我常用Google搜查一些专业词汇，如布尔巴基、哥德尔不完备定理，等等 看到列在首位的常常都是wiki的东西，因而我相信值得一看。 但我始终打不开这个网页，一次也不行，总是显示出错信息： “无
插入排序（英语：Insertion Sort）是一种简单直观的排序算法。它的工作原理是通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。插入排序在实现上，在从后向前扫描过程中，需要反复把已排序元素逐步向后挪位，为最新元素提供插入空间。插入排序分析效果图：代码实现：public class Insert { public static void main(Strin...
SPN：即给P/T网的每个transition关联一个实施速率(firing rate)而得到的模型。 一个SPN 同构于 一个连续时间MCSPN的每个Marking 映射成 MC的一个状态SPN的可达图 同构于 一个MC的状态空间 构造SPN可达图和MC之间同构的关键因素：1、变迁实施速率的指数分布所导致的无记忆性；2、Marking的可数性； 由SPN可达图-易得-&...
记得在TOJ上曾经有一道题，大致意思如下： 将2N个整数平均分为两堆，每堆N个，使得两堆和的差值最小，求这个差值。 当时自己很自豪的用“随机贪心”的思想写出来的程序在OJ上居top1，（44K 0MS）看着一大堆用DP AC的选手们几百K的内存使用量+几十毫秒的计算速度，小得意了一把。 该随机贪心思想如下： 1 将2N个数随意分为两堆，称为A、B。2 若存在
那一年， 有个概念一直搞不懂， 后来师姐建议我在上搜索， 并看英文版， 我当时用了， 果然很快就搜索到了自己要想的东西， 而且非常准确。 最近在写一些与gdb调试core有关的问题， 于是想看看的英文版上是怎么介绍了， 搜了一下之后， 发现相当准确， 相当靠谱。 仅从语言的角度来看， 英语更加严谨， 更适合准确表
Elasticsearch是一个开源的分布式、RESTful 风格的搜索和数据分析引擎，它的底层是开源库Apache Lucene。EleasticSearch的特点如下: 一个分布式的实时文档存储，每个字段可以被索引与搜索 一个分布式实时分析搜索引擎 能胜任上百个服务节点的扩展，并支持 PB 级别的结构化或者非结构化数据 由于Elasticsearch的功能...
提要 转行搞科研之后，发现最重要的是数学和物理。 偏导，方导，梯度，散度，旋度是高等数学的几个基本概念，在图形学中会经常用到，这里重新来学习一下，同时也当作一个记录。 偏导 定义：一个多变量的函数的偏导数是它关于其中一个变量的导数，而保持其他变量恒定（相对于全导数，在其中所有变量都允许变化）。 数学表示：函数关于变量x的偏导数写为或。偏导数符号是圆体字母，区别于全导数符号的正体。 由...
一、Kiwix 下载站地址 二、WikiTaxi阅读检索工具 三、离线wikipedia的数据 下载地址 中文版 英文版
转自知乎：阿兰图灵和冯诺依曼，谁才是可称得起计算机之父呢？ 答：都称得起。 “计算机之父”这种笼统的称谓没有明确的结果。 你可以认为是图灵，也可以认为是冯·诺依曼，你认为是谁就是谁。 非要
Kiwix让您能够随身携带完整的em维基百科/em！无论您搭乘船只，还是身处偏僻的地区，抑或身陷囹圄，Kiwix都使您能够接触到全人类的知识。您不需要连接因特网，因为所有的资料都储存在您的电脑，优盘或者DVD中！ 需要了解更多内容？ Kiwix是什么… Kiwix是一款离线网页浏览器。它是为em维基百科/em离线化而设计的，但是也潜在地适合所有HTML类型的内容。Kiwix支持ZIM 格式，它是一种高度压缩、附加元...
