数学

Round Numbers Description The cows, as you know, have no fingers or thumbs and thus are unable to play Scissors, Paper, Stone' (also known as 'Rock, Paper, Scissors', 'Ro, Sham, Bo', and a host of other names) in order to make arbitrary decisions such as who gets to be milked first. They can't even flip a coin because it's so hard to toss using hooves. They have thus resorted to "round number" matching. The first cow picks an integer less than two billion. The second cow does the same. If the numbers are both "round numbers", the first cow wins, otherwise the second cow wins. A positive

函数空间 1.距离：从具体到抽象 2.范数 3.内积 4.拓扑 本博文为观看《上海交通大学公开课-数学之旅-函数空间 》所整理笔记，公开课视频连接：http://open.163.com/newview/movie/free?pid=M8PTB0GHI&mid=M8PTBUHT0 数学中的空间 是 大家研究工作的 对象 和这些对象遵循的 规则 组成的。数学空间的两个核心要素：元素和结构（线性结构和拓扑结构）（砖块为一个个元素，按照一定的结构盖成房子，就有了空间。房子是一个空间，但是一堆任意的砖，不一定是房子，因为，没有说明结构问题） 说到 距离 ，大多数人脑海里最熟悉的就是两点之间的欧式距离。实际生活中还有很多很多的距离：地球仪上两个地点的距离、城区距离、两条曲线之间的距离（取最大差异为距离，当最大差异都为0，两条曲线才为一条。） 1.距离：从具体到抽象 两个向量之间的距离 ， x = ( x 1 , . . . , x n ) x=(x_1,...,x_n) x = ( x 1 ​ , . . . , x n ​ ) 到 y = ( y 1 , . . . , y n ) y=(y_1,...,y_n) y = ( y 1 ​ , . . . , y n ​ ) 之间的距离，可以用下面三种方式衡量： 1.两向量（点）之间的欧几里得距离： d 1 ( x , y ) = ( x 1

《程序设计基础与实验》期末考试第2场2018-2019学年第一学期 这里收集了我当时的期末考卷，这里包括程序填空题、函数题和编程题。大家可以看看当做复习练习用。 想看选择判断的请进 《程序设计基础与实验》期末考试第1场2018-2019学年第一学期 程序填空题： 5-1 数学家希尔伯特在1900年国际数学家大会的报告上提出一个“孪生素数猜想”，即：存在无穷多个素数p，使得p + 2也是素数。p和p+2这一对差为2的素数，被称为“孪生素数”。看起来，这个猜想是成立的，我们总能找到很多对孪生素数，例如：3和5, 5和7, 11和13…… 但这一猜想至今还未被证明。下面这段程序对于输入的整数n，寻找大于n的最小的一对孪生素数p和q（q=p+2）。根据所提供的运行示例，将程序补充完整。 运行示例如下： 输入示例1： 1 输出示例1： 3 5 输入示例2： 5 输出示例2： 11 13 #include <stdio.h> #include <math.h> int isPrime(int num) { if(num==1) return 0; for(int i=2; i<=sqrt(num); i++) if( num%i==0(2分) ) return 0; return 1; } int main(void) { int n; scanf("%d",&n); if(n<3)

.NET程序员，大多数时候是不需要数学的。因为，有了.NET, 数据结构和算法的重要性被弱化了，操作系统接口相关的东西被强化了。程序员只要求管理好代码，而不是设计好算法。 计算机，我只学会了技术，所以很多问题我都感觉似是而非，感觉是在学习一个API，而不是在学一门科学。 最近要实现一个哈希表，我查找了很多哈希函数，高下难分。而且，网上有很多人做了实验，但是，很多数据居然是矛盾的，有的说这个好，有的说那个好。于是我在想，有没有一种理想的最优函数，这样的函数的效率是多少。我的函数，只要接近于这个值就可以了。这样的理想函数的分析，就必须理解计算机的科学部分，这个是计算机科学永恒的部分。 首先，是一个很简单的也是很实用的问题： “给一个url 做一个hash 值，通过这个hash 值，查找这个url 是否已经在数据库中存在了，我相信很多人都做过这个问题，很多人采用把一个url 转换成一个无符号的int 类型，然后通过这个int 类型进行查找。现在的问题是，如果我的网站有1000万个url，会有多少个url 是发生哈希冲突呢，也就是说，url链接不一样，但是映射成了相同的哈希值。”有多少冲突，读完这篇文章你也就会算了。 我今天讲的只是哈希表中的一种类型：链地址哈希表。这种哈希表是最常用的哈希表，PHP数组的内部实现，就是采用这样的哈希表。估计.net 的字典类，也是通过这样的方法。

