- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT技术圈
练习2-11 计算分段函数 (10分)
注：可在头文件中包含 math.h ，并调用 sqrt 函数求平方根，调用 pow 函数求幂。
1.4K40发布于 2021-03-16 - 来自专栏ypw
题目 1676: 算法2-8~2-11：链表的基本操作
题意：根据题意，意思就是实现插入，删除，展示，以及得到元素，并判断是否删除加入成功以及表内元素是否为空。
41200发布于 2021-03-04 - 来自专栏cwl_Java
C++编程之美-数字之魅(代码清单2-11)
代码清单2-11 Kbig(S, k): if(k <= 0): return [] // 返回空数组 if(length S <= k):
28320编辑于 2022-11-30 - 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 练习2-11 计算分段函数
练习2-11 计算分段函数[2] 本题目要求计算下列分段函数f(x)的值： ? 注：可在头文件中包含 math.h ，并调用 sqrt 函数求平方根，调用 pow 函数求幂。
1.4K30发布于 2020-09-15 Python数据挖掘编程基础4
range用于生成连续的序列，一般语法格式为range(a,b,c),表示以a为首项、c为公差且不超过b-1等差数列，如代码清单2-11所示。 代码清单2-11 使用range生成等差数列for i in range(1,5,1):print(i)输出结果如下：1234
19210编辑于 2025-05-09- 来自专栏GiantPandaCV
ICCV 2023 TinyCLIP解读
这篇论文研究的是如何通过知识蒸馏的方式压缩大规模的视觉语言预训练模型,如CLIP模型。 亲和力模仿探索了老师模型在图像和文本模态之间的交互,让学生模型在视觉语言亲和力空间中模仿老师模型的行为。权重继承将老师模型的预训练权重传递给学生模型,以改进蒸馏的效率。 实验 TinyCLIP实现了大规模视觉语言预训练模型的高效压缩,使参数量减少2-11倍,计算量减少1.5-5倍,同时仍能保持可竞争的性能。这对于克服这类模型的高存储、内存和计算成本具有重要意义。 ;另外,论文取得了state-of-the-art的模型压缩效果,使用2-11倍更少的参数取得与原模型近似或更好的效果,压缩后的模型也表现出很强的迁移学习能力,在各种下游任务上都有显著提升。 实验表明,通过新颖的亲和力模仿和权重继承技术,以及渐进式的多阶段压缩策略,TinyCLIP可以将CLIP类模型的参数量减少2-11倍,计算量减少1.5-5倍,同时保持可竞争的性能。
2K70编辑于 2023-10-19 - 来自专栏电力电子
Transients of Modern Power Electronics
采用三角波作为载波 /\/\/\ 前沿对齐，生成的PWM信号都在上升沿对齐；采用锯齿波 /|/|/| 后沿对齐，生成的PWM信号都在下降沿对齐；采用锯齿波 |||\ 电力电子系统中的宏观和微观因素 开关器件理想模型的缺点 无法计算开关损耗（包括反向恢复损耗、正向恢复损耗）；对电流和电压波形进行线性化处理，是目前被普遍采纳的损耗计算方式 理想模型无法描述许多重要的短时参数所产生的影响 另一个指的关注的问题是理想控制算法和实际工作情况之间的互相影响 -\iiint (\varepsilon E \frac{\delta E}{\delta t}+\mu H \frac{\delta H}{\delta t} + J \cdot E) dV$ (2- 式（2-11）中的第二项和第三项开始增加； 电压大幅度增加而电流开始下降。磁场能量减少而电能增加。 主电路的各个部分 互相影响的控制模块和功率系统 瞬态过程的研究方法 准确度高的测量手段 为半导体开关建立合适的模型 为外围电路和元器件建模 对任意时间和位置的能量流动路径进行预测 在微观层面实施宏观控制算法
72300发布于 2020-02-20 - 来自专栏Java编程
Java进阶之路——从初级程序员到架构师，从小工到专家
对象的实例化过程 方法的重写和重载；方法和方法的参数传递过程 构造函数 内部类，抽象类，接口 对象的多态性（子类和父类之间的转换、父类纸箱子类的引用），抽象类和接口在多态中的应用 2-5 JVM内存模型 finally的使用 2-7 多线程 线程和进程的概念 如何在程序中创建多线程，线程安全问题，线程之间的通讯 线程的同步 死锁问题的剖析 线程池 2-8 IO java.io包，理解IO体系的基于管道模型的设计思路以及常用 IO性能 2-9XML 熟悉SAX、DOM以及JDOM的优缺点并且能够使用其中的一种完成XML的解析及内容处理；这几种解析方法的原理 2-10 一些高级特性 反射、代理、泛型、枚举、Java正则表达式 2- 11 网络编程 网络通信协议原理及适用场景，Socket编程，WEB服务器的工作原理 2-11 JDK1.5、JDK1.6、JDK1.7、JDK1.8每个版本都比前面一个版本添加了哪些新特性，进行了哪些提升
