首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏Hank’s Blog

    4-2 R语言函数 apply

    #apply函数,沿着数组的某一维度处理数据 #例如将函数用于矩阵的行或列 #与for/while循环的效率相似,但只用一句话可以完成 #apply(参数):apply(数组,维度,函数/函数名) > x <- matrix(1:16,4,4) > x [,1] [,2] [,3] [,4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16 >

    71810发布于 2020-09-16
  • 来自专栏Java

    试题 算法训练 4-2找公倍数

    试题 算法训练 4-2找公倍数 资源限制 内存限制:256.0MB C/C++时间限制:1.0s Java时间限制:3.0s Python时间限制:5.0s 问题描述   这里写问题描述。   

    25910编辑于 2025-01-21
  • 来自专栏趣学算法

    数据结构 第4-2讲 双向链表

    数据结构第4-2讲双向链表 链表是线性表的链式存储方式,逻辑上相邻的数据在计算机内的存储位置不一定相邻,那么怎么表示逻辑上的相邻关系呢? 可以给每个元素附加一个指针域,指向下一个元素的存储位置。

    97940发布于 2018-09-13
  • 来自专栏sringboot

    x86汇编加载用户程序-4-2

    索引寄存器的端口号是 0x3d4,可以向它写入一个值,用来指定内部的某个寄存器。比如, 两个 8 位的光标寄存器,其索引值分别是 14(0x0e)和 15(0x0f),分别用于提供光标位置的高 8 位和低 8 位。 指定了寄存器之后,要对它进行读写,这可以通过数据端口 0x3d5 来进行。 高八位 和第八位里保存这光标的位置,显卡文本模式显示标准是25x80,这样算来,当光标在屏幕右下角时,该值为 25×80-1=1999

    1K30编辑于 2021-12-06
  • 来自专栏JNing的专栏

    【tensorflow】TFRecord读写机理

    1.tfrecord,写的时候是一行一行地写的,读的时候是每batch个行地读的。

    80110发布于 2020-03-17
  • 来自专栏育种数据分析之放飞自我

    笔记 | GWAS 操作流程4-2:LM模型+数值协变量

    上一篇,我们介绍了数量性状进行GWAS的一般线性模型分析的方法(笔记 | GWAS 操作流程4:LM模型assoc),这里我们考虑一下数字协变量,然后用R语言进行对比。

    1.5K20发布于 2020-05-26
  • 来自专栏Android点滴积累

    IOS Widget(4-2):创建可配置小组件(动态修改配置数据)

      上一篇文章,讲解了如果通过配置修改小组件行为,只不过配置数据是写死的,本文将继续探索配置数据的高级用法,配置数据在小组件中动态创建的

    4.3K11发布于 2021-05-10
  • 来自专栏cwl_Java

    C++编程之美-数学之趣(代码清单4-2)

    代码清单4-2 struct point { double x, y; }; double Product(point A, point B, point C) { return

    34930编辑于 2022-11-30
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 4-2 scikit-learn中的机器学习算法封装

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现KNN算法。

    1.2K00发布于 2019-11-13
  • 来自专栏Golang语言社区

    channel机理及调度理解

    当当 广告

    56130发布于 2018-07-26
  • 来自专栏Golang语言社区

    channel机理及调度理解

    《Go语言编程》一书介绍了libtask库,可以认为这个库等同于go的底层goroutine实现。

    47130发布于 2018-07-26
  • 来自专栏历史专栏

    【愚公系列】2021年12月 攻防世界-进阶题-MISC-072(4-2)

    文章目录 一、4-2 二、答题步骤 1.词频分析 总结 一、4-2 题目链接:https://adworld.xctf.org.cn/task/task_list?

    64320编辑于 2021-12-09
  • 来自专栏网络信息安全

    熊猫烧香(中)病毒释放机理

    熊猫烧香(中)病毒释放机理 1、sub_40277C子函数 2、sub_405684子函数 3、sub_403ED4子函数 4、sub_4057A4子函数 5.分析sub_4057A4后续删除功能 6.

