- 综合排序
- 最热优先
- 最新优先
- 来自专栏企鹅号快讯
人工智能的缘起：达特茅斯会议
开聊达特茅斯会议之前，先说说 6 个最关键的人。首先，会议的召集者麦卡锡（John McCarthy）当时是达特茅斯学院的数学系助理教授。 1954年，达特茅斯学院数学系同时有4位教授退休，这对达特茅斯这样的小学校而言真是不可承受之轻。 达特茅斯会议 会议原址：达特茅斯楼 1953年夏天，麦卡锡和明斯基都在贝尔实验室为香农打工。香农那时的兴趣是图灵机以及是否可用图灵机作为智能活动的理论基础。 会议之后 达特茅斯会议后不久，1956年9月IRE（后来改名IEEE）在麻省理工学院召开信息论年会，麦卡锡受邀做一个对一个月前达特茅斯会议的总结报告。 2015年3月他和物理学家克劳斯对话时被问及“机器可以思维吗？”，他套用计算机科学家戴客斯特拉（Dijkstra）的说法反问：“潜艇会游泳吗？”
4.7K60发布于 2018-01-03 - 来自专栏github@hornhuang
迪杰斯特拉算法
文末附上完整代码以及 测试样例 主要思想： 1.对于给出的无向图/有向图，我们可以固定一点为原点：0 2.首先要有两个数组 一个用于存储两点间的距离（边），另一个数组用于存放当前点的前一个点 parent 3. Integer.MAX_VALUE,Integer.MAX_VALUE,Integer.MAX_VALUE,Integer.MAX_VALUE,Integer.MAX_VALUE}, {1,0,3,7,5 ,Integer.MAX_VALUE,Integer.MAX_VALUE,Integer.MAX_VALUE,Integer.MAX_VALUE}, {5,3,0,Integer.MAX_VALUE Integer.MAX_VALUE,Integer.MAX_VALUE}, {Integer.MAX_VALUE,7,Integer.MAX_VALUE,0,2,Integer.MAX_VALUE,3, ,Integer.MAX_VALUE,7,Integer.MAX_VALUE,3,0,Integer.MAX_VALUE,5,Integer.MAX_VALUE}, {Integer.MAX_VALUE
42010发布于 2021-09-24 - 来自专栏又见苍岚
斯特林公式(Stirlings approximation)
斯特林公式（Stirling’s approximation）是一条用来取n的阶乘的近似值的数学公式。 简介 斯特林公式（Stirling’s approximation）是一条用来取 n 的阶乘的近似值的数学公式。一般来说，阶乘的计算复杂度为线性。 斯特林公式能够将求解阶乘的复杂度降低到对数级。而且，即使在 n 很小的时候，斯特林公式的取值已经十分准确。 公式 n ! 即 因此 \lim _{n \rightarrow \infty} e^{c}=\sqrt{2 \pi} 得斯特林公式， 时 n ! =\sqrt{2 \pi n}\left(\frac{n}{e}\right)^{n} 斯特林公式的精度 斯特林公式在 n 不大的时候已经很精准了，我们尝试计算其精度 上界 根据上文的梯形法则计算原理
2.1K20编辑于 2023-11-18 - 来自专栏音视频技术
奈奎斯特采样定理中的奈奎斯特到底是谁？
那么，奈奎斯特采样定理中的奈奎斯特到底是谁？ ? Harry Nyquist 他就是美国电子工程师、物理学家Harry Nyquist。 他在论文中提出的奈奎斯特稳定判据成为了控制论的奠基理论。这也是他最重要的成就之一。二战期间，奈奎斯特稳定判据在控制使用机电反馈系统的火炮时起到了很大作用。 除了奈奎斯特稳定判据，以奈奎斯特命名的名词还有奈奎斯特频率、奈奎斯特率、奈奎斯特图、奈奎斯特准则等。 Nyquist的工作为现代信息论的诞生奠定了基础。 奈奎斯特采样定理 奈奎斯特采样定理是指：为了不失真地恢复模拟信号，采样频率应该大于等于模拟信号频谱中最高频率的2倍。 为什么奈奎斯特的名字会出现在采样定理前面？ 奈奎斯特采样定理最早可以追溯到贝尔实验室1959年出版的一本书里。
1.8K61发布于 2021-07-30 - 来自专栏信数据得永生
米斯特白帽培训讲义 工具篇 Safe3 WVS
米斯特白帽培训讲义 工具篇 Safe3 WVS 讲师：gh0stkey 整理：飞龙 协议：CC BY-NC-SA 4.0 介绍 Safe3 WVS 是一款使用较为领先的智能化爬虫技术及 然后在吾爱云盘下载 Safe3。 下载之后无需安装，直接打开使用即可。 注入漏洞的扫描 ? 打开程序主界面后，我们在上方的输入框中输入 URL。在漏洞设置分组框中选择“sql注入”和“xss”。 在 Safe3 的目录下，我们会看到一个spider.log，这个文件以纯文本的形式保存了漏洞信息。我们打开它： ?
