指尖 算法 精灵 笔记

在`WPF`中，命令是一种用于处理用户交互操作的机制。它将操作行为与界面元素解耦，使得界面元素可以通过命令进行触发和执行相应的逻辑。`WPF`中的命令模型通过`ICommand`接口和相关的实现类来实现。命令模式的设计思想是将命令的发送者（例如按钮）与命令的执行者（例如视图模型中的方法）解耦，使得它... ......

import pandas as pd #读csv xlsdf=pd.read_csv('D:\\Anaconda3\\A\\1.csv',encoding='gbk')df1=pd.read_excel('D:\\Anaconda3\\A\\1.xls',encoding='gbk')print( ......

大家好，我基于[WebNN](https://github.com/webmachinelearning/webnn/blob/main/explainer.md)在浏览器上实现了2020年Facebook提出的Neural-Supersampling-for-Real-time-Rendering ......

在我们的阅读和学习过程中，如何有效地区分、组织和回顾信息是一个重要的议题。使用颜色编码的阅读笔记方法，将不同类型的信息用不同颜色进行标记，可以帮助我们快速定位所需信息，并通过色彩的视觉效果加强记忆。然而，这并不是唯一的学习策略，也不一定适合每一个人。有些人可能只用一种颜色，或者不刻意区分信息类型，而 ......

在讲解之前，我们先来看一道模板题：[Luogu P3379 最近公共祖先（LCA)](https://www.luogu.com.cn/problem/P3379) ### What is LCA LCA,即最近公共祖先。什么意思呢，我们举个例子： ![image](https://img2023. ......

找树左下角的值 1，层序遍历，较为简单： 1 int findBottomLeftValue_simple(TreeNode* root) { 2 int result = 0; 3 if (!root) return result; 4 queue<TreeNode*> selected; 5 s ......

1、数据库索引失效的原因 数据量太小：当数据库表中的数据量很小的时候，使用索引反而会变得比全表扫描更慢，因为索引需要进行额外的查找操作。 数据分布不均：如果数据分布不均匀，比如某些值的重复率很高，那么索引可能会失效。因为对于这些值，使用索引查找所需要的次数增加了，反而不如全表扫描效率高。 索引字段类 ......

快速排序（Quick Sort）是一种常用的排序算法，它的时间复杂度为 O(nlogn)，是一种效率比较高的排序算法。但是快速排序不是稳定的排序算法。 稳定排序算法是指，如果排序前两个元素相对顺序相同，那么排序后它们的相对顺序仍然相同。而快速排序并不保证相同元素的顺序不发生改变，所以它不是稳定排序算 ......

模板匹配：在模板匹配中，我们引入函数cv2.matchTemplate（）函数来执行模板匹配的操作 res = cv2.matchTemplate(image, template, method, result=None, mask=None) image: 输入的源图像，可以是灰度图像或彩色图像。 ......

进程线程区别 进程线程调度切换开销 进程和线程都是用于实现多任务的方式，但它们之间有很大的区别。 进程是程序执行过程中的一个实例，是操作系统进行资源分配的基本单位。每个进程都有自己的地址空间、内存、数据栈等，进程之间互相独立，彼此之间不能直接访问。可以说，进程是操作系统中的一个独立的个体，它拥有自己 ......

人工智能时代，各国都在大力研究机器人技术，也制造出各种各样的机器人，比如：为了解决男女失衡而制造的美女机器人，假如你参与了某美女机器人的研发，你在这个项目中要求实现一个统计算法：如果美女机器人一次可以上1级台阶，也可以一次上2级台阶。求美女机器人走一个n级台阶总共有多少种走法。 乍一看，无从下手，不 ......

从文字角度理解，"命令"可以指代一种明确的指令或要求，用于向某个实体传达特定的操作或行为。它可以是一个动词性的词语，表示对某个对象或主体的要求或指示。命令通常具有明确的目标和执行内容，它告诉接收者要执行什么操作，并在某种程度上对行为进行约束。该篇概述了在`WPF`中用于处理用户界面交互的机制 - 命... ......

题目链接 题意是输出所有区间满足其内部每个数要么出现 $3$ 次要么不出现的个数。 因为是区间，数量很多，发现贡献是可以抵消的，直接无脑预处理前缀的桶。 然后枚举左端点，统计答案，怎么处理呢？ 疯狂地向右扩展，直到区间内有数字出现了 $3$ 次以上（这样是对的，待会儿证明，另外扩展到前一个就够了，不 ......

题目链接 一道好题，本来是做几道启发式合并玩玩，没想到是个哈希。 这一道题需要维护连通性，显然想到使用并查集。 如果两个点在某个图内的父亲相同，显然这两个点就连通了。 但是如果每链接一对点我们就遍历所有点对然后判断父亲，显然爆炸。 于是考虑借鉴一下 CSP 2022 T3 的思路，对于每个点处理一个 ......

题目链接 观察数据，要求询问次数不超过 $\lceil2\log n\rceil-1$，相当困难。 我刚开始也在想二分，但这个东西并不具有单调性，但这个题具有的特点就是你不仅仅可以询问一个前缀，你还可以询问任意的集合。 首先发现如果能将 $n$ 个苹果分成 $S_1$ $S_2$ 两个长度接近的集合 ......

