- 综合排序
- 最热优先
- 最新优先
- 来自专栏悟道
2-4 快速乘法 模板
适用于不让用/ * 的情况实现某些结果 ! /** * 快速乘法 * * @param a 乘数 * @param b 被乘数 * @return 积 */ public static long quickMulti(long a, long b) { long result = 0; while (b > 0) { if ((b & 1) == 1) {
53810发布于 2021-06-01 - 来自专栏刷题笔记
2-4 另类堆栈 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101049523 2-4 另类堆栈 (20 分) 在栈的顺序存储实现中，另有一种方法是将Top
83530发布于 2019-11-08 - 来自专栏IT技术圈
练习2-4 温度转换 (5分)
本题要求编写程序，计算华氏温度150°F对应的摄氏温度。计算公式：C=5×(F−32)/9，式中：C表示摄氏温度，F表示华氏温度，输出数据要求为整型。
1.1K10发布于 2021-02-24 - 来自专栏Deep learning进阶路
2-4 线性表之双链表
2-4 线性表之双链表 双向链表除了相当于在单链表的基础上，每个结点多了一个指针域prior，用于存储其直接前驱的地址。同时保留有next，用于存储其直接后继的地址。 ?
60220发布于 2019-07-02 - 来自专栏Hank’s Blog
2-4 R语言基础 列表
> l1 <- list("a",2,10L,3+4i,TRUE) #每个元素没有名字 > l1 [[1]] [1] "a"
59720发布于 2020-09-16 - 来自专栏皮皮鲁的AI星球
漫谈 | 同是北大的学生，考研进北大和高考进北大，差距很大吗？
同是“北京大学”的学生，考研进北大和高考进北大，差距很大吗？我的答案是，差距确实很大！ 我本科非北大，研究生保送进入北大的，我从自己身边的几个案例来跟大家分享一下被那些”高考进北大“的学神碾压是什么感觉。本文涉及人物均为真实案例。 到了大学，听说J选修了北大的经济学双学位，后来研究生来了北大才知道，经济学双学位在北大尽人皆知，号称三俗之一，几乎所有人都会选修，每年招收近千人。 W和L是我来到北大后认识的朋友，也都选修了“经双”，W本科是北大物理专业，本科毕业是本专业前几，研究生直接保送到了北大光华管理学院。 同在北大 差距很大 同是北大的学生，考研进北大和高考进北大，差距很大吗？我个人感觉确实有一些差距。这些高考进北大的尖子生，不只会高考，也经常不务正业，结果玩着玩着，就玩出了一些名堂。
1K10发布于 2019-12-26 - 来自专栏AI机器学习与深度学习算法
学习分类 2-4 感知机权重向量的更新
下面直接给出权重向量的更新表达式，然后通过可视化的方式来直观的展示权重向量的更新。
1.4K40编辑于 2022-11-08 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程2-4：哈温平衡检验
「什么是哈温平衡？」 ❝哈迪-温伯格(Hardy-Weinberg)法则 哈迪-温伯格（Hardy-Weinberg）法则是群体遗传中最重要的原理，它解释了繁殖如何影响群体的基因和基因型频率。这个法则是用Hardy,G.H (英国数学家) 和Weinberg，W.（德国医生）两位学者的姓来命名的，他们于同一年（1908年）各自发现了这一法则。他们提出在一个不发生突变、迁移和选择的无限大的随机交配的群体中，基因频率和基因型频率将逐代保持不变。---百度百科 ❞ 「怎么做哈温平衡检验？」 ❝「卡方适合性检验！」
5.5K21发布于 2020-04-27 - 来自专栏HyperAI超神经
跨界教授林宙辰：从北大来，回北大去
在北大，林宙辰老师开始接触 AI，初步学习了图像处理和模式识别，也参与了若干实际项目，其中一个项目就是搭建地理信息系统，把手绘地图或印刷地图数字化并进行管理。 1995 年，林宙辰老师从北大数学系硕士毕业后，远赴香港，在香港理工大学应用数学系，又进行了为期两年的硕士学习，掌握了计算数学的基础。 林宙辰老师回到北大数学学院后，深入地学习了图像处理、机器视觉和模式识别的课程。立志成为数学家的林宙辰老师，开始全面转向 AI 领域。 招生看「四好」，理论优于编程 林宙辰老师回到北大后，在智能科学系任教授，主要研究机器学习和计算机视觉。 12 年微软亚洲研究院履职， 40 岁的林宙辰老师，在职业发展上做出了一个重大转变：放弃微软亚洲研究院的丰厚待遇，回归北大教书育人，继续人工智能理论方面的研究。
1.4K50发布于 2021-08-25 - 来自专栏沉默王二
北大，竟然这样上！
废话不多说，今天抽出一个小时给大家分享一份北大学长的《CS 指南》，在 GitHub 上已经星标 5.6k 了——原来，北大可以这样上！ 这份指南规划的内容有： 学习工具：IDE、Stack Overflow、Git、GitHub、Vim 等等 国外高质量的 CS 课程汇总 经典书籍推荐，类似 CSAPP 这样的硬核书籍 比较令我想不到的是，这位北大的同学也一度怀疑自己是不是不适合计算机 ，也许是对北大的课程不是很满意吧？