模是指一个计量系统的计数范围，比如时钟的时针是12(计数范围0~11).模”实质上是计量器产生“溢出”的量，它的值在计量器上表示不出来，计量器上只能表示出模的余数。 另外模是不分符号的，没有符合和无符号情况下之说！ 如8位二进制数的模就是2的8次方=256. 如果有符号位，模就是-128~127 共256个数模是256，无符号是0~255共256个数模是256。所以同样是256 所以，基数是...
em维基百科/em(Wikipedia)已经很长一段时间不能访问了，今天查资料查到有些有价值的东东在上面，却访问不到，很是不爽，于是搜索了一下看看有没有办法访问它，结果发现还是很简单就可以搞定的：方法一：不用代理，直接访问，这是CNBlog为其做的镜像，但似乎不是非常稳定。方法二：用出国代理(如果能直接出国就免了)，直接访问https:/
在数值分析中，拉格朗日插值法是以法国十八世纪数学家约瑟夫·路易斯·拉格朗日命名的一种多项式插值方法。许多实际问题中都用函数来表示某种内在联系或规律，而不少函数都只能通过实验和观测来了解。如对实践中的某个物理量进行观测，在若干个不同的地方得到相应的观测值，拉格朗日插值法可以找到一个
目录 一、图像分类 二、图像识别 三、图像检索 四、三者的联系 五、三者的区别 六、人脸检测 七、人脸识别 一、图像分类 图像分类是给定一幅测试图像，利用训练好的分类器判定它所属的类别，而分类器是利用带类别标签的训练数据训练出来的。 二、图像识别 图像识别是指计算机对图像进行处理、分析和处理，以识别各种不同模式的目标和对象的技术(百度百科给出...
一、实向量的内积与正交 1、定义：对任意的，实数 ，称为与的内积， 记作. 2、性质 对任意的，，,有 （1）; （2）; （3）; （4） ，并且 当且仅当 . 3、定义：对中的任意向量，非负实数 称为的长度. （1）如果，称为单位向量. （2）如果 ， ,显然 当且仅当； （3）如果，则长度为1的向量称为的规范化或单位化. 4、定理12 对任意的 ，...
看来短期内wiki 不可能被解禁 。 现在倒是移动版的wiki 没有被禁止 wapedia.org . 我用cmwap上的 。 还有只好手动设代理服务器 或者 用touch net 等代理浏览器软件 。
飞鸽传书感谢vbcity的投递今天下午开始陆续接到大量报告，em维基百科/em中文站已经可以访问了。我在自己的机器上也可以直接访问了。em维基百科/em的访问状况曾经断断续续地持续数年时间。不知道这回会持续多久？访问:維基百科
能访问大部分时候我们是可以访问的wikipedia的主页或是英文首页的,但中文页面却经常被墙,这时候你可以通过在命令行下ping 得到返回的IP地址,然后改hosts文件,添加 198.35.26.96 zh.wikipedia.org 就能正常访问中文em维基百科/em了,但是注意一定要...
