- 综合排序
- 最热优先
- 最新优先
- 来自专栏饶文津的专栏
多重对数函数
最近在看算法导论中文版，第一部分的基础知识里有许多数学上的知识，多重对数函数就是其中一个我不太熟悉的知识。 多重对数函数的定义是： lg*n=min{i≥0：lg(i)n≤1} lg*2=1 lg*4=2 lg*16=3 lg*65536=4 lg*265536=5 也就是说呢， lg(1)16=lg16=4
1.4K20发布于 2020-05-31 - 来自专栏cwl_Java
Java工具集-数学(对数函数)
以外的源码 2.牺牲代码复用性,每个类都必须是单独的组件,绝不互相引用,做到完全解耦 package *; /** * @program: simple_tools * @description: 对数函数 new LogFunction(); } } } } /** * 功能描述: * 〈初始化对数函数 zero and not be one"); } instance.setA(a); } /** * 功能描述: * 〈判断点是否在对数函数上 point.getY(); return y == Math.pow(x,instance.getA()); } /** * 功能描述: * 〈每个对数函数都会过点
57420发布于 2019-10-26 - 来自专栏数理视界
指数函数与对数函数的特性总结
指数函数与对数函数的核心公式指数函数与对数函数的曲线绘制from __future__ import annotations , annotationsimport matplotlib.pyplot 常规对数函数 (底数为2)# =============================================================================plt.subplot (2 , 2 , 3) # 2行2列的第3个子图# 生成x值（0.1到4之间等间距的100个点），避免0x = np.linspace(0.1 , 4 , 100)# 计算以2为底的对数函数值y = (2 , 2 , 4) # 2行2列的第4个子图# 计算自然对数函数值y = np.log(x) # ln(x)# 绘制函数曲线plt.plot(x , y , 'c-' , linewidth = """自然对数函数Natural logarithmic function (通常表示为 ln(x) 或 log_e(x))常用对数函数Common logarithmic function (以10为底的对数
69621编辑于 2025-06-10 【C语言标准库函数】指数与对数函数：exp(), log(), log10()
注意：C语言标准库未直接提供以任意正数为底的对数函数，但可通过换底公式推导：logₐ(b) = log(b)/log(a) 或 logₐ(b) = log10(b)/log10(a)。 + n * 0.69314718056 return result 3.3 log10()函数伪代码实现 log10()的实现通常基于换底公式： ，因为直接实现常用对数的效率低于复用已有的自然对数函数 pH值、震级等工程换算 特殊值结果 exp(0)=1.0；exp(+∞)=+∞ log(1)=0.0；log(e)=1.0 log10(1)=0.0；log10(10)=1.0 七、经典面试题 指数与对数函数是 math.h> int main() { double x = 0.1; double res = exp(log(x)); printf("exp(log(0.1)) = %.6f 修复方案：不直接判断浮点数相等，而是通过“误差阈值”判断结果是否在合理范围内（工业级开发常用阈值为1e-9~1e-6）。
34810编辑于 2026-01-21- 来自专栏数据结构与算法
洛谷P4725 【模板】多项式对数函数(多项式ln)
可以直接对两边求导\(G'(A(x)) = F'(A(x))A'(x) = \frac{A(x)}{A'(x)}\)
71320发布于 2019-03-15 - 来自专栏muller的测试分享
软件测试|Python科学计算神器numpy教程（十一）
