temp
CNN:图像处理
RNN:循环神经网络,序列处理
大数据带来了人工智能的兴起,因为大规模的神经网络可以处理大量数据。而早期模型支持向量机等不擅长处理大数据。
神经网络和深度学习
神经网络基础和具有神经网络思维的logistics回归
二分分类
二分类问题:输出1或0
目标:设计分类器对所给目标进行二分类。
记号的规定: 表示一个样本及其输出,\(x\) 是 \(n\) 维特征向量,\(y\) 是其分类结果
用小写字母 \(m\) 表示样本数,\(m_{test}\) 表示测试样本数,\(m_{train}\) 表示训练样本数
\(X\) 是一个 \(n\times m\) 矩阵,表示所有训练样本的输入;
\(Y\) 是一个 \(1\times m\) 矩阵,表示样本的输出。
\(\sigma(z)=\frac{1}{1+e^{-z}}\),可以将 \((-\infty,+\infty)\) 映射到 \((0,1)\) 的函数
记 \(z^{(i)}=w^Tx^{(i)}+b\)
记损失(误差)函数为 \(\mathcal L(\hat y,y)\) ,表 ...
信号与系统
第一章 信号与系统
1.1 连续时间与离散时间信号
信号可以分为确知信号与随机信号,本课程只研究确知信号。
也分为连续时间信号 \(x(t)\) 与离散时间信号 \(x[n]\)。
连续时间信号在时间轴上连续,离散信号只在离散的值上有值
用数字计算机做信号处理时,常用离散信号。如果要处理连续信号,则需要模拟电子技术。
连续时间信号的能量定义为:
\[E=\int_{t_1}^{t_2}|x(t)|^2\mathrm{d}t\]
平均功率定义为:
\[P=\frac{1}{t_2-t_1}\int_{t_1}^{t_2}|x(t)|^2\mathrm{d}t\]
注意到,表示E和P的积分式可能不收敛,因此可以分出三类:
能量信号——信号具有有限的总能量:\(E_{\infty}<\infty ,P_{\infty}=0\)
功率信号——信号具有无限的总能量,但是平均功率有限:\(E_{\infty}=\infty ,0<P_{\infty}<\infty\)
信号的总能量和总功率都是无限的。
另外,也可以分为周期信号\((x(t+T) ...
数字电子技术基础学习笔记
第一章 数制和码制
数制:表示数量的规则
码制:(用代码)表示事物的规则
数制
规定每一位的构成
规定从低位向高位的进位的规则
常用二进制,八进制,十进制,十六进制
进制转换:\(v=\sum a^ib_i\)
二进制的补码
正数的反码与其原码相同,负数的反码是对正数逐位取反,符号位保持为1。
正数的补码与其原码相同,负数的补码是在其反码的末位加1。
在定点运算中,最高位为符号位(0为正,1为负)
这一方法对数制和码制产生的混淆,无法方便地直接运算。
因此采用补码:最高位若为1,则表达的数是 \(-2^{N-1}\),其他位不变
image-20240215163452139
这样编码的数制和码制就统一了,而且可以直接通过相加得到两数的和。
规律:正数的补码和原码相同,负数的补码为数值位逐位取反+1
n位二进制和的补码表达范围:\([-2^n,2^{n-1}]\)
编码的时候,要为编码位数留足够的余量。
拓展位数:正数在前补一个0,负数补一个1
如果编码范围正确,补码直接相加就是加法运算的结果
判断溢出:负数+负数得到正数或正数 ...
2023
NAN
口题和随笔。
稍微看了看今年CSPS。
A
暴力枚举1e5个状态,挨个判断能不能到达每个状态即可。
如果不能过就枚举第一个状态能到达的所有状态再和后面那 \(n-1\) 个判一判
签完了。
B
对于 \(n=8000\) 的情况,枚举出发点拿个栈向后扫就行。
听说现在n方能过八千了。流下了时代的眼泪。
对于随机的情况,考虑到长度大于十的可消除的串基本不存在。那每次判断长度为十的子串就行了。
对于全是ab的情况,很显然可以压缩成多个连续段,根据段长度和奇偶性处理。
如果一个全a段长度为k,反正中间那k-2个肯定是自己和自己消除的。然后就很好处理了。
其他情况暂时还没想。
D
二分答案,然后倒推出每个结点的最晚开始时间。然后贪心判断能不能种完。
做完了。
C
太长还没看。
其实到这里也就看了半个小时左右。
题目质量说不上很高,甚至签到题过于签到,据说还有两个原题。
但是总体切的很愉快,早生了三年,一辈子从来没切的这么愉快过。
总比icpc西安好,太难绷了早上那场
最近的课业越来越繁重了。甚至本学期没有复习周直接期末考。
现在已经在逐步开始复习,但是进度 ...