今天终于实现了tcp,udp的socket5代理的客户端，网上的资料简单粗劣，没有说的很详细，如果单独的来实现是很简单，按照协议一步一步来，说起来很容易，但做起来就有难度，纵观现在的软件，包含的socket5的很少，一般用不到，SocksCap很实用的，可惜没有公开代码，那只有自己写了，基本工作已经准备好了，那就先说UDP吧 UDP : 本地端口 18001 4651 目标
★引子 前天，俺在《俺的招聘经验[4]：通过笔试答题能看出啥？》一文，以求质数作为例子，介绍了一些考察应聘者的经验。由于本文没有政治敏感内容，顺便就转贴到俺在CSDN的镜像博客。 昨天，某个CSDN网友在留言中写道： 老实说,这个程序并不好写,除非你背过这段代码 如果只在纸上让别人写程序,很多人都会出错 但是如果给一台电脑,大多数人都会把这个程序调试正确 出这个题目没啥意义
现在越来越多的公司在日常工作中使用wiki系统，由于其多人协同协作的特性，方便员工分享工作进度以及心得，提高工作效率。今天要给大家介绍一款全球最著名的wiki程序，同时它在2002年被作为em维基百科/em全书的系统，它就是MediaWiki。 什么是wiki？ Wiki是一种多人协作式写作的超文本系统，中文译名大多叫做“维客”或“维基”，其代表应用是知识库的合作编写。Wiki
本文来自：两篇文章分别总结了各自的wikipedia数据导入过程，来不及学习，故先转载： （一）wmdumper.jar from: GipSky 本文试图总结架设Wikipedia镜像的过程。 准备工作 首先需要安装Mediawiki软
秘密, em维基百科/em可以这样访问...(不包括中文版) 首先说明, 这个发现完全是无心的. 维基不可用已好多天了, 我要大声的说, 很不习惯!!! 都不知道为什么封这封哪的. 其实就是使用 Google 翻译, 去访问em维基百科/em, 但一点中文em维基百科/em就会有好几分钟连不上, 不过没关系, 大不了看英文版. 英文咱说是不行, 看还是挺利索的. 到:
原文：分析的方法主要有两种—统计聚类法和神经网络法。统计聚类法包括系统聚类法、动态聚类法、模糊聚类法、最优分割法等等。 可以用于聚类分析的神经网络包括BP网络、模糊神经网络、自组织映射网络SOM、自适应共振网络ART2等。 自适应共振网络ART2：该网络具有在学习新的模式时不破坏已存储的
问题引入整个国庆假期基本上都是在做作业，流体力学作业从中秋节那天做到今天，让人不由自主得怒P一图： 中秋节那天做了一道有意思的问题（实际上就是第一题科科），请教了同宿舍的凝聚态物理清本dalao后，稍微掌握了一点点张量分析的技巧，强大的符号艺术工具。问题是这样的，证明：dvdt=∂v∂t+(∇×v)×v+12∇(v2)\frac{{d{\bf{v}}}}{{dt}} = \frac{{\par
Plancherels theorem编辑 假定A(x)和B(x)都是平方可积的（参照勒贝格测度）复变函数，且定义在R上周期为2π的区间上，分别写成傅里叶级数的形式： 则有：
数据流图（DFD- Data Flow Diagram）让系统分析者弄清楚“做什么”的问题，其重要性就不言而喻了。那么我们怎么画数据流图呢？数据流图与系统流程图又有什么区别呢？ 步骤1数据流图里包含的内容 数据流图描述的是系统的逻辑模型，图中没有任何具体的物理元素，只是描绘信息在系统中流动和处理的情况。因为数据流图是逻辑系统的图形表示，即使不是专业的计算机技术人
本文所有的源代码均放在了我的GitHub上，需要的点击文末「阅读原文」获取。如果对你有用的话，别忘了Fork和Star哦！ 什么是感知机「Perceptron」 PLA全称是Perceptron Linear Algorithm，即线性感知机算法，属于一种最简单的感知机（Perceptron）模型。 感知机模型是机器学习二分类问题中的一个非常简单的模型。它的基本结构如下图所示： 其...
在网上看到这篇写的不错的，不过有点乱，特意整理了一下转载过来 向下取整的运算称为Floor，用数学符号⌊⌋表示；向上取整的运算称为Ceiling，用数学符号⌈⌉表示。例如： ⌊59/60⌋=0 ⌈59/60⌉=1 ⌊-59/60⌋=-1 ⌈-59/60⌉=0 向上向下 取整函数数只会对小数点
一、时不变（time-invarant）系统与时变（time-varying）系统 时不变性质：输入延迟多长时间，其零状态相应也要延迟多少时间。 即对于一个系统（以信号序列为例）若其输入x1[n]，响应为y1[n]，那么如果x[n]=x1[n-n0]，则y[n]=y1[n-n0] 举例 例如一个系统的时域描述为：y1[n]=x1[2n]，则它就是一个时变系统： 比
引言 最初的Bag of words，也叫做“词袋”，在信息检索中，Bag of words model假定对于一个文本，忽略其词序和语法，句法，将其仅仅看做是一个词集合，或者说是词的一个组合，文本中每个词的出现都是独立的，不依赖于其他词 是否出现，或者说当这篇文章的作者在任意一个位置选择一个词汇都不受前面句子的影响而独立选择的。 Bag-of-words模型是信息检索
什么是深度学习？ - 45分钟理解深度神经网络和深度学习 刘利刚 em中国/em科学技术大学图形与几何计算实验室 【绪言】 近年来，人工智能（Artificial Intelligence, AI）和深度学习（Deep Learning, DL）非常火爆，在各个领域得到了广泛的应用。在笔者所从事的计算机图形学领域，...
