当前位置： 首页 > news >正文

记忆翻牌游戏：认知科学与状态机的交响曲

news 来源：原创 2025/5/9 0:14:49

目录

  • 记忆翻牌游戏：认知科学与状态机的交响曲
    • 引言
    • 第一章 网格空间拓扑学
      • 1.1 自适应网格算法
      • 1.2 卡片排布原理
    • 第二章 状态机设计
      • 2.1 状态跃迁矩阵
      • 2.2 时空关联模型
    • 第三章 记忆强化机制
      • 3.1 认知衰减曲线
      • 3.2 注意力热力图
    • 第四章 动画引擎设计
      • 4.1 翻牌运动方程
      • 4.2 粒子反馈系统
    • 第五章 难度平衡体系
      • 5.1 模式复杂度计算
      • 5.2 动态干扰系统
    • 第六章 神经科学验证
      • 6.1 脑电信号适配
      • 6.2 认知负荷监测
    • 结语
    • 附录：部分代码

记忆翻牌游戏：认知科学与状态机的交响曲

需要源码请+V：xrbcgfh0214

在这里插入图片描述

引言

记忆翻牌游戏作为经典的认知训练工具，其设计融合了空间记忆理论与有限状态机原理。本文将深入探讨如何通过网格动力学模型、状态跃迁矩阵和认知负荷优化，构建既符合人类记忆规律又具备游戏性的翻牌系统。

第一章 网格空间拓扑学

1.1 自适应网格算法

动态调整网格尺寸的优化方程：

N = arg ⁡ min ⁡ n ( ∣ n 2 − k ∣ + λ ⋅ Balance ( n ) ) N = \arg\min_{n} \left( |n^2 - k| + \lambda \cdot \text{Balance}(n) \right) N=argnmin​(∣n2−k∣+λ⋅Balance(n))

其中 k k k为总牌数，平衡因子计算：

Balance ( n ) = ∣ n ⌈ k ⌉ − ϕ ∣ ( ϕ = 0.618 ) \text{Balance}(n) = \left| \frac{n}{\lceil \sqrt{k} \rceil} - \phi \right| \quad (\phi=0.618) Balance(n)=∣∣∣∣​⌈k ​⌉n​−ϕ∣∣∣∣​(ϕ=0.618)

1.2 卡片排布原理

采用量子化随机分布算法保证均匀性：

  1. 将网格划分为 m × m m \times m m×m超级单元
  2. 每个单元内随机放置 c c c张同类卡：
    m = ⌊ N p a i r s ⌋ , c = N t o t a l m 2 m = \lfloor \sqrt{N_{pairs}} \rfloor, \quad c = \frac{N_{total}}{m^2} m=⌊Npairs​ ​⌋,c=m2Ntotal​​

第二章 状态机设计

2.1 状态跃迁矩阵

定义游戏状态集合 S = { 等 待 , 翻 开 , 匹 配 , 结 束 } S=\{等待, 翻开, 匹配, 结束\} S={等待,翻开,匹配,结束}，转移概率矩阵：

P = [ 0.7 0.3 0 0 0 0 0.6 0.4 1 0 0 0 0 0 0 1 ] P = \begin{bmatrix} 0.7 & 0.3 & 0 & 0 \\ 0 & 0 & 0.6 & 0.4 \\ 1 & 0 & 0 & 0 \\ 0 & 0 & 0 & 1 \end{bmatrix} P=⎣⎢⎢⎡​0.7010​0.3000​00.600​00.401​⎦⎥⎥⎤​

2.2 时空关联模型

记录卡片关联状态的三维张量：

T i , j , t = { 1 位置(i,j)在t时刻被激活 0 其他状态 \mathcal{T}_{i,j,t} = \begin{cases} 1 & \text{位置(i,j)在t时刻被激活} \\ 0 & \text{其他状态} \end{cases} Ti,j,t​={10​位置(i,j)在t时刻被激活其他状态​

第三章 记忆强化机制

3.1 认知衰减曲线

基于艾宾浩斯记忆模型设计提示系统：

R ( t ) = e − t − μ σ 2 R(t) = e^{-\frac{t-\mu}{\sigma^2}} R(t)=e−σ2t−μ​

动态调整参数保持最佳记忆强度：

μ n e w = μ o l d + α ⋅ ( R e c a l l A c c u r a c y − 0.75 ) \mu_{new} = \mu_{old} + \alpha \cdot (RecallAccuracy - 0.75) μnew​=μold​+α⋅(RecallAccuracy−0.75)