1.2K30发布于 2019-02-15 - 来自专栏oeasy教您玩转linux、python
python0093_电子游戏起源_视频游戏_达特茅斯_Basic_家酿俱乐部
奥德赛当时altair-8800 没有 操作系统也没有 编程环境使用 8080的汇编语言两人首先 打了电话给 Ed Roberts说是给牛郎星 搭建了 Basic编程环境BasicBASIC 是由 达特茅斯学院院长
49800编辑于 2023-02-25 - 来自专栏数值分析与有限元编程
数值积分|牛顿-柯特斯公式
牛顿-柯特斯(Newton-Cotes )公式也叫插值型求积公式。已知 的值。以这n+1个点进行拉格朗日插值，得到n次多项式，再对该n次的多项式求积分。 ? 将积分区间 等分， 则n次拉格朗日插值多项式为： 其中 那么 记 由 可得 这就是牛顿-柯特斯公式。其中， 称为柯特斯系数。 由 式可知，柯特斯系数 与被积函数以及积分区间都无关，只要给出积分区间的等分数n，就可以算出柯特斯系数 。例如，当n=2时 对应的牛顿-柯特斯公式为： 此即为辛普森(Simpson)公式。 为了便于应用，将柯特斯系数列出，可以快速写出牛顿-柯特斯公式。 ? 牛顿-柯特斯公式的缺点：对于次数较高的多项式而有很大误差（龙格现象），一般取低阶公式计算。 [算例] 用牛顿--柯特斯公式计算积分 时 时 时 精确值为
4.9K20发布于 2020-05-27 - 来自专栏seth-shi的专栏
Dijkstra(迪杰斯特拉算法)
假设有如下一个图 // 3 // e+-----------------+ | 2 | // +------------------+ 我们要做的是找到点a到点g的最小距离,并且点与点之间会有权值,这时候我们可以使用迪杰斯特拉算法 'd' => array('a' => INF, 'b' => INF, 'c' => INF, 'd' => INF, 'e' => INF, 'f' => 4, 'g' => 3) closeList(1) { a => true, b => true } openList(7) { a => INF b => 1 c => 2 d => 2 e => 3 { a => true, b => true, c => true } openList(7) { a => (NF b => 1 c => 2 d => 2 e => 3
31710编辑于 2023-12-18 - 来自专栏数据结构和算法
迪杰斯特拉(Dijkstra)算法
迪杰斯特拉算法( Dijkstra )也叫狄克斯特拉算法，他使用类似广度优先搜索的方法解决从一个顶点到其他所有顶点的最短路径算法，他解决的是加权图（不能有负权）的最短路径问题，采用的是贪心算法的思想。 System.out.print(dis[i] + ","); } 我们来看下打印结果：0,1,2,4,3,7, 也就是说从起始点到其他顶点的最短时间分别是 1,2,4,3,7 ，和我们图中分析的完全一样 1，从顶点0开始，把顶点0标记，更新和它邻接的顶点1和2，即1->9，2->3。 2，选择未被标记且最近的顶点2，把顶点2标记，更新和它邻接的顶点3，即3->8。 3，选择未被标记且最近的顶点3，把顶点3标记，与顶点3相连的没有了。 4，选择未被标记且最近的顶点1，把顶点1标记，与顶点1相连的顶点2已经被标记了。 最后的结果是起始点到顶点 3 的值是 8 ，但实际上如果选择 0->1->2>3 这条路径的值是 7 ，会更小，所以有负权边并不适合 Dijkstra 算法。
74610编辑于 2024-10-11 - 来自专栏YIN_尹的博客
埃拉托斯特尼筛法
埃拉托斯特尼筛法，也称为埃氏筛法（Sieve of Eratosthenes），是一种用于计算素数的古老而经典的算法。它由古希腊数学家埃拉托斯特尼（Eratosthenes）在公元前3世纪提出。 以下是埃拉托斯特尼筛法的基本步骤： 创建一个布尔类型的数组，表示范围内的所有数字。初始时将数组中所有元素标记为"true"，表示都是素数。 从2开始，遍历数组中的每个数。 对于当前素数p，从p的平方开始，将p的倍数（2p、3p、4p等）标记为合数（即为"false"）。 继续向后遍历，重复步骤2和步骤3，直到遍历完整个范围。 使用埃拉托斯特尼筛法可以高效地找出一定范围内的素数。该算法的时间复杂度为O(nloglogn)，其中n为范围的大小。 //埃拉托斯特尼筛法 #include <vector> int main() { int n = 0; cin >> n; vector<bool> b(n+1, true); for (int
