- 前言集合(简称集)是数学中一个基本概念,我们应该都比较熟悉,不管是生活中,还是数学上,我们都频繁地接触到。集合在数学领域具有无可比拟的特殊重要性。一定范围的，确定的，可以区别的事物，当作一个整体来看待，就叫做集合，简称集，其中各事物叫做集合的元素或简称元。如(1)阿Q正传中出现的不同汉字(2)全体英文大写字母。任何集合是它自身的子集。它是集合论的研究对象，集合论的基本理论直到19世纪才被创立... 前言集合(简称集)是数学中一个基本概念,我们应该都比较熟悉,不管是生活中,还是数学上,我们都频繁地接触到。集合在数学领域具有无可比拟的特殊重要性。一定范围的，确定的，可以区别的事物，当作一个整体来看待，就叫做集合，简称集，其中各事物叫做集合的元素或简称元。如(1)阿Q正传中出现的不同汉字(2)全体英文大写字母。任何集合是它自身的子集。它是集合论的研究对象，集合论的基本理论直到19世纪才被创立...
- 存在A、B、C三个成员组成的Raft集群，刚启动时，每个成员都处于Follower状态，其中，成员A心跳超时为110ms，成员B心跳超时为150ms，成员C心跳超时为130ms 存在A、B、C三个成员组成的Raft集群，刚启动时，每个成员都处于Follower状态，其中，成员A心跳超时为110ms，成员B心跳超时为150ms，成员C心跳超时为130ms
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。 失真函数假如某一信源 X\mathbf{X}X , 输出样值 xix_{i}xi, xi∈{a1,a2,…an}x_{... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。 失真函数假如某一信源 X\mathbf{X}X , 输出样值 xix_{i}xi, xi∈{a1,a2,…an}x_{...
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。 失真的概念和定义 信息率失真函数为什么要研究信息率失真函数?用于限失真信源编码失真在传输中是不可避免的 ;接收者都存在一... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。 失真的概念和定义 信息率失真函数为什么要研究信息率失真函数?用于限失真信源编码失真在传输中是不可避免的 ;接收者都存在一...
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。 平均互信息平均互信息定义I(X;Y)=E[I(x,y)]=H(X)−H(X∣Y)I(X ; Y)=E[I(x, y)]=... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：https://github.com/timerring/information-theory 】或者公众号【AIShareLab】回复 信息论 获取。 平均互信息平均互信息定义I(X;Y)=E[I(x,y)]=H(X)−H(X∣Y)I(X ; Y)=E[I(x, y)]=...
- 本教程的知识点为：机器学习（常用科学计算库的使用）基础定位 机器学习概述 机器学习概述 1.5 机器学习算法分类 1 监督学习 机器学习概述 1.7 Azure机器学习模型搭建实验 Azure平台简介 Matplotlib 3.2 基础绘图功能 — 以折线图为例 1 完善原始折线图 — 给图形添加辅助功能 Matplotlib 3.3 常见图形绘制 1 常见图 本教程的知识点为：机器学习（常用科学计算库的使用）基础定位 机器学习概述 机器学习概述 1.5 机器学习算法分类 1 监督学习 机器学习概述 1.7 Azure机器学习模型搭建实验 Azure平台简介 Matplotlib 3.2 基础绘图功能 — 以折线图为例 1 完善原始折线图 — 给图形添加辅助功能 Matplotlib 3.3 常见图形绘制 1 常见图
- 本教程的知识点为：机器学习算法定位、 K-近邻算法 1.4 k值的选择 1 K值选择说明 1.6 案例：鸢尾花种类预测--数据集介绍 1 案例：鸢尾花种类预测 1.8 案例：鸢尾花种类预测—流程实现 1 再识K-近邻算法API 1.11 案例2：预测facebook签到位置 1 项目描述 线性回归 2.3 数学:求导 1 常见函数的导数 线性回归 2.5 梯 本教程的知识点为：机器学习算法定位、 K-近邻算法 1.4 k值的选择 1 K值选择说明 1.6 案例：鸢尾花种类预测--数据集介绍 1 案例：鸢尾花种类预测 1.8 案例：鸢尾花种类预测—流程实现 1 再识K-近邻算法API 1.11 案例2：预测facebook签到位置 1 项目描述 线性回归 2.3 数学:求导 1 常见函数的导数 线性回归 2.5 梯