1.从粒子碰撞模型到玻尔兹曼方程 首先引入一个分布函数f： LBM在推理过程中的思想实际上跟分子动力学模拟(MD)或是SPH算法很类似，只是推导的过程会相对地十分繁琐，且方向不同导致模型在尺度上的适用性也相差十分大。这些模型中的粒子都规定了一个速度空间和位置空间，以及相应的时间。区别在于，SPH或是MD中，规定的粒子都是可以移动的。而格子玻尔兹曼算法中，粒子被束缚在相应的网格点上，粒子的移动依赖分布函数、密度等参数之间的信息传递来实现。 上述的公式中的右项，可以被划分为两部分：分布函数的变化一部分来源于外力场的影响(下标为d的项)，另一部分则来源于粒子碰撞(下标为c的项)。 如果有力学系背景的话，在《弹性力学》课程中，第一课就会提到一个十分基础的定理：刘维尔定理(Liouville’s theorem)： 刘维尔定理是《弹性力学》的几个基础定理之一，无法从任何一个已知定理中推理得到，但是也不具有“公理”的显然性和一般性。 接下来再看一个粒子的碰撞模型： 在这个粒子碰撞的模型中，可以总结出一个碰撞的公式，这个公式来源于牛顿的力学碰撞体系。因此我们也可以很容易地发现为什么格子玻尔兹曼机不会适用于纳米级的体系。无论是SPH算法还是MD，在进入纳米级时，都会考虑原子之间的作用势函数，但是LBM并不会将其纳入考量。 以上的两个公式描述了分布函数f控制下，速度空间

今天的实验都是一些主要运用if条件判断来完成的小实验，话不多说，放题！ 练习1： 在控制台让用户输入用户名和性别,如果性别为女，则显示问候语“用户名女士”，否则显示”用户名先生。 由于有字符串的判断，所以if后面的判断应该用equals判断。 代码如下： Scanner in=new Scanner(System.in); System.out.println("请输入您的用户名:"); String name=in.nextLine(); Scanner in1=new Scanner(System.in); System.out.println("请输入您的性别:"); String sex=in1.nextLine(); if(sex.equals("女")) { System.out.println(name+"女士"); } else { System.out.println(name+"男士"); } 练习2： 创建一个控制台应用程序，先输入年份，再判断是否是闰年，最后显示判断结果。 判断闰年条件： 1、年份能被4整除但不能被100整除； 2、年份能被400整除。 写这个实验的时候先把判断闰年的逻辑理清楚，再嵌入语句之中就很简单了。比如那几个条件： 1、(year%4= =0)&&!(year%100==0) 2、year%400= =0 代码如下： Scanner

文章目录 1.【深度学习必备基础知识】 2.【入门必备数学知识】 3.【Python必备基础】 4.【深度学习框架开发基础入门】 1.【深度学习必备基础知识】 深度学习的发展历程 机器学习 深度学习如何工作 实践：手写数字分类 2.【入门必备数学知识】 高等数学 线性代数 行列式 矩阵 向量 线性方程组 矩阵的特征值和特征向量 二次型 概率论和数理统计 随机事件和概率 随机变量及其概率分布 多维随机变量及其分布 随机变量的数字特征 数理统计的基本概念 3.【Python必备基础】 Python基础关键字和语法 Python中常见的数据结构 Python中的for循环 Python中的while循环 Python中的函数 Python中的面向对象编程 更多自测 4.【深度学习框架开发基础入门】 飞桨PaddlePaddle基础命令 使用飞桨PaddlePaddle做线性回归 实践：房价预测 来源： CSDN 作者： 理想007 链接： https://blog.csdn.net/weixin_43838785/article/details/104441445

