已找到以下 10000 条记录
  • 算法刷题(七):LC中级算法(数组和字符串)

    m x n 矩阵,如果一个元素为 0 ,则将其所在行和列所有元素都设为 0 。请使用 原地 算法。 进阶: 一个直观解决方案是使用 O(mn) 额外空间,但这并不是一个好解决方案。 一个简单改进方案是使用 O(m + n) 额外空间,但这仍然不是最好解决方案。

    作者: 看,未来
    发表时间: 2021-05-24 17:21:38
    1021
    0
  • 非对称加密算法RSA讲解

    对数据进行加密,那么只有用对应公开密钥才能解密。因为加密和解密使用是两个不同密钥,所以这种算法叫作非对称加密算法。 非对称加密算法实现机密信息交换基本过程是:甲方生成一对密钥并将其中一把作为公用密钥向其它方公开;得到该公用密钥乙方使用该密钥对加密信息进行加密

    作者: SHQ5785
    发表时间: 2022-09-10 01:18:00
    254
    0
  • 单片机常用滤波算法——中位值滤波法

    次采样值按大小排列,取中间值为本次有效值。 ### 2.优点: - 能有效克服因偶然因素引起波动干扰 - 对温度、液位变化缓慢被测参数有良好滤波效果 ### 3.缺点: 对流量、速度等快速变化参数不宜 ### 4.示例 ```c /* N 值可根据实际情况调整 排序采用冒泡法*/

    作者: ttking
    1241
    5
  • Mac配置gitignore自动生成

    && source ~/.bash_profile 12 指令 # 检查配置是否正确,查看可用ignore文件 $ gi list # 生成python项目的gitignore文件 $ gi python >> .gitignore 12345

    作者: 彭世瑜
    发表时间: 2021-08-13 16:22:36
    1099
    0
  • 【Linux 操作系统】 Secure CRT 终端配置 -- 配置语法高亮 光标 和 字体

    1. Secure CRT 中没有想要字体 Windows 8 下没有 Courier New 字体, 需要在系统字体上进行配置, 进入 C:\Windows\Fonts 目录, 下面是目录内容, 如果图标是半透明, 说明这个字体没有启用, 系统中就无法使用这个字体

    作者: 韩曙亮
    发表时间: 2022-01-10 17:17:30
    428
    0
  • 与大师对话,翻阅大师手稿中数学题【玩转算法

    之所以前面说,这些是我思路记录,是因为我能总结有哪些挡在面前难题,但是我还没有找到解决方案。不过,问题清单有了,还是可以帮助提供头绪算法难点 通过这段时间学习和思考,我简单总结了对于自己来说,算法难点: 如何设计算法,使用什么算法策略比较好; 如何确定算法复杂性; 复杂的算法,怎么学会它,理解它,掌握它;

    作者: 叶一一
    发表时间: 2023-05-30 09:50:07
    3
    0
  • 获取桶自定义域名 - 对象存储服务 OBS

    </ListBucketCustomDomainsResult> 响应消息头 该请求响应消息使用公共消息头,具体请参考表1。 响应消息元素 该响应以消息元素形式返回桶自定义域名,元素具体意义如表1响应消息元素所示。 表1 响应消息元素 元素名称 描述 ListBucke

  • 配置认证规则 - 华为乾坤

    配置认证规则 背景信息 认证规则用于指定依据哪些规则或者协议对用户进行认证,如果用户信息符合指定规则,则判定认证通过。认证规则基于用户组匹配,同一组用户采用相同认证规则。 配置步骤 选择“准入管理 > 准入策略 > 认证授权”,单击“认证规则”页签。 单击“创建”,创建认证规则,如图1所示。

  • LoRa驱动移植至小熊派——基本配置

    或者使用安信可官网lora RA-01例程。有四个文件夹,分别是:doc、lst、obj、src。doc为注释解析文件,里面有一个readme.txt温度;lst为主控芯片固件库文件;obj下为编译产生文件;src下为lora驱动,就是我们需要移植文件,下面又包含:pl

    作者: ttking
    1285
    5
  • 《基于压缩传感匹配追踪重建算法研究》读书笔记

    重建算法关键是如何从压缩传感得到低维数据中精确地恢复出原始高维数据, 因此对采样过程准确性验证有着至关重要意义。 OMP重构算法简介: OMP算法本质思想是: 以贪婪迭代方法选择 &nbsp;列, 使得在每次迭代中所选择列与当前元余向量最大程度地相关, 从测量向量中减去相关部分并反复迭代,