- 本教程的知识点为：深度学习介绍 1.1 深度学习与机器学习的区别 TensorFlow介绍 2.4 张量 2.4.1 张量(Tensor) 2.4.1.1 张量的类型 TensorFlow介绍 1.2 神经网络基础 1.2.1 Logistic回归 1.2.1.1 Logistic回归 TensorFlow介绍 总结 每日作业 神经网络与tf.keras 1.3 神经网络基 本教程的知识点为：深度学习介绍 1.1 深度学习与机器学习的区别 TensorFlow介绍 2.4 张量 2.4.1 张量(Tensor) 2.4.1.1 张量的类型 TensorFlow介绍 1.2 神经网络基础 1.2.1 Logistic回归 1.2.1.1 Logistic回归 TensorFlow介绍 总结 每日作业 神经网络与tf.keras 1.3 神经网络基
- 本教程的知识点为：机器学习算法定位、 K-近邻算法 1.4 k值的选择 1 K值选择说明 1.6 案例：鸢尾花种类预测--数据集介绍 1 案例：鸢尾花种类预测 1.8 案例：鸢尾花种类预测—流程实现 1 再识K-近邻算法API 1.11 案例2：预测facebook签到位置 1 项目描述 线性回归 2.3 数学:求导 1 常见函数的导数 线性回归 2.5 梯 本教程的知识点为：机器学习算法定位、 K-近邻算法 1.4 k值的选择 1 K值选择说明 1.6 案例：鸢尾花种类预测--数据集介绍 1 案例：鸢尾花种类预测 1.8 案例：鸢尾花种类预测—流程实现 1 再识K-近邻算法API 1.11 案例2：预测facebook签到位置 1 项目描述 线性回归 2.3 数学:求导 1 常见函数的导数 线性回归 2.5 梯
- 本教程的知识点为：机器学习（常用科学计算库的使用）基础定位 机器学习概述 机器学习概述 1.5 机器学习算法分类 1 监督学习 机器学习概述 1.7 Azure机器学习模型搭建实验 Azure平台简介 Matplotlib 3.2 基础绘图功能 — 以折线图为例 1 完善原始折线图 — 给图形添加辅助功能 Matplotlib 3.3 常见图形绘制 1 常见图 本教程的知识点为：机器学习（常用科学计算库的使用）基础定位 机器学习概述 机器学习概述 1.5 机器学习算法分类 1 监督学习 机器学习概述 1.7 Azure机器学习模型搭建实验 Azure平台简介 Matplotlib 3.2 基础绘图功能 — 以折线图为例 1 完善原始折线图 — 给图形添加辅助功能 Matplotlib 3.3 常见图形绘制 1 常见图
- 贪心算法解决最小生成树问题在多个领域都有广泛应用，特别是在需要以最小成本或最短路径将多个节点连接起来，同时保证连通性的场景中，为实际的系统设计、资源分配和路径规划等提供了有效的优化方案，有助于提高系统的性能和降低成本。 贪心算法解决最小生成树问题在多个领域都有广泛应用，特别是在需要以最小成本或最短路径将多个节点连接起来，同时保证连通性的场景中，为实际的系统设计、资源分配和路径规划等提供了有效的优化方案，有助于提高系统的性能和降低成本。
- 在程序设计和算法竞赛中，**丑数**问题是一个经典的动态规划题目。丑数（Ugly Number）定义为只包含质因子 2、3 和 5 的数。举例来说，数字 6（因子为 2 和 3）、数字 8（因子为 2）都是丑数，而数字 14 不是丑数，因为它包含质因子 7。在这种定义下，1 通常被视为第一个丑数。 在程序设计和算法竞赛中，**丑数**问题是一个经典的动态规划题目。丑数（Ugly Number）定义为只包含质因子 2、3 和 5 的数。举例来说，数字 6（因子为 2 和 3）、数字 8（因子为 2）都是丑数，而数字 14 不是丑数，因为它包含质因子 7。在这种定义下，1 通常被视为第一个丑数。
- 本文介绍令牌桶算法，一种常用的限流策略，通过恒定速率放入令牌，控制高并发场景下的流量，确保系统稳定运行。关注【mikechen的互联网架构】，10年+BAT架构经验倾囊相授。 本文介绍令牌桶算法，一种常用的限流策略，通过恒定速率放入令牌，控制高并发场景下的流量，确保系统稳定运行。关注【mikechen的互联网架构】，10年+BAT架构经验倾囊相授。
- 本文详细介绍负载均衡的5大核心算法：轮询、加权轮询、随机、最少连接和源地址散列，帮助你深入理解分布式架构中的关键技术。关注【mikechen的互联网架构】，10年+BAT架构经验倾囊相授。 本文详细介绍负载均衡的5大核心算法：轮询、加权轮询、随机、最少连接和源地址散列，帮助你深入理解分布式架构中的关键技术。关注【mikechen的互联网架构】，10年+BAT架构经验倾囊相授。
- 数据库 校验名称唯一性，用于新增和修改功能 数据库 校验名称唯一性，用于新增和修改功能
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签