79310编辑于 2024-02-08 - 来自专栏计算机视觉理论及其实现
迪杰斯特拉算法(Dijkstra)算法
迪杰斯特拉(Dijkstra)算法是典型最短路径算法，用于计算一个节点到其他节点的最短路径。 它的主要特点是以起始点为中心向外层层扩展(广度优先搜索思想)，直到扩展到终点为止。 B,C,E 的距离' + 'AD 距离' < 'A 到 B,C,E 的距离' ) 则更新U循环执行 4、5 两步骤，直至遍历结束，得到A 到其他节点的最短路径算法图解1.选定A节点并初始化，如上述步骤3所示 3.这时候 A->B, A->C 都为3，没关系。其实这时候他俩都是最短距离，如果从算法逻辑来讲的话，会先取到B点。 int[][] weight1 = { {0,4,M,2,M}, {4,0,4,1,M}, {M,4,0,1,3} , {2,1,1,0,7}, {M,M,3,7,0} }; int start = 0;
1.5K20编辑于 2022-09-03 - 来自专栏图灵技术域
迪杰斯特拉算法原理Dijkstra
1.定义概览 Dijkstra(迪杰斯特拉)算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。
1.6K10发布于 2021-05-21 - 来自专栏新智元
用《圣经》做训练数据集，达特茅斯学院完美打造语言风格转换工具
---- 新智元报道 来源：techxplore 编辑：大明 【新智元导读】达特茅斯学院的研究人员为了提高计算机模型对文本风格的转换能力，竟然将目光投向了《圣经》！ 为了寻找改进计算机文本翻译质量的灵感，达特茅斯学院的研究人员向《圣经》寻求帮助和指导。结果发现，使用各种版本的《圣经》训练的算法可以将书面作品转换成针对不同受众的不同风格的译文。 来自达特茅斯学院的研究团队发现，《圣经》除了为遍布全球的许多人提供精神上的指引之外，还能提供一个“大型的、以前尚未开发的对齐平行文本数据集”。 “圣经是一个'神圣的'数据集，可以用来研究这项任务，”达特茅斯计算机科学教授丹尼尔·洛克莫尔说。 “几个世纪以来，人类一直在执行组织圣经文本的任务，我们的信仰不可能基于不太可靠的对齐算法。” 达特茅斯学院在计算机科学领域有着悠久的创新历史。 “人工智能”（AI）一词最初就是在1956年达特茅斯学院召开AI研究学科的会议期间诞生的。
80120发布于 2018-12-06 - 来自专栏叶子的开发者社区
迪杰斯特拉算法 旅游规划
输入样例1 4 5 0 3 0 1 1 20 1 3 2 30 0 3 4 10 0 2 2 20 2 3 1 20 输出样例1 3 40 AC代码 #include <iostream start] = true; for (int i = 0; i < vertex_number - 1; i++) { int minDistance = 0x3f3f3f3f ; int minIndex; int minCost=0x3f3f3f3f; for (int j = 0; j < vertex_number
41120编辑于 2023-07-30 - 来自专栏学习
迪杰斯特拉(Dijkstra)算法（CC++)
迪杰斯特拉（Dijkstra）算法是一种用于在加权图中找到单个源点到所有其他顶点的最短路径的算法。它是由荷兰计算机科学家艾兹格·迪科斯彻（Edsger Dijkstra）在1956年提出的。 迪杰斯特拉算法主要特点是从起始点开始，采用贪心算法，每次遍历到始点距离最近且未访问过的顶点的邻接节点，直到扩展到终点为止。适用的是单源路径最短路问题，对于多源则采用弗洛伊德（Floyd）算法。 重复步骤3和4，直到所有顶点都被加入到S中。 例如，{5,1,3,4,2} 和 {5,3,1,2,4} 都是给定图的 Dijkstra 序列。 注意，序列中的第一个顶点即为指定的特定源顶点。 输入样例： 5 7 1 2 2 1 5 1 2 3 1 2 4 1 2 5 2 3 5 1 3 4 1 4 5 1 3 4 2 5 3 1 2 4 2 3 4 5 1 3 2 1 5 4 输出样例： Yes
1.7K10编辑于 2024-09-23 - 来自专栏全栈程序员必看
实现迪杰斯特拉算法求某个源点到其余个点_迪杰斯特拉算法应用举例