这些数学函数包含了许多常见的数学运算，如三角函数、指数函数、对数函数、统计函数等。本文将介绍NumPy中一些常用的数学函数及其用法，展示NumPy在数值计算方面的强大功能。 示例如下：import numpy as nparr = np.array([2, 4, 6])# 加法result = np.add(arr, 2)print(result) # [4 6 8]# result = np.subtract(arr, 1)print(result) # [1 3 5]# 乘法result = np.multiply(arr, 3)print(result) # [6 inf -0.]指数和对数函数NumPy提供了指数函数（如幂函数和指数函数）以及对数函数（如自然对数和以2为底的对数）。这些函数可用于计算数值的幂、指数和对数值。 示例代码如下：import numpy as nparr = np.array([2, 4, 6])# 幂函数result = np.power(arr, 2)print(result) # 指数函数
42520编辑于 2023-08-20 - 来自专栏集智书童
你有多久没看过人脸识别的文章了？X2-SoftMax开源，ArcFace与MagFace都黯然失色了
因此，边际 \Delta\theta 和权重角度 \theta 如下所示： \Delta\theta=\arccos(a(\theta_{1}-h)^{2}+k)-\theta_{1} \tag{6} \theta=\arccos(a(\theta_{1}-h)^{2}+k)+\theta_{1} \tag{7} 根据公式6和公式7，作者在图4(f)中绘制了角度 \theta 和角边界 \Delta\ 如作者在第3.2节中提到的，公式6、公式7和图4(f)显示了角度 \theta 和角边界 \Delta\theta 之间的关系。 超参数 h 表示对数函数曲线顶点的水平坐标。随着超参数 h 的减小，对数函数曲线向左移动，对数函数曲线与余弦函数曲线之间的差异增加，这意味着角边界同时增加。 由于三个超参数 a ， h 和 k 影响对数函数曲线和对类之间的角边界，作者对这三个超参数进行了不同的值设置以进行参数化实验。如图6所示，超参数决定了X2-Softmax中对数函数曲线的形状。
1.6K10编辑于 2023-12-20 - 来自专栏AI粉嫩特攻队
信息熵为什么要定义成-Σp*log(p)？
信息论之父克劳德·艾尔伍德·香农(Claude Elwood Shannon )对信息量的定义如下： [e49d2v8zn6.png] 在解释这个公式之前，先看看下面的例子。 带负号的对数函数显然符合以上要求，当然，肯定有其他函数也会符合以上要求，对此，香农在《A Mathematical Theory of Communication》(通信的数学理论)这篇论文中有说明选择对数函数的原因 而最自然的选择是对数函数。 关于对数函数更便捷的原因，论文中给出了3点： 在实践中更有用。 对数函数可以让一些工程上非常重要的参数比如时间、带宽、继电器数量等与可能性的数量的对数成线性关系，例如，增加一个继电器会使继电器的可能状态数加倍，而如果对这一可能状态数求以2为底的对数，结果只是加 1。 可以得到信息熵的公式如下： [pwawpec7y6.png] 这里可能结果的概率是某个分类出现的概率，结果是某个分类产生的信息量，其中的log一般以2为底。
3.3K61发布于 2020-01-07 - 来自专栏bit哲学院
C++中log的底数理解
假设有底数为2和3的两个对数函数，如上图。当X取N（数据规模）时，求所对应的时间复杂度得比值，即对数函数对应的y值，用来衡量对数底数对时间复杂度的影响。 用文字表述：算法时间复杂度为log（n）时，不同底数对应的时间复杂度的倍数关系为常数，不会随着底数的不同而不同，因此可以将不同底数的对数函数所代表的时间复杂度，当作是同一类复杂度处理，即抽象成一类问题。 排序算法中有一个叫做“归并排序”或者“合并排序”的算法，它用到的就是分而治之的思想，而它的时间复杂度就是N*logN，此算法采用的是二分法，所以可以认为对应的对数函数底数为2，也有可能是三分法，底数为3
1.4K50发布于 2021-02-11 - 来自专栏量子位
这个困扰流体力学100年的公式被找出，作者之一为北航教授、北大校友
从图中可见，流体的平均速度变化会在惯性层中转变为一种对数函数变化的形式。 一方面，尽管测量得到了流体在不同区域速度变化的情况，科学家们仍然感到非常困惑：这个对数函数到底该怎么解释呢？ 尤其是其中惯性层速度变化呈现出的对数函数规律，更是让科学家们百思不得其解。他们不仅无法理解这个对数函数是怎么出现的，更无法用精确的公式去描述这一现象。 …… 一系列研究下来，科学家们发现，较小的涡流能给延伸到惯性层的大涡流提供能量，从而解释了对数函数的出现。 然而，除了附着在边界上的涡流，流体中还存在一些分离涡流。 //birnir.math.ucsb.edu/ [5]https://www.mn.uio.no/compsci/english/people/supervisors/angheluta.html [6]
