常量 语言学习 变量 语言
2023-10-11：用go语言，一个数字n，一定要分成k份， 得到的乘积尽量大是多少？ 数字n和k，可能非常大，到达10^12规模。 结果可能更大，所以返回结果对1000000007取模。 来自华为
2023-10-11：用go语言，一个数字n，一定要分成k份， 得到的乘积尽量大是多少？ 数字n和k，可能非常大，到达10^12规模。 结果可能更大，所以返回结果对1000000007取模。 来自华为。 来自左程云。 答案2023-10-11： 大体过程如下： 算法1：暴力递归 1.首先判断k是否为 ......
C语言 - 使用_beginthreadex()创建线程
经过了解才知道，C++03之前，用的创建线程都是CreateThread 与 _beginthreadex。使用这个两个函数进行创建线程。然后C++11之后，就出现了新的线程函数thread，当然，这个创建线程比较方便！ 经过两三天的纠结，最终决定深入研究_beginthreadex此方式创建线程， ......
深度学习中的样本不平衡问题
1. 什么是样本不平衡问题？所谓的类别不平衡问题指的是数据集中各个类别的样本数量极不均衡。以二分类问题为例，假设正类的样本数量远大于负类的样本数量，通常情况下把样本类别比例超过4:1（也有说3:1）的数据就可以称为不平衡数据。样本不平衡实际上是一种非常常见的现象。比如：在欺诈交易检测，欺诈交易的订单 ......
无法将 null 赋予隐式类型化的变量
仅当局部变量在相同语句中进行声明和初始化时，才能使用 var；变量不能初始化为 null，也不能初始化为方法组或匿名函数。 参考 ......
Python模板字符串Template如：${变量名称}
1.概述 如果你在操作字符串，如果你操作的字符串内容很多，希望字符串中的内容能够根据规则动态替换，并且在长篇幅的字符串中需要替换任意位置任意次数的字符，使用str提供的replace方法代码会写的非常复杂，且出错不易排查。 在这个场景中试试Template类把，他能够创建一个模板替换字符串。 1.1 ......
机器学习教程
目录有监督学习含义回归单元线性回归含义代价函数梯度下降法将梯度下降法与代数函数结合在一起多元线性回归含义多元假设函数多元代价函数多元梯度下降法将多元梯度下降法与代数函数结合在一起特征缩放啥是特征缩放？公式均值归一化学习率的调整的建议介绍建议正规方程解释公式如何选择梯度下降法或正规方程？两者之间的优缺 ......
SQL 语句 增删改查、边学习边增加中..... 这一部分为select
SQL语句按照最大的类别分为 1、增加 insert 2、删除 delete https://www.cnblogs.com/kuangmeng/p/17756654.html 3、修改update 4、查询 select : https://www.cnblogs.com/kuangmeng/p/ ......
opengl学习之一
reference: 1. GLFW: Window guide 2. GLFW基础知识及窗口创建 - 知乎 (zhihu.com) 3. LearnOpenGL - Hello Window ......
NEXTCLOUD开发文档学习笔记－之加载源码
VSCODE打开NEXTCLOUD源码时，因为DOCKERFILE里面有一条安装nvm的命令，而安装NVM需要从国外下载Install.sh,受国内网络环境影响，执行“curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/inst ......
C语言 - 预处理器
C 预处理器不是编译器的组成部分，但是它是编译过程中一个单独的步骤。简言之，C 预处理器只不过是一个文本替换工具而已，它们会指示编译器在实际编译之前完成所需的预处理。我们将把 C 预处理器（C Preprocessor）简写为 CPP。 所有的预处理器命令都是以井号（#）开头。它必须是第一个非空字符 ......
ORB-SLAM3学习笔记
在 IMU 初始化之前和之后，ORB-SLAM3 的坐标系的定义是不同的： 初始化之前：坐标系基于第一帧图像。它的定义完全基于视觉信息。Z轴正向视深度，X轴和 Y轴与图像平面对齐。 初始化之后：一旦 IMU 初始化成功，坐标系会调整以适应一个“世界坐标系”，其中重力方向定义为 Z轴负方向。这样，X轴 ......
《信息安全系统设计与实现》第六周学习笔记
第十一章 EXT2 文件系统 EX2文件系统数据结构 创建虚拟硬盘 mke2fs [-b blksize -N ninodes] device nblocks 虚拟磁盘布局 Block#0:引导块 超级块 Block#1 容纳整个文件系统的信息 超级块的重要字段： u32 s_inodes_coun ......
【安全学习之路】Day44
距离上次《逆向工程核心原理》隔得远了点，并不是没继续看下去，一直没什么时间写博客，读得一些章节没什么营养的我就跳过了，现在从x64处理器开始。 x64处理器 64位 64位系统当中的内存地址变为64位，使用64位大小的指针。如寄存器等基本单位也变成了64位的。 内存 虚拟内存的实际大小实际上是16T ......
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化|附代码数据
全文链接：http://tecdat.cn/?p=32511 原文出处：拓端数据部落公众号 时间序列模型的理论已经非常丰富,模型的应用也相当广泛。但现实生活中,越来越多的时间序列模型呈现出了非线性的特点,因此,研究非线性时间序列模型的理论及对其参数进行估计有着极其重要的意义。门限模型作为非线性时间序 ......
《算法学习专栏》——DP问题之线性DP
2023年10月10日 更新于2023年10月10日 一、前言 本栏，为线性DP，题目主要来源日常，目前主要来源于Acwing的提高课。希望以后做到线性DP的题目，也能加进来，不断完善。 二、线性DP 2.1 目前的模型： 数字三角形模型 最长上升子序列模型 2.2 目前解决的问题： 可以解决路径上 ......