3K11发布于 2017-12-17 - 来自专栏凯哥Java
Java进阶之路——从初级程序员到架构师，从小工到专家
对象的实例化过程 方法的重写和重载；方法和方法的参数传递过程 构造函数 内部类，抽象类，接口 对象的多态性（子类和父类之间的转换、父类纸箱子类的引用），抽象类和接口在多态中的应用 2-5 JVM内存模型 finally的使用 2-7 多线程 线程和进程的概念 如何在程序中创建多线程，线程安全问题，线程之间的通讯 线程的同步 死锁问题的剖析 线程池 2-8 IO java.io包，理解IO体系的基于管道模型的设计思路以及常用 IO性能 2-9XML 熟悉SAX、DOM以及JDOM的优缺点并且能够使用其中的一种完成XML的解析及内容处理；这几种解析方法的原理 2-10 一些高级特性 反射、代理、泛型、枚举、Java正则表达式 2- 11 网络编程 网络通信协议原理及适用场景，Socket编程，WEB服务器的工作原理 2-11 JDK1.5、JDK1.6、JDK1.7、JDK1.8每个版本都比前面一个版本添加了哪些新特性，进行了哪些提升
91230发布于 2019-06-28 - 来自专栏慕容千语的架构笔记
从Java程序员到架构师，从工程师到技术专家，迷茫之路
对象的实例化过程 方法的重写和重载；方法和方法的参数传递过程 构造函数 内部类，抽象类，接口 对象的多态性（子类和父类之间的转换、父类纸箱子类的引用），抽象类和接口在多态中的应用 2-5 JVM内存模型 finally的使用 2-7 多线程 线程和进程的概念 如何在程序中创建多线程，线程安全问题，线程之间的通讯 线程的同步 死锁问题的剖析 线程池 2-8 IO java.io包，理解IO体系的基于管道模型的设计思路以及常用 IO性能 2-9XML 熟悉SAX、DOM以及JDOM的优缺点并且能够使用其中的一种完成XML的解析及内容处理；这几种解析方法的原理 2-10 一些高级特性 反射、代理、泛型、枚举、Java正则表达式 2- 11 网络编程 网络通信协议原理及适用场景，Socket编程，WEB服务器的工作原理 2-11 JDK1.5、JDK1.6、JDK1.7、JDK1.8每个版本都比前面一个版本添加了哪些新特性，进行了哪些提升
1.2K30发布于 2019-06-12 - 来自专栏咸鱼学Python
Python爬虫进阶必备 | X博密码算法扣取+如何去扣取一个完整的逆向案例
【图2-11】 ? 图2-10 ? 图2-11 总结 这次主要把如何扣一个简单的加密算法做了讲解，这里包含了基础的JS知识，或许看不明白为什么是复制的是这些代码而不是其他的。
94210发布于 2019-09-09 - 来自专栏技术杂记
Daily Script6
flag=3 } ; if (/^~~~/ and $flag == 3) {s/^~~~/endflag/ ; $flag=2 }' jk.md----[paste]cat u |cut -c 2-
36320编辑于 2022-07-09 - 来自专栏知识点分享
地震仿真分析
(2-9)由此计算出 (2-10)将(2-12)代入(2-10)得到质点的地震作用公式如下： (2- 11)式(2-6)和式(2-11)式规范给出的两个公式。 先用式(2-6)计算出总的地震作用，然后用公式(2-11)求得各质点的地震作用。抗震设计反应谱-地震影响系数在不同的地震中，主要是地面最大加速度不同，其次才是其它因素的影响。 基本分析步骤如下：1） 建立有限元模型建立有限元模型是有限元分析的基础，是仿真分析中必不可少的一步。 地震仿真分析实例本文将对如图所示结构模型进行地震仿真分析，结构总高为27米，结构底端约束，地震载荷为多遇8级地震、I类场地第一组设计分组，激励方向为X方向，将利用响应谱分析方法和底部剪力法对对其结果进行对比
2.1K30编辑于 2022-06-15 - 来自专栏小冷coding
Redis可以实现限流你不会不知道吧？
当然这种做法的弊端是很多的，比如当统计1-10秒的时候，无法统计2-11秒之内，如果需要统计N秒内的M个请求，那么我们的Redis中需要保持N个key等等问题 第二种：基于Redis的数据结构zset 其实限流涉及的最主要的就是滑动窗口，上面也提到1-10怎么变成2-11。
1.3K20编辑于 2023-05-24 - 来自专栏数据分析与挖掘
pycaret之集成模型（集成模型、混合模型、堆叠模型）
1、集成模型 组装训练好的模型就像编写ensemble_model一样简单。它仅采用一个强制性参数，即经过训练的模型对象。 此函数可用于混合可以使用blend_models中的estimator_list参数传递的特定训练模型，或者如果未传递列表，它将使用模型库中的所有模型。 3、堆叠模型 堆叠模型是使用元学习的整合方法。堆叠背后的想法是建立一个元模型，该模型使用多个基本估计量的预测来生成最终预测。在PyCaret中堆叠模型就像编写stack_models一样简单。 此函数使用estimator_list参数获取训练模型的列表。所有这些模型构成了堆栈的基础层，它们的预测用作元模型的输入，可以使用meta_model参数传递该元模型。 restack参数控制将原始数据公开给元模型的能力。默认情况下，它设置为True。当更改为False时，元模型将仅使用基本模型的预测来生成最终预测。