1.1K40编辑于 2021-12-02 - 来自专栏技术杂记
6
配置之后[root@pptp-server ~]# iptables -L -nv Chain INPUT (policy ACCEPT 0 packets, 0 bytes) pkts bytes target prot opt in out source destination 35 3695 ACCEPT all -- * * 0.0.0.0/0 0.0.0.0/0
38630编辑于 2022-06-30 - 来自专栏nummy
ECMAScript 6 特性ECMAScript 6 特性
ECMAScript 6 特性 介绍 ECMAScript 6，也被称做ECMAScript 2015，是ECMAScript标准的下一个版本。这个标准预计将于2015年6月被正式批准。 ES6是这门语言的一次重大更新，自ES5以来，该语言的首次更新是在2009年。主流Javascript引擎对ES6相关特性的实现也正在进行中。 前往ES6标准草案查看ECMAScript 6的所有细节 ECMAScript 6 特性 Arrows 箭头函数 箭头函数是使用 => 语法简写的函数。 _name + " knows " + f)); } } Classes 类 ES6中提供了一个基于原型的面向对象模式的语法糖。简单的声明方式使得类模式变得更容易使用，增加了类的互用性。 f(3) == 15 function f(x, ...y) { // y is an Array return x * y.length; } f(3, "hello", true) == 6
86710发布于 2018-08-27 - 来自专栏DeepHub IMBA
机器学习中的数学：为什么对数如此重要
此外，也很乏味 同一函数的对数函数的一阶导数要简单得多： ? 二阶导数也很简单： ? 当你实际使用对数时，你会得到一个不同的函数。 你走路和开车时不需要走相同的路线。 这正是一个函数和该函数的对数函数共同之处：相同的参数可以最小化损失函数。 对这个函数和它对数函数同时求导就得到损失函数的最小值。 一个数学证明 我们来证明一个使函数最小化的参数等于这个函数的对数函数的最小化的参数。 ? 它的对数函数是： ? 部分图像如下： ? 可以看到，在这两种情况下，函数的最大值都是当x=0.3时取得。 是的，我们没有得到相同的函数，但是我们仍然有相同的临界点来帮助我们最小化损失函数。 一句话总结：一个函数和该函数的对数函数有一个共同之处，就是最小化的参数是相同的，对数求导要简单很多，会加快我们的计算速度。 deephub翻译组：gkkkkkk DeepHub
78220发布于 2020-05-09 - 来自专栏sukuna的博客
MIT_6.S081_xv6.Information 6:File System
MIT_6.S081_xv6.Information 6:File System 于2022年3月27日2022年3月27日由Sukuna发布 1.概览 xv6的文件系统由7层组成,首先就是最下面的硬件层 (类似于cache,cache也有脏数据嘛) 还需要注意的是,在操作系统中,磁盘块的大小一般是磁盘扇区大小的两倍.所以说在xv6中我们认为一块就是两个扇区,就是1024字节.到后面我们逻辑上认为一块就是两个扇区 xv6系统调用不直接写入硬盘上文件系统的数据结构。相反，它把一个描述放在磁盘上，这个描述是它在一个log里所期望的所有磁盘写操作。 log.dev表示该log位于哪一个磁盘（xv6实际上只有一个）。log.outstanding记录了目前有多少个进程正在并行地对磁盘进行写。 读写操作和设备文件 file.c和file.h文件中记录了xv6的驱动 // map major device number to device functions. struct devsw {
80820编辑于 2022-12-08 - 来自专栏前端真相
时间复杂度中的log（n）底数到底是多少？
假设有底数为2和3的两个对数函数，如上图。当X取N（数据规模）时，求所对应的时间复杂度得比值，即对数函数对应的y值，用来衡量对数底数对时间复杂度的影响。 用文字表述：算法时间复杂度为log（n）时，不同底数对应的时间复杂度的倍数关系为常数，不会随着底数的不同而不同，因此可以将不同底数的对数函数所代表的时间复杂度，当作是同一类复杂度处理，即抽象成一类问题。 排序算法中有一个叫做“归并排序”或者“合并排序”的算法，它用到的就是分而治之的思想，而它的时间复杂度就是N*logN，此算法采用的是二分法，所以可以认为对应的对数函数底数为2，也有可能是三分法，底数为3