    95210编辑于 2024-03-12
  • 来自专栏AustinDatabases

    PostgresQL MVCC 机理与 还得学习

    昨天写了些 MYSQL MVCC ,今天就的搞搞 PostgresQL 的MVCC ,最近从某些网站上获得的信息,PostgresQL的 相关人员的需求量在国内开始增加,但和需求相比,会的人少,所以你懂得。

    90730发布于 2019-09-05
  • 来自专栏以终为始

    顺序表应用4-2:元素位置互换之逆置算法(数据改进)(SDUT 3663)

    一个长度为len(1<=len<=1000000)的顺序表,数据元素的类型为整型,将该表分成两半,前一半有m个元素,后一半有len-m个元素(1<=m<=len),设计一个时间复杂度为O(N)、空间复杂度为O(1)的算法,改变原来的顺序表,把顺序表中原来在前的m个元素放到表的后段,后len-m个元素放到表的前段。 注意:交换操作会有多次,每次交换都是在上次交换完成后的顺序表中进行。

    46610编辑于 2023-03-09
  • 方法论|机理分析法

    为什么需要机理分析法 在现实生活中,影响一个问题的因素往往不止一个,分析问题时就需要从不同方向考虑,所以就引入了机理分析法 算法分析过程和应用步骤: 首先分析现象和结果的影响因素;然后在合理的假设条件下做出各种因素与现象和结果的关系 结语 在运用机理分析法时需要考虑各个因素,对于不同的因素可能需要不同的思考方式,最后得出结果时,还要结合实际情况验证分析的正确性。 END

    1.5K20发布于 2019-10-14
  • 来自专栏贾维斯Echo的博客

    计算机理论基础

      1.操作系统:就是一个协调、管理、控制计算机硬件资源与应用软件资源的一个控制程序

    73830编辑于 2023-10-18
  • 来自专栏机器之心

    机器学习模型以出色的精度进行有机反应机理分类

    近日,来自英国曼彻斯特大学(UoM)化学系的 Burés 和 Larrosa 报告了一种机器学习模型,展示了可以训练深度神经网络模型来分析普通动力学数据并自动阐明相应的机理类别,而无需任何额外的用户输入 该模型以出色的精度识别各种类型的机理。 研究结果表明,人工智能引导的机理分类是一种强大的新工具,可以简化和自动化机理阐明。预计这项工作将进一步推动全自动有机反应发现和开发的发展。 模型包含 576,000 个可训练参数,并结合使用两种类型的神经网络:(1) 长短期记忆神经网络,一种用于处理时间数据序列(即时间浓度数据)的循环神经网络;(2) 全连接神经网络,用于处理非时间数据(即每次动力学运行中催化剂的初始浓度和长短期记忆提取的特征 预测的机理与早期动力学研究的结论非常吻合。在某些情况下,该模型还识别了在原始工作中没有检测到的机理细节。对于一个具有挑战性的反应,该模型提出了三个非常相似的机理类别。 参考内容:https://www.nature.com/articles/d41586-023-00145-7 人工智能 × [ 生物 神经科学 数学 物理 材料 ] 「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展

    81130编辑于 2023-03-29
  • 来自专栏AustinDatabases

    MYSQL MVCC 实现机理 与 知识漏洞要补

    说来惭愧,被友人问了一些关于MYSQL 的问题,虽然算不上对答如流,但也算是沉稳应对。唯独折在 MVCC 中MYSQL INNODB 是如何实现的问题上,回答错误扣10分。本着知错能改,有漏洞要补的,精神。还是的把MVCC 以及MYSQL 怎么实现MVCC 的事情重新的学习一遍。

    1.1K30发布于 2019-09-04
  • 来自专栏深度学习自然语言处理

    机器学习之多层感知机理论与实践

    我们将要介绍多层感知机神经网络以及反向传播算法,这是现今最流行的神经网络结构。 这个算法就是在算delta,这是从输出神经元开始往回直到输入层的每个神经元的局部梯度下降。要计算输出神经元的delta,我们首先要得到每个输出神经元的误差。 现在可以计算delta了, 这个式子是对于在输出层L的第j个神经元 是输出层L的第j个神经元的值的求导所得的值。 这个式子是对于隐藏层l的第j个神经元。 通过反向传递求导的值,前面的神经元就会知道权重要变化多少以更好地让神经网络的输出符合实际的输出。这一切都要从神经网络的输出与实际输出的差别开始算起。是不是很神奇呢? 此外,你还可以输入一个‘fileNum'来调用这个神经网络,看下神经网络对你给的图片上的数字的判断是什么。 神经网络把隐藏层的层数和隐藏层的神经元数作为参数来初始化神经元和权重向量。

    1.8K40发布于 2018-04-24
领券