最近搬运一些洛谷上的题解到这里来，一是增加我的博文数量，二是缓解一下我的博客园冷清的气氛。 我的做法和题解里的做法不一样，麻烦了许多。 首先看到连续的几盏灯刺眼就不行了，当然能够想到动态规划，设 $f[i][j]$ 为看到第 $i$ 个宿舍，末尾有连续 $j$ 个灯刺眼，且前面的灯都合法的方案数。 ......

 # 1. 工业机器人 ## 1.1. 具有多层防护措施，防止对人员、机器和设施造成损害 ## 1.2. 防护措施能 ......

## 知识点 Knuth的《TAOCP》第三卷中有一些杨表（young tableaux）的介绍。其中比较重要的就是定理A和H。定理A说的是 $n!$ 和 $(P,Q)$有序对是有一一对应的关系的，其中$P,Q$是大小为$n$，形状相同的杨表。定理H说的则是利用hook length计算特定形状杨表 ......

# 定义 **对象**：一个面向对象的程序是由一个相互作用的代理团体组成，这些代理被称作对象。每一个对象承担一个角色。每一个对象都提供一种服务或者执行一种动作，以便为团体中其他对象服务。 **对象是独立存在的客观事物，它由一组属性和一组操作构成。** **属性**和**操作**是对象的两大要素。属性 ......

1.装饰器 # 不带参数的装饰器 def welcome(fn): def wrapper(*args, **kwargs): print(f"welcome") res = fn(*args, **kwargs) return res return wrapper @welcome def my_ ......

缺陷 1.缺陷：软件在使用过程中存在的任何问题都叫软件的缺陷，简称bug 2.缺陷的判定标准： a.软件未实现需求(规格)说明书中明确要求的功能（少功能） b.软件实现的功能超出需求(规格)说明书指明的范围（多功能） c.软件出现了需求(规格)说明书中指明不应该出现的错误（功能错误） d.软件未实现 ......

用例设计方法 测试用例：是为测试项目而设计的执行文档 -> 作用：防止漏测，实施测试的标准 1、等价类划分法： 在所有测试数据中，具有某种共同特征的数据集合进行划分 分类： a.有效等价类:满足需求的数据集合 b.无效等价类:不满足需求的数据集合 使用步骤： a.明确需求 b.确定有效和无效等价类 ......

# 2023年如何选购一部4000元价位的笔记本电脑（附带坑的说明） 本文是一个快速指南，不包含选购中涉及的所有知识点，尤其是大量的具体硬件参数，内容主要关注在如何快速抓住自己真正的需求，快速筛选掉不匹配的型号，从而做出适合的选择。 背景条件限定： 1. 价格限制4000元+； 2. 只能在指定的电 ......

> 本文首发于公众号：Hunter后端 > 原文链接：[celery笔记六之worker介绍](https://mp.weixin.qq.com/s/Ck_7cEz6dldN12OmYzFg9Q) 前面我们介绍过 celery 的理想的设计方式是几个 worker 处理特定的任务队列的数据，这样可以 ......

三元运算符 x ? y : z 如果x==ture,则结果为y,否则结果为z Java 中的三元运算符 x ? y : z 可以简化一些 if/else 语句的书写，其中 x 是一个布尔表达式，如果 x 为 true，则返回 y，否则返回 z。该运算符也称为条件运算符或三目运算符，因为它由三个操作数 ......

[toc] 机器学习中的深度学习算法：原理、挑战与解决方案 摘要 深度学习是一种热门的机器学习技术，广泛应用于图像识别、语音识别、自然语言处理等领域。本文将介绍深度学习算法的原理、挑战以及解决方案。首先对深度学习的基本概念进行解释，然后分别介绍深度学习的不同算法及其实现步骤。最后，我们将探讨深度学习 ......

[toc] 自然语言生成(Natural Language Generation,NLP)是人工智能领域的一个分支，它利用大量的文本数据训练出语言模型，从而实现对自然语言的生成和理解。在NLP中，情感迁移(Emotion Transfer)是一个重要的任务，它可以通过对已有文本的情感分析，将其转化为 ......

[toc] 1. 引言 随着深度学习技术的不断发展，神经网络模型在人工智能领域的应用越来越广泛。其中，LLE(Largely Element-wise Linear) 神经网络是一种常用的神经网络模型，其基本思想是通过对输入数据进行大量拼接操作，将数据转换为一组元素级别的线性表示，从而提高模型的泛化 ......

[toc] 文章介绍： 自然语言处理(Natural Language Processing,NLP)是人工智能领域的重要分支，它研究如何将人类语言转化为计算机可理解的格式。NLP的应用非常广泛，从语言翻译、文本摘要到情感分析、信息提取等。其中，实体识别和关系抽取是NLP中非常重要的任务之一。本文将 ......

1 配置环境 下载，可以从以下网站下载，国内镜像速度快，此次我选用4.5.4版本 OpenCV/opencv_contrib国内快速下载 – 绕云技术笔记 (raoyunsoft.com) 下载安装后，记得配置环境变量，主要是程序运行时需要调用的动态库目录，此处使用的是msvc2019 选vc15（ ......