R语言非线性动态回归模型ARIMAX、随机、确定性趋势时间序列预测个人消费和收入、用电量、国际游客数量
全文链接：https://tecdat.cn/?p=33838 原文出处：拓端数据部落公众号 传统时间序列模型允许包含过去观察到的系列信息，但不允许客户包含其他可能相关的信息。例如，假期的影响、竞争对手的活动、法律变化、整体经济或其他外部变量可能解释了某些历史变动，并且可能导致更准确的预测。另一方面 ......
R语言无套利区间模型期货期现研究：正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化|附代码数据
全文链接：http://tecdat.cn/?p=31973 最近我们被客户要求撰写关于无套利区间模型的研究报告，包括一些图形和统计输出。 股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能，因此提高套利交易的效率,对于发挥股指期货在经济发展中的作用有着重要的意义 本文帮助客户对期货期 ......
基于Qlearning强化学习的路径规划算法matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 MATLAB2022A 3.算法理论概述 路径规划在机器人、自动驾驶等领域中具有重要应用。Q-learning是一种经典的强化学习算法，可以用于解决路径规划问题。本文介绍了基于Q-learning的路径规划算法，该算法可以在未知环境中学习最优路径，具有广 ......
04-Shell字符串变量
1. 字符串变量的三种方式 字符串（String）就是一系列字符的组合。字符串是 Shell 编程中最常用的数据类型之一（除了数字和字符串，也没有其他类型了） 单引号方式 双引号方式, 推荐 不用引号方式 var = 'abc' var2 = "abc" var3 = abc 1.1 三种格式的区别 ......
spoot-vue学习
1、创建Vue项目(需要提前搭建好环境) 启动cmd，进入到文件夹路径，输入以下命令，回车 vue init webpack myvue 其中 myvue 是项目的名称 2、创建完成后，使用IDEA导入此vue项目 在控制台中输入npm install安装依赖环境 安装完成后，输入npm insta ......
Linux内核学习
文件系统 什么是文件系统？ 常规认知： 根目录 文件系统是操作系统用于明确存储设备组织文件的方法。 以上说的方法：就是文件管理系统（程序），简称文件系统 文件系统（文件管理系统的方法）的种类有哪些？ FAT VFAT NTFS EXT1/2/3/4 HFS .... 树莓派查看文件系统的命令： df ......
拓扑排序学习笔记
拓扑排序 - oiwiki 在有向无环图中，若一个由该图中所有点构成的序列满足：图中所有边 (x,y)，x 在序列 A 中都出现在 y 前，则称 A 是该图的一个拓扑序。求解序列 A 的过程就叫拓扑排序。 拓扑排序可以解决一个有向无环图的所有节点排序。我理解的话，就是按每个店的入度多少的顺序找到一种 ......
java学习day1—markdown使用教程
java学习day1—markdown使用教程 标题 #+一级标题 ##+二级标题 字体 粗体 前后双星号 斜体 前后单星号 粗体加斜体 前后三星号 删除字体 前后双~ 半角字符曲线 分割线 三个- 三个* 表格 emmmm还是插入吧，自己拼忒麻烦 列表 无序列表 用*空格+内容 第一项 第二项 有 ......
《动手学深度学习 Pytorch版》 8.4 循环神经网络
8.4.1 无隐状态的神经网络 对于无隐藏装态的神经网络来说，给定一个小批量样本 \(\boldsymbol{X}\in\mathbb{R}^{n\times d}\)，则隐藏层的输出 \(\boldsymbol{H}\in\mathbb{R}^{n\times h}\) 通过下式计算： \[\bo ......
变量提升与函数提升
变量提升的主要原因是 JavaScript 的解释执行方式。在代码执行之前，JavaScript 引擎会扫描整个作用域，找到所有的变量声明（使用 var 关键字声明的变量）和函数声明，然后将它们提升到作用域的顶部。 例如，考虑以下代码： javascript： console.log(name); ......
03-Shell环境变量深入
1. 自定义系统环境变量 1.1 全局配置文件/etc/profile应用场景 当前用户进入Shell环境初始化的时候会加载全局配置文件/etc/profile里面的环境变量, 供给所有Shell程序使用 以后只要是所有Shell程序或命令使用的变量, 就可以定义在这个文件中 1.2 案例 /etc ......
SQLAlchemy学习-13.分页查询'Query' object has no attribute 'paginate'
前言 用过Flask-SQLAlchemy的应该知道， 它提供了一个分页查询方法 paginate（），方便我们实现在后端查询分页。 但是单独使用SQLAlchemy 却没有paginate方法，会报错：AttributeError: 'Query' object has no attribute ......
记录python语言的数组去重并输出
def find_duplicates(arr): seen = set() duplicates = [] for num in arr: if num in seen: duplicates.append(num) seen.add(num) return duplicates arr = [' ......
数据库初期学习
show databases; --查看所有的数据库 mysql -u root -p123456 --连接数据库 use school； --切换数据库 use数据库名 show student；-- 显示数据库中所有的表的信息 create database westos; --创建一个数据库 ......
c++对象模型学习笔记
参照大佬的博客学习了一下c++的对象模型： https://www.cnblogs.com/skynet/p/3343726.html 有些思考需要做下记录。 对于有虚函数表的类的对象，它的起始地址处会存储vptr指向虚函数表，在这个虚函数表的前4或8字节中，会存储一个地址值，指向RTTI类型信息 ......