59430编辑于 2022-04-14 - 来自专栏刷题笔记
【并查集】2-4 朋友圈 (25 分)
2-4 朋友圈 (25 分) 某学校有N个学生，形成M个俱乐部。每个俱乐部里的学生有着一定相似的兴趣爱好，形成一个朋友圈。一个学生可以同时属于若干个不同的俱乐部。
1K10发布于 2020-06-23 - 来自专栏cwl_Java
C++编程之美-数字之魅(代码清单2-4)
代码清单2-4 int Count(BYTE v) { int num = 0; switch (v) { case 0x0:
17920编辑于 2022-11-30 - 来自专栏PD快充协议
讲解2-4串锂电池升降压快速充电方案
XSP30 作为一款支持 PD/QC 快充协议的升降压型锂电池充电 IC，凭借其独特的 2-4 节电池兼容、2A 大电流快充等特性，正悄然改变着便携式设备的充电格局，重新定义人们的充电体验。 它的出现，为 2-4 节串联锂电池的充电管理提供了高效、安全、智能的解决方案，不仅满足了当下消费者对快速充电的需求，也为众多电子设备厂商在产品设计和优化上提供了有力的支持。
55110编辑于 2025-11-12 - 来自专栏深度学习自然语言处理
县城再无清华北大
有种观点很有趣，意思是说“从落后地区考入清华北大的学生天赋上自有其过人之处，所以……”。 而且我发现，尽管清华北大在北京招生名额很多，但是父母教育程度不高的北京土著家庭却很少有孩子考上清华北大。 而且近年来的趋势是北京最优秀的学生选择直接出国，而不是上清华北大。 我再补充三点： 1.我只是在陈述事实，我并没有表达“北京人考清华北大更容易是合理的”这样的观点。 以陕西为例，曾经考上清华北大的学生在各个城市、县城是比较平均的。但是这些年，清华北大在陕西的招生名额日趋被几所超级中学垄断，而周边的小县城，年级第一能考个西安交大就谢天谢地了。
79710编辑于 2022-09-02 - 来自专栏入门小站
Linux性能优化指北大全
性能问题的本质就是系统资源已经到达瓶颈，但请求的处理还不够快，无法支撑更多的请求。性能分析实际上就是找出应用或系统的瓶颈，设法去避免或缓解它们。
1.4K20编辑于 2022-06-03 - 来自专栏Java研发军团
解析北大招生数学考题。
先看一道号称是北大招生题： ?
1.2K30发布于 2019-06-05 - 来自专栏FREE SOLO
北大Hadoop实践教程精要笔记
Hadoop目前是Apache旗下的顶级项目之一， 是Google在2004年提出的“MapReduce”分布式计算框架的一个Java实现。
93520发布于 2019-04-28 - 来自专栏IT技术圈
PTA | 习题2-4 求交错序列前N项和 (15分)
本题要求编写程序，计算交错序列 1-2/3+3/5-4/7+5/9-6/11+... 的前N项之和。
3.1K30发布于 2021-07-14 - 来自专栏量子位
北大主场夺金ACM-ICPC全球总决赛，总教练罗国杰分享背后“秘笈”
结果 冠军最后由莫斯科大学（俄罗斯）夺得，莫斯科物理技术学院（俄罗斯）、北京大学（中国）和东京大学（日本）分获2-4名，均有金牌嘉奖。 值得一提的是，这不光是主场作战的北大为中国高校取得的荣誉，也再度追平了北大史上最好成绩，2014年在俄罗斯叶卡捷琳堡，罗国杰教练曾带队取得全球第三、亚洲第一的金牌成绩。 △ 北大代表队 北大ACM总教练罗国杰，北大信息科学技术学院16级本科生吉如一（毕业于杭州学军中学）、北大信息科学技术学院17级本科生洪华敦（毕业于浙江绍兴一中）和北大数学科学学院17级本科生丁力煌（毕业于南京外国语学校 对话北大总教练罗国杰 实际上，此次ACM-ICPC夺金，也算是北大120周校庆献礼。 量子位还与罗国杰博士有专门对话。 ? 实际上，从去年暑假开始，北大就开始了校内训练，并在9-11月期间完成了区域赛和网络赛初选，并在其后选出了代表北大参赛的队伍，展开每周2次的集训。 ?
2.5K30发布于 2018-07-24 - 来自专栏图与推荐
北大@KDD | GAT v.s. MLP?
作者| 刘 旋 审核 | 李梦露 分享一篇北京大学崔斌教授团队发表在KDD 2022上关于图神经网络的文章:《Graph Attention Multi-Layer Perceptron》。图神经网络GNN在许多基于图的应用中取得了巨大成功。然而，大规模图的高稀疏性阻碍了它们在工业场景中的应用。虽然针对大规模图提出了一些可扩展的GNN，但它们对每个节点采用固定的𝐾-hop邻域，导致GNN模型在训练过程中对实际感知域不敏感，因此在稀疏区域内对节点采用大传播深度时,会面临过平滑问题。为了解决上述问
64750编辑于 2023-03-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号