拉普拉斯矩阵Laplacian matrix 的定义谈到机器学习中的降维技术，可能大多数了解一点机器学习的朋友都知道PCA，今天为大家介绍一种新的降维方法——拉普拉斯特征映射 拉普拉斯矩阵（Laplacian matrix)），也称为基尔霍夫矩阵, 是表示图的一种矩阵。给定一个有n个顶点的图G=（V，E） ，其拉普拉斯矩阵被定义为:L=D-W 其中D为图的度矩阵，W为图的邻接矩阵。（不知道度
深度学习巨头之一的Hinton大神在数据降维领域有一篇经典论文Visualizing Data using t-SNE。该方法是流形（非线性）数据降维的经典，从发表至今鲜有新的降维方法能全面超越。该方法缺点是计算复杂度大，一般推荐先线性降维然后再用tSNE降维。python sklearn有相应的实现。我现在用Tensorflow实现这个算法。
摘要 继理论科学和实验科学之后，高性能计算成为人类科学研究的第三大范式。作为科技创新的重要手段，高性能计算广泛应用于核爆模拟、天气预报、工程计算等众多领域，是当代科技竞争的战略制高点，集中体现一个国家的综合实力。本文介绍高性能计算发展的历史和现状，分析当前高性能计算所面临的问题和挑战，探讨高性能计算未来的发展方向。 利用大量处理单元的聚合计算能力来解决复杂问题，是高性能计算（high
参数估计： 在很多实际问题中，为了进行某些统计推断，需要确定总体服从的分布，通常根据问题的实际背景或适当的统计方法可以判断总体分布的类型，但是总体分布中往往含有未知参数，需要用样本观测数据进行估计。即根据已有的数据来估算数分布函数中的参数的值。例如，某门课程的考试成绩服从正态分布N（u，a^2）,其中u和a是未知的参数，就需要用样本观测数据来进行估计出u和a的值。 假设检验： 假设检验的
深度学习：像人脑一样深层次地思考 从上一篇我们可以看出，个性化推荐系统确实很会“察言观色”，针对不同的用户，主动推送不同的3D打印内容。但如果你认为它真正有了“人工智能”，那你就错了。其实，这些推荐系统背后的运行原理主要基于概率统计、矩阵或图模型，计算机对这些数值运算确实很擅长，但由于采用的只是“经验主义”的实用方法（也即管用就行），而非以“理性主义”的原则真正探求智能产生的原理，所以距离真正的...
我的新博客：已经快一个月没有写新文章了。其实这段时间我写了很多小程序，但是一直在忙保研的事情就没有时间写文章。一次无尽的9月（at涼宮ハルヒ）。现在终于一切事情都结束了，重新开始填坑。 最近出于一些其他的用途，整理并实现了Alpha shapes，所以拿出来分享一下。首先，这篇博客以及我的程序，是根据Francois Belair写的文...
最近看到 EM 算法，其中的证明有用到琴生不等式，在这里做一个笔记。 在刚开始学习凸函数和凹函数的时候，我们会被凸函数和凹函数的命名所困扰，命名看起来是凹的，一些教材上却偏偏说它是凸函数。其实这个只是一个定义，它叫什么，并不影响函数本身的性质。就像我在 B 站上看到有些人戏称三国时期的武将赵云为“云妹”，你叫他“云姐”“云妈”都不会改变赵云纯爷们的形象。因此大可不必为凸函数凹函数的命名所纠结，应该...