今天开始写博客。   创作目的是记录有价值的学习内容，方便自己回顾复习。   刚刚定好目标院校，未来的笔记重点内容是计算机网络、信息安全、网络安全、网络攻防、入侵检测。   此外，还有一些重要的杂项，比如数学中的离散数学，高等数学，都会归入同一类别。数据结构、算法设计、编程好题归入“编程能力”类别。   至于与考研无关的其它内容，譬如数学建模、模糊数学、信息论、概率论、系统学、运筹学、Py、JAVA、Lingo、Matlab，只能看缘分吧。 &nbsp能缩进四分之一个汉字大小 &ensp能缩进二分之一个汉字大小 &emsp能缩进二分之一个汉字大小 来源： CSDN 作者： 野区老迷路 链接： https://blog.csdn.net/Averdim_zxx/article/details/104434249

本文始发于个人公众号： TechFlow ，原创不易，求个关注 今天和大家回顾一下高数当中的微分中值定理，据说是很多高数公式的基础。由于本人才疏学浅，所以对于这点没有太深的认识。但是提出中值定理的几个数学家倒是如雷贯耳，前段时间抽空研究了一下，发现很有意思，完全没有想象中那么枯燥。所以今天的文章和大家聊聊这个话题，我会跳过一些无关紧要或者意义不大的证明部分，尽量讲得浅显有趣一些。 费马引理 首先上场的是费马引理，它是我们介绍后面罗尔中值定理的前提。这个费马引理非常简单，不需要太多篇幅。所以在介绍它之前，先来讲讲费马这个人。 费马在数学届大名鼎鼎，他最著名的理论是费马大小定理。定理的内容我不讲了，和这篇文章也没啥关系。但是这背后有一段著名的故事，说是费马在提出费马大定理的时候并没有觉得它有多么出彩，因此没有加以详细的证明。有一天他在翻阅自己笔记本的时候突然灵感迸发想出了一个绝妙的证明方法。但是由于笔记本旁边空白的区域太小，所以费马这人就在书页边写了一句话，他说： 我已发现一种绝妙的证明方法，可惜这里空间太小，写不下。 没想到费马不当回事的定理在日后的数学界非常重要，出人意料的是无数数学家尝试证明费马大定理的正确性，但是都没有成功。虽然这个定理广泛使用，大家也都觉得应该是正确的，但是就是没有人能证明。这一度也称为数学界的顶级难题，一直到1995年，据说也是靠着计算机提供了算力支撑

1001 整数求和 水题 1002 C语言实验题——两个数比较 水题 1003 1、2、3、4、5... 简单题 1004 渊子赛马 排序+贪心的方法归并 1005 Hero In Maze 广度搜索 1006 Redraiment猜想 数论：容斥定理 1007 童年生活二三事 递推题 1008 University 简单hash 1009 目标柏林 简单模拟题 1010 Rails 模拟题（堆栈） 1011 Box of Bricks 简单题 1012 IMMEDIATE DECODABILITY Huffman编码 1013 STAMPS 搜索or动态规划 1014 Border 模拟题 1015 Simple Arithmetics 高精度计算 1016 Shoot-out 博弈+状态压缩DP 1017 Tour Guide 1018 Card Trick 简单题 1019 Necklace Decomposition 贪心 1020 Crashing Robots 模拟题 1021 Electrical Outlets 简单题 1022 Watchdog 简单题 1023 Taxi Cab Scheme 图论：最小路径覆盖--->最大二分匹配 1024 Pseudo-random Numbers 数论 1025 Card Game Cheater 简单题 1026