    作者: 李锐博恩
    发表时间: 2021-07-14 23:42:49
    485
    0
  • 配置认证规则 - 华为乾坤

    配置认证规则 背景信息 认证规则用于指定依据哪些规则或者协议对用户进行认证,如果用户信息符合指定规则,则判定认证通过。认证规则基于用户组匹配,同一组用户采用相同认证规则。 配置步骤 选择“准入管理 > 准入策略 > 认证授权”,单击“认证规则”页签。 单击“创建”,创建认证规则,如图1所示。

  • 【Python数据结构与算法】--- 递归算法应用 ---[乌龟走迷宫] |人工智能|探索扫地机器人工作原理

    拓展: 在死胡同里乌龟是如何走呢? ​ 📝全文总结: 这篇文章主要讲解是,如何用递归算法解决乌龟🐢走迷宫问题,这个问题类似于我们扫地机器人,但是这个算法存在这一写缺点,比如说&nbsp;时间方面和距离方面.如果我们要利用这个算法来写机器人我们可以从记录路径信息,对机器人

    作者: Aileen_0v0
    发表时间: 2024-02-22 15:36:57
    2
    0
  • 典型场景DLI委托权限配置示例 - 数据湖探索 DLI

    使用DEW获取访问凭证读写OBS 访问OBSAKSK为例介绍Flink Jar使用DEW获取访问凭证读写OBS操作指导。 用户获取Flink作业委托临时凭证 DLI提供了一个通用接口,可用于获取用户在启动Flink作业时设置委托临时凭证。该接口将获取到该作业委托临时凭证封装到com.huaweicloud

  • 二分查找算法

    &nbsp;对比普通二分查找法,为了确定目标数会落在二分后哪个部分,我们需要更多判定条件。但是我们还是实现了O(log n)目标。 二分查找法缺陷 &nbsp; &nbsp; &nbsp;二分查找法O(log n)让它成为十分高效算法。不过它缺陷却也是那么明显。就在它限定之上:

    作者: SHQ5785
    发表时间: 2024-06-12 14:45:24
    50
    0
  • 极光算法下流量监控策略智能化进化

    quo;,发现可能安全威胁、网络故障等状况。以下是极光算法在流量监控中重要性一些方面: 异常检测:极光算法可以检测网络流量中异常行为,包括未经授权访问、恶意攻击、DDoS攻击等。通过分析流量变化和模式,它能够准确地识别不寻常活动,从而提前预警可能风险。这种能力对于

    作者: yd_267761811
    发表时间: 2023-09-01 09:15:53
    13
    0
  • 机器学习笔记(九)---- 集成学习(ensemble learning)

    ”,如果个体学习器中只包含一种学习算法,例如都是决策树,或都是神经网络,这样集成就是同质集成,如果个体学习器中包含了多种学习算法,则称为异质集成。 集成学习目的是得到一个比单一学习器预测性能更好集成学习器,这就要求个体学习器“好而不同”,要求个体学习器有一定准确性,同时又有一定的差异性。

    作者: 云上有未来
    发表时间: 2019-09-19 16:56:49
    8262
    0
  • 【数据结构与算法】之深入解析“寻找旋转排序数组中最小值II”求解思路与算法示例

    …, a[n-1]] 旋转一次结果为数组 [a[n-1], a[0], a[1], a[2], …, a[n-2]] 。 给你一个可能存在重复元素值数组 nums ,它原来是一个升序排列数组,并按上述情形进行了多次旋转,请你找出并返回数组中最小元素。 示例 1: 输入:nums

    作者: Serendipity·y
    发表时间: 2022-02-24 14:50:26
    300
    0
  • 认证控制点侧配置 - 华为乾坤

    认证控制点侧配置 (可选)创建RADIUS服务器 配置有线认证策略 父主题: 配置员工有线终端认证(802.1X认证,交换机为认证点)

  • 使用mindspore写了一个线性回归算法,跑不出结果,持续运行无法结束

    n_x=2*np.random.rand(500,1)#随机生成一个0-2之间,大小为(500,1)向量 n_y=5+3*n_x+np.random.randn(500,1)#随机生成一个线性方程,大小为(500,1)向量 x = Tensor(n_x, dtype=mindspore

    作者: devilmaycry
    929
    3
  • 连接可信机器学习不同主题

    接近零。这种被称为 “对抗攻击” 方法,和神经网络易受攻击特性,给包括无人驾驶在内 AI 应用带来很大安全隐患。人们对这一现象本质提出了多种角度理解,比如认为对抗噪音也是一种特征。为了解决这一问题,最常使用方法是对抗训练,即用生成对抗样本和原样本一起训练模型。很多

    作者: @Wu
    20
    1