3.2 注意力热力图

通过隐马尔可夫模型预测注意焦点：

P ( X t ∣ X t − 1 ) = 1 Z exp ⁡ ( − ∣ ∣ X t − X t − 1 ∣ ∣ 2 2 γ 2 ) P(X_t|X_{t-1}) = \frac{1}{Z}\exp\left(-\frac{||X_t - X_{t-1}||^2}{2\gamma^2}\right) P(Xt​∣Xt−1​)=Z1​exp(−2γ2∣∣Xt​−Xt−1​∣∣2​)

第四章 动画引擎设计

4.1 翻牌运动方程

卡片旋转的微分方程描述：

d 2 θ d t 2 + c d θ d t + k θ = T e x t \frac{d^2\theta}{dt^2} + c\frac{d\theta}{dt} + k\theta = T_{ext} dt2d2θ​+cdtdθ​+kθ=Text​

临界阻尼条件下的最优参数：

c = 2 m k c = 2\sqrt{mk} c=2mk ​

4.2 粒子反馈系统

成功匹配时的粒子喷射轨迹：

{ x ( t ) = v 0 t cos ⁡ ( θ + δ ) y ( t ) = v 0 t sin ⁡ ( θ + δ ) − 1 2 g t 2 δ ∼ U ( − π 8 , π 8 ) \begin{cases} x(t) = v_0 t \cos(\theta + \delta) \\ y(t) = v_0 t \sin(\theta + \delta) - \frac{1}{2}gt^2 \\ \delta \sim \mathcal{U}(-\frac{\pi}{8},\frac{\pi}{8}) \end{cases} ⎩⎪⎨⎪⎧​x(t)=v0​tcos(θ+δ)y(t)=v0​tsin(θ+δ)−21​gt2δ∼U(−8π​,8π​)​

第五章 难度平衡体系

5.1 模式复杂度计算

基于香农熵评估游戏难度：

H = − ∑ i = 1 N p i log ⁡ 2 p i H = -\sum_{i=1}^N p_i \log_2 p_i H=−i=1∑N​pi​log2​pi​

其中 p i p_i pi​表示各图案出现频率。

5.2 动态干扰系统

实时生成的干扰因素强度：

I ( t ) = β ⋅ 1 1 + e − ( S ( t ) − S 0 ) / τ I(t) = \beta \cdot \frac{1}{1 + e^{-(S(t)-S_0)/\tau}} I(t)=β⋅1+e−(S(t)−S0​)/τ1​

S ( t ) S(t) S(t)为玩家当前得分， τ \tau τ为调节系数。

第六章 神经科学验证

6.1 脑电信号适配

根据α波(8-12Hz)强度调节游戏节奏：

S p e e d n e w = S p e e d b a s e ⋅ P α P α b a s e l i n e Speed_{new} = Speed_{base} \cdot \frac{P_{\alpha}}{P_{\alpha}^{baseline}} Speednew​=Speedbase​⋅Pαbaseline​Pα​​

6.2 认知负荷监测

采用NASA-TLX模型量化负荷指数：

T L X = 1 6 ∑ i = 1 6 w i x i TLX = \frac{1}{6}\sum_{i=1}^6 w_i x_i TLX=61​i=1∑6​wi​xi​

结语

记忆翻牌游戏的设计展现了认知科学与软件工程的深度融合。从网格空间的内在拓扑关系到神经信号的实时反馈调节，每个设计维度都体现了对人机交互本质的深刻理解。这种设计范式为认知训练类应用建立了黄金标准。