自己用来训练word2vec的，已提取文本，做了分词处理，过滤了大部分的特殊字符。 共包含3273626个段落的文本（一个段落包含了多个语句）。 处理后的语料有1.1G，由于文件较大，提供百度网盘下载
关于对码本(Codebook)和预编码(Precoding)这两物理层概念的认识，分享给大家，要理解这两个概念，先要从MIMO说起。 LTE网络中采用MIMO技术增加系统容量，提升吞吐率，从理论上来看,多天线的空分复用能成倍增加系统容量。但实际上并非如此,如，2*2MIMO的容量C（容量）=2*2MIMO 小于两倍的SISO容量C（容量）=2SISO，这是因为容量增加了，干扰增大了，干
序言本序言是对整体思想进行的一个概括。若没有任何了解，可以先跳过，最后回来看看；若已有了解，可以作为指导思想。 极大似然估计与贝叶斯估计是统计中两种对模型的参数确定的方法，两种参数估计方法使用不同的思想。前者来自于频率派，认为参数是固定的，我们要做的事情就是根据已经掌握的数据来估计这个参数；而后者属于贝叶斯派，认为参数也是服从某种概率分布的，已有的数据只是在这种参数的分布下产生的。所以，直观理解上
TSNE是由SNE衍生出的一种算法，SNE最早出现在2002年，它改变了MDS和ISOMAP中基于距离不变的思想，将高维映射到低维的同时，尽量保证相互之间的分布概率不变，SNE将高维和低维中的样本分布都看作高斯分布，而Tsne将低维中的坐标当做T分布，这样做的好处是为了让距离大的簇之间距离拉大，从而解决了拥挤问题。从SNE到TSNE之间，还有一个对称SNE，其对SNE有部分改进作用。 S
大学四年，看课本是不可能一直看课本的了，对于学习，特别是自学，善于搜索网上的一些资源来辅助，还是非常有必要的，下面我就把这几年私藏的各种资源，网站贡献出来给你们。主要有：电子书搜索、实用工具、在线视频学习网站、非视频学习网站、软件下载、面试/求职必备网站。 注意：文中提到的所有资源，文末我都给你整理好了，你们只管拿去，如果觉得不错，转发、分享就是最大的支持了。 一、电子书搜索 对于大部分程序员...
今年，我也32了 ，为了不给大家误导，咨询了猎头、圈内好友，以及年过35岁的几位老程序员……舍了老脸去揭人家伤疤……希望能给大家以帮助，记得帮我点赞哦。 目录： 你以为的人生 一次又一次的伤害 猎头界的真相 如何应对互联网行业的「中年危机」 一、你以为的人生 刚入行时，拿着傲人的工资，想着好好干，以为我们的人生是这样的： 等真到了那一天，你会发现，你的人生很可能是这样的： ...
昨天早上通过远程的方式 review 了两名新来同事的代码，大部分代码都写得很漂亮，严谨的同时注释也很到位，这令我非常满意。但当我看到他们当中有一个人写的 switch 语句时，还是忍不住破口大骂：“我擦，小王，你丫写的 switch 语句也太老土了吧！” 来看看小王写的代码吧，看完不要骂我装逼啊。 private static String createPlayer(PlayerTypes p...
提到“程序员”，多数人脑海里首先想到的大约是：为人木讷、薪水超高、工作枯燥…… 然而，当离开工作岗位，撕去层层标签，脱下“程序员”这身外套，有的人生动又有趣，马上展现出了完全不同的A/B面人生！ 不论是简单的爱好，还是正经的副业，他们都干得同样出色。偶尔，还能和程序员的特质结合，产生奇妙的“化学反应”。 @Charlotte：平日素颜示人，周末美妆博主 大家都以为程序媛也个个不修边幅，但我们也许...
