edg战队

　　因为比特币等数字货币的推广，让区块链的知名度越来越高。区块链分为，公有链，联盟链，私有链。从个人了解的知识觉得联盟链的应用程度或高于另外两种。为什么呢？区块链比较核心的作用是解决信用问题，所以私有链的应用场景不是很大(一个人建立一个私有链的商业价值不大)，或者完全可以归入到联盟链中。 　　公有链应用虽然是众心所向，也是最正宗最原始的区块链。但是因为在现在社会中区块链的落地除了理想，还要考虑落地场景的应用可行性和经济可行性。比特币，以太坊虽然影响都较大。但是那都还只是停留在数字货币的炒作阶段，还没有找到满足业务和经济可行性的落地场景。同时从各个国家的监管层面来看，区块链的匿名等特性，很可能成为反恐，反洗钱聚焦的地方。 　　对于联盟链，因为联盟成员都是经过筛选，选择后才允许进入的。所以在联盟成员的可信度方面是可控的，同是现在的社会中小型的联盟，实现可追溯和的商业场景比较多，对这方面的技术落地可行性比较高。虽然称之为阉割版的区块链，但是我相信在后续的落地中联盟链的速度将优先于其它两种。 　　以上是个人的一点见解，话题转回来。Fabric的翻译在网上随处可见，为什么自己还要翻译呢。这个更多的是从个人角度考虑的。因为我希望通过文章的翻译让自己浮躁的心能够静下来，同时也希望自己的一些见解能够帮助到别人，这就是自己的最终目的。 来源： https://www.cnblogs.com

场景 Winforn中设置ZedGraph曲线图的属性、坐标轴属性、刻度属性： https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/100112573 https://www.cnblogs.com/badaoliumangqizhi/p/11422087.html 在上面实现ZedGraph曲线图以及一些属性的设置之后，对其曲线图的一些操作事件进行编写。 下面一些事件打开实现是基于以上属性设置成功之后。 效果 控件下载 https://download.csdn.net/download/badao_liumang_qizhi/11578445 英文手册下载 https://download.csdn.net/download/badao_liumang_qizhi/11578491 源码下载 https://download.csdn.net/download/badao_liumang_qizhi/11629179 实现 图像复制到剪贴板实现 拖拽一个按钮，双击进入其点击事件。 private void button2_Click(object sender, EventArgs e) { //ture代表复制成功提示 this.zedGraphControl1.Copy(true); } 效果

题目背景 公元二零一四年四月十七日，小明参加了省赛，在一路上，他遇到了许多问题，请你帮他解决。 题目描述 已知车上有N排座位，有N*2个人参加省赛，每排座位只能坐两人，且每个人都有自己想坐的排数，问最多使多少人坐到自己想坐的位置。 输入格式 第一行，一个正整数Ｎ。 第二行至第Ｎ*2+1行，每行两个正整数Si1，Si2，为每个人想坐的排数。 输出格式 一个非负整数，为最多使得多少人满意。 题解：显然可以点可以分为两个集合，左集合是人，右集合是座位，把每一列座位拆成两个点，然后想让最多人满意， 就把当前人和他满意的排数的两个点连一条边，跑一个二分图最大匹配即可。 #include<cstdio> #include<iostream> #include<cstring> #include<algorithm> using namespace std; struct node { int ed,nxt; }; node edge[4005*16]; int n,cnt,first[4005],ans; bool used[4005*2]; int match[4005*2]; inline void add_edge(int s,int e) { cnt++; edge[cnt].ed=e; edge[cnt].nxt=first[s]; first[s]=cnt; return; }

场景 C#窗体应用中使用ZedGraph曲线插件绘制图表： https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/99716066 在上面已经实现基本的曲线图之后，效果如下： 当然这不是我们的效果，还要对其属性进行设置。 但是毕竟其属性和方法说明都是英文，所以整理了一些常用属性和方法。 调整之后的效果 控件下载 https://download.csdn.net/download/badao_liumang_qizhi/11578445 英文手册下载 https://download.csdn.net/download/badao_liumang_qizhi/11578491 实现 曲线整体属性设置 //是否允许横向缩放 this.zedGraphControl1.IsEnableHZoom = true; //是否允许纵向缩放 this.zedGraphControl1.IsEnableVZoom = true; //是否允许缩放 this.zedGraphControl1.IsEnableZoom = true; //是否显示右键菜单 this.zedGraphControl1.IsShowContextMenu = true; //复制图像时是否显示提示信息 this.zedGraphControl1