3.6K10发布于 2020-10-27 - 来自专栏全栈程序员必看
–AR模型,MA模型,ARMA模型介绍
AR模型的定义 ————— AR模型平稳性判别 AR模型是常用的平稳序列的拟合模型之一，但并非所有的AR模型都是平稳的 。 第一个平稳的AR模型 这个AR模型的递推式子是x[t]=0.8*x[t-1]+e，其实e是一个误差项。 AR模型的一些性质 若AR模型满足平稳性条件，则他的均值为0，我们可以从上面的图中看出 AR模型的自相关系数是呈复指数衰减– 有拖尾性 AR模型的偏自相关系数有截尾性 注意第二,第三条很重要，后面可以用来做模型的识别 我在强调一遍 AR模型的自相关系数是呈复指数衰减– 有拖尾性 * AR模型的偏自相关系数有截尾性* MA模型 MA模型的定义 MA模型的可逆性 这个性质在推到MA模型的相关系数和自相关系数的时候比较有用 看一下可逆的定义 接下来看一下MA模型怎么转换成AR模型 最后我们看一下什么样的MA模型可以转化为AR模型 可逆MA模型的应用 对于一些MA模型，虽然其生成的式子不一样，但是其自相关图是一样的
2.7K20编辑于 2022-09-20 - 来自专栏python3
python3 - 多线程 - thre
守护线程” 2-8-1 守护线程概念介绍 2-8-2 实现简单 ‘守护线程’ 2-9 Thread + Lock 实现线程“互斥锁” 2-10 Thead + Semaphore 实现 “信号量” 2- main__': for i in range(20): t=Thread(target=task,args=('路人%s' %i,)) t.start() 2-
66430发布于 2020-01-13 - 来自专栏学习
【软件测试】敏捷模型（Scrum模型）和V模型、W模型
敏捷模型 前面的那些模型以前非常流行，但现在开发人员在使用的时候会遇到各种问题。主要困难包括在项目开发期间处理来自客户的变更请求，以及合并这些变更所需要的高成本和时间。 在实际工作中，一款产品的功能是不断在变化的 所以为了克服这些缺点，就提出了敏捷软件开发模型。在敏捷模型中，需求被分解成许多可以增量开发的小部分。敏捷模型采用迭代开发。每个增量部分都是在迭代中开发的。 敏捷模型主要旨在帮助项目快速适应变更请求。 V 模型 V 模型中，明确的标注了测试过程中存在的不同类型的测试 右边的测试，都需要参考左边对应高度的要求 缺点： 仅仅把测试作为在编码之后的一个阶段，未在需求阶段就介入测试。 缺点和瀑布模型一样 W 模型（双 V 模型） V 模型中未将测试前置的问题在 W 模型中得以解决 开发 V 模型并不是单单指编码阶段，而是为产品开发流程而实施的各个阶段 测试的对象不仅是程序，需求、
3.1K10编辑于 2024-11-15 - 来自专栏数据分析与挖掘
pycaret之训练模型（创建模型、比较模型、微调模型）
1、比较模型 这是我们建议在任何受监管实验的工作流程中的第一步。此功能使用默认的超参数训练模型库中的所有模型，并使用交叉验证评估性能指标。它返回经过训练的模型对象。 2、创建模型 在任何模块中创建模型就像编写create_model一样简单。它仅采用一个参数，即型号ID作为字符串。 尽管有一个单独的函数可以对训练后的模型进行集成，但是在通过create_model函数中的ensemble参数和方法参数创建时，有一种快速的方法可以对模型进行集成。 3、微调模型 在任何模块中调整机器学习模型的超参数就像编写tune_model一样简单。它使用带有完全可定制的预定义网格的随机网格搜索来调整作为估计量传递的模型的超参数。 对于有监督的学习，此函数将返回一个表，该表包含k倍的通用评估指标的交叉验证分数以及训练有素的模型对象。对于无监督学习，此函数仅返回经过训练的模型对象。
2.8K10发布于 2020-10-27 - 来自专栏物联网IOT安全
看大佬如何破解智能门锁
按照类似的方式取出Request数据包的Payload，按照上一篇文章的分析，只需要将Response的Request两个数据包的Payload做差即可得到这个门锁的productInfo，做差过程如图2- 图2-11 计算productInfo 我们在已绑定了门锁的手机中查看app的数据库，其中显示了已绑定门锁的productInfo，如图2-12所示。 ? 图2-12 数据库中的productInfo 对比图2-11我们计算出来的结果，和2-12中数据库里的product_info字段数值，二者前6字节是相同的，上一篇分析中在分析productInfo变量的使用时
3.4K12发布于 2020-05-29
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