函数极小值优化算法
gig_igi代表当前步骤的梯度∇F(x)∣x=xi\nabla F(x)|_{x=x_i}∇F(x)∣x=xi，αi\alpha_iαi代表当前的学习率, AiA_iAi代表当前的HessianHessianHessian矩阵（∇2F(x)∣x=xi\nabla^2F(x)|_{x=x_i}∇2F(x)∣x=xi） 共轭向量法 p0=−∇F(x)∣x=x0α0=−g0Tp0p0TA0p0x1=x0+α0p0\begin{aligned} &p_0=-\nabla F(x)|_{x=x_0}\\ &\alpha_0=\frac{-g_0^Tp_0}{p_0^TA_0p_0}\\ &x_1=x_0+\alpha_0p_0 \end{aligned} p0=−∇F(x)∣x=x0α0=p0TA0p0−g0Tp0x1=x0+α0p0 while True:...
概统常见分布与数值特征
常见分布 连续型 Distribution 密度函数 分布函数 E(x) D(x) U(a,b)U(a,b)U(a,b) 1b−a\frac{1}{b-a}b−a1 (a<x<b)(a<x<b)(a<x<b) x−ab−a\frac{x-a}{b-a}b−ax−a a<x<ba<x<ba<x<b a+b2\frac{a+b}{2}2a+b (b−a)212\frac{(b-a)^2}{12}12(b−a)2 E(λ)E(\lambda)E(λ) λe−λx\lambda e^{-\lambda x}λe−λx (x>0)(x>0)(x>0) 1−e−λx1-e^{-\lambda...
汪校长的恩情
都是AI生成的，看个乐子得了。 inspired by...
八皇后问题
其实这个问题老早之前我就做过了，但之前一直没发。 首先很容易想到使用枚举的方法 使用一个树结构来枚举 123456789101112131415161718192021222324252627282930void f(int layer,int* prev_queen){//layer is 0-based,prev_queen数组代表之前的i行中queen所在的列 int available[n]; for(int i=0;i<n;i++){ available[i]=1; } for(int i=0;i<layer;i++){ int position=prev_queen[i]; available[position]=0;//down int offset=layer-i; int left=position-offset; int right=position+offset; ...
在C语言中使用奇技淫巧判断一个浮点数是不是整数
起因是同学在群里问了一个相关的问题，恰好我当时在上计组。于是我就想到了使用IEEE754的规范来检测这个数是否为整数 123456int isRealFloat(float num){ unsigned int a=*(unsigned int*)#//将浮点数的二进制表示以int方式读取 unsigned int exp=((a<<1)>>24)-127;//读取指数 unsigned int fraction=a&0x007FFFFF;//取出尾数 return (0x007FFFFF>>exp)&fraction;//指数有多少位，就覆盖多少位尾数。若尾数有没有剩余，那么这个值就是0，表示假；否则尾数有剩余，就说明这的确是小数，这个值本身就不是0，表示真。} 当然用易读的标准代码表示如下 123int isRealFloat2(float num){ return...
在博客中嵌入Python脚本
之前看友链博客做了这样的一个test，刚好今天就有同学在研究怎么在网页上跑py，于是我就写了这样一个示例。 Example function callback(){ let code=document.getElementById("code").value; document.getElementById("result").innerText="Code is running" loadPyodide().then((pyodide) => { let result=pyodide.runPython(code); document.getElementById("result").innerText=result; }); } def get_num(): return...
做了一个真值表生成器
问题的提出 离散课后布置了一些作业，有几道题要求你写真值表。我就在网上搜索真值表生成器，但是很快我就发现：这些工具都不提供表格复制功能，为了能一键将表格复制到 LaTeX\LaTeXLATEX/Word/Markdown中，我就捉摸着自己写一个。 问题的解决 为了简化程序的编写，我将这个功能拆成了好几个模块： 将中缀表达式解析为后缀表达式 将后缀表达式解析为抽象语法树 根据抽象语法树生成真值表 并且抽象语法树还有一个好处，就是每一个子节点都是一个子式。 细枝末节 为了方便使用，程序的开发采用前端是Web，采用React框架与Ant-Design快速完成网页搭建。（我觉得ant-design比bootstrape好用） 源代码与网页 源代码： https://github.com/57UU/truth_table_generator 成品网页： https://57uu.github.io/truth_table_generator/ 参考资料 Github/RustBook from 电子科大
如何在大型组织中设置自己成员可见性
问题的提出 我加入了EpicGames组织，但中的member数量过于多，通过传统方法设置自己的可见性是行不通的，因为github的服务器最多返回50K条数据，利用搜索功能也是搜不到的。 问题的分析 如果不能通过github网页版解决，那么是否可以通过github api解决。 通过搜索github docs，我找到了这个API（参考资料2），可以设置自己在org里面的可见性。 问题的解决 我发现通过GitHub CLI工具调用这个API是最简单的。首先需要安装GitHub CLI（参考资料3）。 安装完成后登录 1gh auth login 登陆以后按照API文档中的示例进行调用 1gh api --method PUT -H "Accept: application/vnd.github+json" -H "X-GitHub-Api-Version: 2022-11-28" /orgs/{组织名称}/public_members/{用户名称} 完工 参考资料 GitHub...
概统基础知识
概统公理化基础知识 公理 推导性质 空集概率为零 有限可加性 对立事件公式 事件概率范围 减法公式 加法公式 公理 若Ω是一个试验的样本空间，Ω={Ai∣i∈[1,n]}，有若\Omega 是一个试验的样本空间，\Omega=\{A_i|i\in[1,n]\} ，有 若Ω是一个试验的样本空间，Ω={Ai∣i∈[1,n]}，有 非负性：P(Ai)>0P(A_i)>0P(Ai)>0 规范性：P(Ω)=1P(\Omega)=1P(Ω)=1 可加性：若{Ai}\{A_i\}{Ai}相互排斥，那么有 P(⋃i=1∞Ai)=∑i=1∞P(Ai)P(\bigcup_{i=1}^{\infty} A_i)=\sum_{i=1}^{\infty} P(A_i) P(i=1⋃∞Ai)=i=1∑∞P(Ai) 推导性质 空集概率为零 P(∅)=0P(\empty)=0 P(∅)=0 有限可加性 P(⋃i=1nAi)=∑i=1nP(Ai)，当{Ai}相互排斥P(\bigcup_{i=1}^n A_i)=\sum_{i=1}^n...
在大川学堂上快速完成视频观看
又到了开学季，但是四川大学竟然还会布置学前作业，要求完成许多又臭又长的视频观看，实在是恶心人。但既然大川学堂使用的是网页端，那就意味着操作的空间很大。 首先进入视频播放页面 视频一定要处于播放页面 打开DevTools 按下键盘上的F12打开开发者工具，在顶部选项卡选择 源代码（sources），在左侧找到文件resources/public/static/js/pages/detail_video.js 打断点 找到第1032行 将鼠标移动到1032左边的区域，会出现一个小红点，用鼠标单击它 网页应该会如下图所示 运行代码 转到 控制台（Console）选项卡，在下方输入以下代码 1this.competeCourseHandle() 然后回车运行 大功告成 写在最后 我的这个方法当然是比较繁琐的，肯定有直接在控制台里丢一段代码就搞定的方式。但由于我早就把这些视频看完了，没有实验的机会了。还请各位小登去逆向分析一下，直接把这个请求的参数分析出来。