题面： 传送门 题目描述： 给出有n个节点的树，整数k。题目要求找长度为k，符合规则（good序列）的“点序列”（由节点构成的序列）个数有多少？规则如下： 1.走一条出发点为a1，终点为ak的一条路（允许重复边，重复点） 2.从a1开始，通过最短路径走到a2，然后从a2通过最短路径走到a3，以此类推，直到走到终点 3.如果在上述过程中，至少经过一条“黑边”，则这个序列是good的 题目分析一： 这道题直接分析确实挺难，难在哪里呢？我们看看这个good序列要满足什么条件： 1.走一条路：这里要注意的就是可以重复点，其他没什么可以引起注意的地方 2.从a1走到a2，a2走到a3......如果这个过程经过了黑边，这个序列就是good序列： 所以刚开始我们的想法是： 找一条黑边两端的端点，然后看看包含这两个端点的序列有多少个，再减去重复的。 但是，想法很美好，情况很复杂😭，我刚开始就是这么想的。后面发现越来越不对劲，就重新看了一下题目，发现了一些重要的突破口： 1.题目的good序列是“至少”经过一条黑边，注意，这里的用词是用“至少”。 2.原题目的最后还提醒了：总共有n^k个序列，算其中good序列有多少个。 然后我就想到了：既然good序列这么难算，不如算算bad序列？ bad序列规则：第一点和第二点不变，第三点：如果在上述过程中，没有经过一条“黑边”，则这个序列是bad的。也就是说

AcWing 野餐规划 Description 一群小丑演员，以其出色的柔术表演，可以无限量的钻进同一辆汽车中，而闻名世界。 现在他们想要去公园玩耍，但是他们的经费非常紧缺。 他们将乘车前往公园，为了减少花费，他们决定选择一种合理的乘车方式，可以使得他们去往公园需要的所有汽车行驶的总公里数最少。 为此，他们愿意通过很多人挤在同一辆车的方式，来减少汽车行驶的总花销。 由此，他们可以很多人驾车到某一个兄弟的家里，然后所有人都钻进一辆车里，再继续前进。 公园的停车场能停放的车的数量有限，而且因为公园有入场费，所以一旦一辆车子进入到公园内，就必须停在那里，不能再去接其他人。 现在请你想出一种方法，可以使得他们全都到达公园的情况下，所有汽车行驶的总路程最少。 Input 第一行包含整数n，表示人和人之间或人和公园之间的道路的总数量。 接下来n行，每行包含两个字符串A、B和一个整数L，用以描述人A和人B之前存在道路，路长为L，或者描述某人和公园之间存在道路，路长为L。 道路都是双向的，并且人数不超过20，表示人的名字的字符串长度不超过10，公园用“Park”表示。 再接下来一行，包含整数s，表示公园的最大停车数量。 你可以假设每个人的家都有一条通往公园的道路。 Output 输出“Total miles driven: xxx”，其中xxx表示所有汽车行驶的总路程。 Sample Input

Core Materials Guidelines for Coding Style Documentation Documentation strings (“docstrings”) are an integral part of the Python language. They need to be in the following places: At the top of each file describing the purpose of the module. Below each class definition describing the purpose of the class. Below each function definition describing the purpose of the function. Docstrings describe what is being done in a module, class, method, or function, not how it is being done. Except in rare cases where the how is part of the contract (i.e., binary search, so you know it runs in time log(n))

Introduction Natural Language Understanding at an industrial scale requires an efficient, high quality knowledge graph for tasks such as entity resolution and reasoning . Without the ability to reason about information semantically, natural language understanding systems are only capable of shallow understanding. As the requirements of machine reasoning and machine learning tasks become more complex, more advanced knowledge graphs are required. Indeed, it has been previously observed that knowledge graphs are capable of producing impressive results when used to augment and accelerate machine

目录 1.The Mathematical Knowledge Needed For Machine Learning The Unknown Word 1.The Mathematical Knowledge Needed For Machine Learning The First Column The Second Column algorithems Mathematics Bias classifier random variable,Bias formula,Independence of random variables,Normal distribution,Maximum likelihood estimation decision tree probability,entropy,Gini coefficient KNN algorithems distance function Main component analysis Covariance Matrix,Scatter Matrix, manifold learning manifold,optimisation，Geodesic line,Geodesic distance,chart,Eigenvalue and Characteristic matrix SVM The distance from

简单翻译总结一下最近读到的这篇论文~ Abstract factorization machine(FM)方法 ：转换为有监督的学习问题，假设每个交互都是一个独立的实例，并对辅助信息进行编码。忽略了实例或项目之间的关系（例如，电影的导演也是另一部电影的演员），不足以从用户的集体行为中提取协作信号。 knowledge graph(KG) : 通过将项目与其属性链接来打破独立交互假设。 KG和user-item graph的这种混合结构中， 高阶关系（将两个item与一个或多个链接属性连接起来）是成功推荐的关键因素 。->提出 Knowledge Graph Attention Network (KGAT) KGAT以端到端的方式显式地对KG中的高阶连接进行建模。它递归地从节点的邻居（可以是user、item或attr）传播嵌入，以细化节点的嵌入，并使用注意机制来区分邻居的重要性。 Introduction 现在许多研究工作都致力于 collaborative filtering(CF) ，尽管CF方法具有有效性和通用性，但它无法对诸如项属性、用户配置文件和上下文之类的辅助信息进行建模。在用户和项很少交互的稀疏情况下性能很差。为了集成这些信息，一个常见的范例是将它们与用户id和项的id一起转换为一个通用的特征向量，并将它们输入到一个监督学习（sL）模型中以预测得分