积分变换笔记
傅里叶变换参见 https://zhuanlan.zhihu.com/p/108017728
傅里叶变换
傅里叶变换的定义
本文不探讨具体本质,只作公式记录
\(\hat f(\omega) = \int _{-\infty}^{+\infty}f(\tau )e^{-j\omega \tau}\mathrm{d} \tau\),也可记为 \(F(f(t))\),这是傅里叶变换
此时,有 \[f(t) =\frac{1}{2\pi } \int _{-\infty}^{+\infty}\hat f(\omega )e^{j\omega t}\mathrm{d} \omega\],记为\(F^{-1}(\hat f(\omega))\),这是傅里叶逆变换
傅里叶变换和傅里叶逆变换的积分式子基本一致,因此有
\[\hat {\hat f}(t)=2\pi f(-t) \]
\(\delta\) 函数
\[\delta (t)=\begin{cases}+\infty ,\quad t=0\\ 0 ,\quad t\not = 0 \end{cases}\]
且 \(\i ...
一些歌单
以后每一个月挑五首歌放上来。
2023.10
アンノウン・マザーグース - covered by ヰ世界情緒 / ヰ世界情緒
蜘蛛糸モノポリー /sasakure.UK/初音ミク
狂言「九十九星降」 / 凋叶棕
张士超你昨天晚上到底把我家钥匙放在哪里了?/上海彩虹室内合唱团
砂の惑星 / 米津玄師
2023.11
生存 / ヰ世界情緒/春猿火
ハッピーホロウと神様俱楽部 cover by ヰ世界情緒, Virtual mini live「parallel canvasⅡ」
シリウスの心臓 /ヰ世界情緒
ゆけむり魂温泉 II / 魂音泉
uzumakinoharu / sasakure.UK
2023.12
ワールズエンド・ダンスホール / wowaka
炉心融解 cover by ヰ世界情緒 / ヰ世界情緒
Euphoria / IA/じん
INTERNET OVERDOSE / KOTOKO/Aiobahn
ワールズエンド・ダンスホール / wowaka/初音ミク
2024.1
傀儡阿修羅 / 柊マグネタイト/星界
...
大学物理下复习和公式整理
需要记忆的常量:
普朗克常量 \(h=6.63\times 10^{-34}J\cdot s\)
约化普朗克常数 \(\hbar =1.0546\times 10^{-34}\)
氢原子基态 \(E_1=-13.6eV\)
电子质量 \(m=9.11×10^{-31}\)
光速 \(c=3\times 10^{8} m/s\)
真空介电常数 \(\varepsilon_0=8.854\times 10^{-12}\)
静电力常量 \(k=8.987\times 10^{9}\)
电磁学
14章 静电场
库仑定律:
\[F=k\frac{q_1q_2}{r^2}e_r\]
其中 \(e_r\) 是方向向量。通常引入一个常量 $_0 $ 来代替 \(k\) ,有 \(k=\frac{1}{4\pi \varepsilon_0}\),于是
\[F=\frac{1}{4\pi\varepsilon_0}\frac{q_1q_2}{r^2}\]
电场
电场强度的原始定义:\(E=\frac{F}{q_0}\),场强有方向。
场强可以按照向量相加的方式叠 ...
邱关源电路复习简要笔记
\(Y\) 形连接和 \(\Delta\) 形连接的等效变换
\[R_Y=\frac{\Delta \text{相邻电阻乘积}}{\sum R_\Delta} \]
\[G_\Delta = \frac{Y\text{相邻电导乘积}}{\sum G_Y}\]
三个电阻相等,有 \(R\Delta =3R_Y\)
戴维宁定理:开路电压,短路电流计算等效电阻
叠加定理计算时:电流源短路电压源开路
电感:\(i=C\frac{\mathrm{d}u}{\mathrm{d}t}\)
电感:\(u=L\frac{\mathrm{d}i}{\mathrm{d}t}\)
换路定则。
最大功率传输定理
负载可以任意变化:
当求负载 \(Z_L\) 的最大功率时,现将负载之外的电路用戴维宁等效电路替换为 \(<U_S,Z_S>\)
此时有 \(Z_S=\overline{Z_C}\) 时负载获得功率最大。
耦合电感串联:
顺接串联:\(L_{eq}=L_1+L_2+2M\)
反接串联:\(L_{eq}=L_1+L_2-2M\)
耦合电感并联:
同侧并联:同名 ...
大学物理上-公式整理
经典力学
质点运动学略
牛顿运动定律略
\(x_c=\int_{\text{物体}}\frac{x\mathrm d m}{m}\)
动量,冲量和相关定理
\(\vec p=m\vec v, \vec I =\int_{t_1}^{t_2}\vec F \mathrm{d}t,\vec F=\frac{\mathrm{d}p}{\mathrm{d}t},\int_{t_1}^{t_2}\vec F\mathrm{d}t=\vec {p_2}-\vec{p_1}\)
动量守恒定律
\(\vec F=0\) 时,\(\vec P\) 为常矢量
\(\vec {F_{n}}=0\) 时,\(P_n\) 为常量
角动量
角动量 \(\vec L=\vec r\times m\vec v\),注意是叉乘
力矩:\(\vec M=\vec r \times \vec F\)
注意前者 \(\vec r\) 是质点关于参考点的位矢,后者是力作用点关于参考点的位矢
角动量定理
\(\vec M=\frac{\mathrm{d}\vec L}{\mathrm{d}t}\) ...