如下图，使用迪杰斯特拉算法求下图的最短路径 跌代过程： 1） 初始时从1开始寻找各节点到该节点的距离，路不通设置为maxint，此时把1归为s里面 2）从1）得到距离1最短的路径对应的结点如上图为2 ，并把2归到s里面并求各节点（剩下的不在s里面的）到2的距离，如果新的距离更小的话则更新dist[i] 3) 从2）得到距离2最短的路径对应的结点如上图为4，并把4归到s里面并求各节点（剩下的不在s里面的 如果新的距离更小的话则更新dist[i] 4）依次类推可以把算有的节点遍历，并且最终的dist[i]便是从初始节点1到i的最短路径 算法如下 1 #include<bits/stdc++.h> 2 3 0; 23 for(int j=0;j<m;j++){//更改t1到t2的长度 24 cin >> t1 >> t2 >> t3; 25 Amap[t1][t2]=t3; 26 } 27 int foot 0; 27 for(int j=0;j<m;j++){//更改t1到t2的长度 28 cin >> t1 >> t2 >> t3; 29 Amap[t1][t2]=t3; 30 } 31 for
38720编辑于 2022-09-19 - 来自专栏全栈程序员必看
奈奎斯特采样定理（Nyquist）「建议收藏」
采样定理在1928年由美国电信工程师H.奈奎斯特首先提出来的，因此称为奈奎斯特采样定理。 1933年由苏联工程师科捷利尼科夫首次用公式严格地表述这一定理，因此在苏联文献中称为科捷利尼科夫采样定理。 奈奎斯特采样定理解释了采样率和所测信号频率之间的关系。 阐述了采样率fs必须大于被测信号感兴趣最高频率分量的两倍。 该频率通常被称为奈奎斯特频率fN。 奈奎斯特采样定理也可以理解为一个正弦波每个周期最少取两个点才能把正弦波还原回去。 为更好理解其原因，让我们来看看不同速率测量的正弦波。 1. 假设 fS = (4/ 3) * fN 以上采样到的曲线仍然无法还原原有波形的样子。 3. 我们以2Hz的频率对该曲线进行采样（每隔0.5s），可以得到3个红色采样数据，如下图： 对于这三个点，我们不能确定它对应的正弦曲线是sin(2π/t)，因为sin(4π/t)等倍频曲线也会穿过这三个红色采样点
3.8K40编辑于 2022-09-20 - 来自专栏信数据得永生
米斯特白帽培训讲义 挖掘篇
米斯特白帽培训讲义 挖掘篇 讲师：gh0stkey 整理：飞龙 协议：CC BY-NC-SA 4.0 信息侦探 信息侦探技术用于得到网站信息，包括网站服务器、WHOIS 信息，网站用户信息
93840发布于 2019-02-15 - 来自专栏小樱的经验随笔
数论部分第二节：埃拉托斯特尼筛法 埃拉托斯特尼筛法
埃拉托斯特尼筛法 质数又称素数。指在一个大于1的自然数中，除了1和此整数自身外，没法被其他自然数整除的数。怎么判断n以内的哪些数是质数呢？ 埃拉托斯特尼筛法 厄拉多塞是一位古希腊数学家，他在寻找素数时，采用了一种与众不同的方法：先将2－N的各数放入表中，然后在2的上面画一个圆圈，然后划去2的其他倍数；第一个既未画圈又没有被划去的数是3，将它画圈 ，再划去3的其他倍数；现在既未画圈又没有被划去的第一个数是5，将它画圈，并划去5的其他倍数……依次类推，一直到所有小于或等于N的各数都画了圈或划去为止。 代码如下： 1 public class Solution { 2 public int countPrimes(int n) { 3 if(n <= 2) 4
1.6K70发布于 2018-04-09 - 来自专栏python读书笔记
《算法图解》note 7 狄克斯特拉算法1.狄克斯特拉算法简介2.代码实例
其主要内容是简述狄克斯特拉算法。 1.狄克斯特拉算法简介 迪克斯特拉（dijkstra)） 算法用于找出有向无环图（DAG）中两点的最短路径。 对于无权重的有向无环图，狄克斯特拉算法的用途等效于广度优先搜索（BFS）。 对于有权重的图： 若边的权重是相等的正数，其用途等效于广度优先搜索。 若边的权重不等且仅权重均为正数，狄克斯特拉算法能出两点间的最短路径。 若边的权重有负数，则狄克斯特拉算法是不适用的。 DAG.jpg 代码如下： #狄克斯特拉算法 #找出costs中未被标记且值最小的节点 def find_shortest_node(costs,processed): shortest_d= '), 'E':float('inf'), } #在到达当前节点的距离最短路线下，当前节点的父节点 parent={} #记录已被处理过的节点 processed=set() #运行狄克斯特拉算法
87871发布于 2018-06-13
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