3.3K50发布于 2019-02-21 - 来自专栏ACM算法日常
O(logn)到底有多快？
[w92nkmin4r.png] 对数函数在不同量级的表现 有趣的是对数并不总是最优的，比如函数和函数。 第一张图展现了对数函数的增长比二次方要慢很多。 [fejs5cekfu.png] 然而，更仔细的看一下，如果输入数据比较小，那么对数函数会比二次方函数要快一点。 [ei66a8py9m.png] 因此，如果你是处理比较小的问题，不使用对数函数可能会更好一些。 又学到了一点小知识，有问题可以留言~
1K20发布于 2020-05-18 - 来自专栏灵墨AI探索室
Java开发者的神经网络进阶指南：深入探讨交叉熵损失函数
现在让我们继续探讨对数函数的概念。前面讲解了指数函数，对数函数则是指数函数的逆运算。如果有一个指数函数表达式为y = a^x ，那么它的对数表达式就是x = log_a y 。 为了方便表示，我们通常将左侧的结果记为$y$，右侧的未知函数记为$x$，因此对数函数最终表示为y = log_a x 。为了更加深刻地记忆这一点，让我们看一下它的分布图例。 然而，当我们转而讨论对数函数时，其表示形式导致了这一点被调换至( (1,0) )，因此对于对数函数而言，它的恒过点即为( (1,0) )。 剩下关于对数的变换我就不再详细讲解了。 因为对数函数的特性是，其参数 ( x ) 可以无限接近于0，但不能等于0。因此，如果参数等于0，就会导致对数函数计算时出现错误或无穷大的情况。 在讨论中，我们还回顾了指数和对数函数的基本概念，这些函数在交叉熵的定义和理解中起着重要作用。指数函数展示了指数级增长的特性，而对数函数则是其逆运算，用于计算相对熵和交叉熵函数中的对数项。
34141编辑于 2024-06-21 - 来自专栏计算机学习
xv6(6) 系统调用
$Linux$ 里面系统调用使用的向量号是 $0x80$，$xv6$ 里面使用的 $64$(不同 $xv6$ 版本可能不同)。 可是系统调用是有很多的，虽然 $xv6$ 中实现的系统调用没多少，没多少也还是有那么一些的，怎么区别它们呢？ 这就涉及了系统调用号概念，每一个系统调用都唯一分配了一个整数来标识，比如说 $xv6$ 里面 $fork$ 系统调用的调用号就为 1。 没错，在内核栈中的上下文保存着，从内核栈中取出用户栈的栈顶 $esp$ 值，就可以取到系统调用的参数了，$xv6$ 就是这样实现的。 上述差不多将系统调用的一些理论知识说完了，下面用 $xv6$ 的实例来看看系统调用具体如何实现的。
71610编辑于 2023-12-06 - 来自专栏Mac资源随时更新
Geekbench 6上线！Geekbench 6 更新！
Geekbench 6上线！Geekbench 6增加了对最新硬件的支持，追求的是更有真实意义的性能测试，这次的一大重点改进就是大幅弱化CPU单核跑分的重要性，多核性能变得更加重要。 下载：Geekbench 6 Mac版Geekbench 5 WIn版图片中央处理器基准测试Geekbench 6 可测量处理器的单核和多核性能，适用于从查看电子邮件到拍照再到播放音乐或同时执行所有这些操作 Geekbench 6 的 CPU 基准测试可衡量增强现实和机器学习等新应用领域的性能，让您了解您的系统与前沿技术的差距。 Geekbench 6 的新功能是支持下一代跨平台图形和计算 API Vulkan。实际测试Geekbench 使用实用的日常场景和数据集来衡量性能。 Geekbench 6 专为跨平台比较而设计，可让您跨设备、操作系统和处理器架构比较系统性能。
1.2K60编辑于 2023-02-15 - 来自专栏sukuna的博客
MIT_6.s081_Lab6:Xv6 and MultiThread
MIT_6.s081_Lab6:Xv6 and MultiThread 于2022年3月6日2022年3月6日由Sukuna发布 Lab6_1 Uthread: switching between threads 一旦您的xv6 shell运行，键入“ uthread”，gdb将在第60行中断。 文件notxv6 / ph.c包含一个简单的哈希表，该哈希表从单个线程使用时是正确的，但从多个线程使用时则是错误的。 在您的主要xv6目录（可能是〜/ xv6-labs-2020）中，键入以下命令： $ make ph $ . 您将使用pthread条件变量，这是一种类似于xv6的睡眠和唤醒的序列协调技术。 文件notxv6 / barrier.c。 $ make barrier $ .
89210编辑于 2022-12-08
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