可夫模型对它的诠释

• Damping Factor - 阻尼因子：给新生页面的权重补偿

• Dangling Pages - 晃来晃去的网页 (致那些没有任何文献的页面)

• 总结 - 概率学上对Page Rank的阐述

Gaussian Mixture Models 高斯混合模型

一些前提条件(概率密度函数):

• Discrete Random Variables - 离散随机变量

• Gaussian/Continuous Random Variables - 连续(or 高斯)随机变量: 正态分布

• Gaussian PDF (1D) - 高斯概率密度函数 (两分钟教会你画图!)

• Gaussian PDF (2D+) - 带你进入高维世界

• Visualising Multivariate Gaussian PDF - 多方差PDF的可视化

• Fitting a Gaussian PDF to Data - 将高斯PDF与数据组合(估算参数)

进入正题(高斯混合模型)：

• Multi-modal Distributions & Gaussian Mixture Model - 多态分布&高斯混合模型

• Estimating the Parameters of a GMM - 估算GMM的参数

  • E-M Algorithm 分割数据的妙招

HCI Case Studies 案例

需求收集：

• Tourist Information Centre Studies - 旅游问询中心案例 (脏又快的收集需求大法)

Information Probes 信息勘查：

• Design with Unconventional Users - 与非传统用户一起设计

Autoethnography 模仿用户行为:

• Understand Mobile Medical Technology Use - 了解移动医疗设备的使用