跨领域启示：

  • 空间记忆模型在AR导航中的应用
  • 状态机设计在自动驾驶决策系统的迁移
  • 认知负荷理论在UI设计中的普适价值

附录：部分代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-"""
认知模型模块
实现基于认知科学的记忆和注意力系统
"""import math
import random
import time
import numpy as npclass CognitiveModel:"""认知模型类负责模拟人类记忆和注意力机制"""def __init__(self):# 记忆参数self.memory_decay_rate = 0.2  # 记忆衰减率self.attention_focus = None   # 当前注意力焦点self.attention_map = {}       # 注意力热力图self.memory_strength = {}     # 卡片记忆强度self.last_recall_time = {}    # 上次回忆时间# 艾宾浩斯记忆曲线参数self.memory_mu = 2.0          # 记忆强度均值self.memory_sigma = 1.2       # 记忆强度标准差# 认知负荷参数self.cognitive_load = 0.5     # 当前认知负荷 (0.0-1.0)self.performance_history = [] # 玩家表现历史# 注意力模型参数self.attention_gamma = 5.0    # 注意力空间关联参数def reset(self, pairs_count):"""重置认知模型参数:pairs_count: 卡片对数"""# 重置各项指标self.attention_focus = Noneself.attention_map = {}self.memory_strength = {}self.last_recall_time = {}self.cognitive_load = min(0.5, pairs_count / 20)  # 根据卡片数调整初始负荷self.performance_history = []def update_attention_map(self, card_index):"""更新注意力热力图参数:card_index: 当前关注的卡片索引"""current_time = time.time()# 更新当前注意力焦点self.attention_focus = card_index# 为新卡片初始化记忆强度（如果不存在）if card_index not in self.memory_strength:self.memory_strength[card_index] = 0.0# 更新注意力热力图self.attention_map[card_index] = current_time# 更新记忆强度if card_index in self.last_recall_time:# 计算时间间隔time_diff = current_time - self.last_recall_time[card_index]# 应用艾宾浩斯记忆曲线recall_factor = self.ebbinghaus_recall(time_diff)# 增强记忆强度self.memory_strength[card_index] += recall_factor# 更新上次回忆时间self.last_recall_time[card_index] = current_timedef ebbinghaus_recall(self, time_diff):"""艾宾浩斯记忆曲线参数:time_diff: 时间间隔（秒）返回:float: 记忆强化因子"""# 转换为分钟t = time_diff / 60.0# 艾宾浩斯记忆曲线公式strength = math.exp(-((t - self.memory_mu) ** 2) / (2 * self.memory_sigma ** 2))return max(0.1, strength)def predict_attention_focus(self):"""预测下一个可能的注意力焦点返回:int: 预测的卡片索引或None"""if not self.attention_map:return None# 获取当前时间current_time = time.time()# 计算注意力转移概率probabilities = {}z = 0.0  # 归一化因子for card_index, last_time in self.attention_map.items():# 计算时间权重（时间越近权重越大）time_weight = math.exp(-(current_time - last_time) / 5.0)# 计算空间关联权重space_weight = 1.0if self.attention_focus is not None:# 这里可以根据卡片的空间位置计算关联度# 简化为固定值space_weight = 0.5# 计算记忆强度权重memory_weight = 1.0if card_index in self.memory_strength:memory_weight = 1.0 + self.memory_strength[card_index]# 组合所有权重probability = time_weight * space_weight * memory_weightprobabilities[card_index] = probabilityz += probability# 归一化概率if z > 0:for card_index in probabilities:probabilities[card_index] /= z# 返回概率最高的卡片if probabilities:return max(probabilities, key=probabilities.get)return Nonedef update_performance(self, success, time_taken):"""更新玩家表现记录参数:success: 是否成功匹配time_taken: 决策所用时间（秒）"""# 计算表现分数 (0.0-1.0)base_score = 1.0 if success else 0.0time_factor = max(0.0, 1.0 - time_taken / 5.0)  # 5秒作为基准performance = base_score * 0.7 + time_factor * 0.3# 添加到历史记录self.performance_history.append(performance)# 限制历史记录长度if len(self.performance_history) > 10:self.performance_history.pop(0)# 更新认知负荷self.update_cognitive_load()def update_cognitive_load(self):"""更新认知负荷"""if not self.performance_history:return# 计算最近表现的平均值avg_performance = sum(self.performance_history) / len(self.performance_history)# 更新认知负荷（表现越好，负荷越低）target_load = 1.0 - avg_performance# 平滑过渡self.cognitive_load = self.cognitive_load * 0.8 + target_load * 0.2# 确保在有效范围内self.cognitive_load = max(0.1, min(0.9, self.cognitive_load))def get_memory_aid(self, cards, difficulty_factor=1.0):"""获取记忆辅助建议参数:cards: 卡片列表difficulty_factor: 难度系数 (0.0-1.0)返回:list: 可能的提示卡片索引列表"""# 根据难度和认知负荷计算提示概率hint_probability = (self.cognitive_load - 0.5) * difficulty_factor# 如果概率太低，不提供提示if hint_probability <= 0 or random.random() > hint_probability:return []# 找出已翻过但未匹配的卡片seen_cards = {}for i, card in enumerate(cards):if card['flipped'] and not card['matched']:card_type = card['type']if card_type not in seen_cards:seen_cards[card_type] = []seen_cards[card_type].append(i)# 找出已经看到一张但还未找到配对的卡片hints = []for card_type, indices in seen_cards.items():if len(indices) == 1:  # 只看到了一张# 查找匹配的卡片for i, card in enumerate(cards):if i not in indices and card['type'] == card_type and not card['matched']:hints.append(i)breakreturn hints[:1]  # 最多返回一个提示def calculate_tlx_index(self):"""计算NASA-TLX认知负荷指数返回:float: TLX指数 (0.0-100.0)"""# 定义各维度权重weights = {'mental_demand': 0.25,'physical_demand': 0.05,'temporal_demand': 0.20,'performance': 0.25,'effort': 0.15,'frustration': 0.10}# 基于认知负荷估计各维度的值mental_demand = self.cognitive_load * 100# 基于表现历史估计性能（倒转，性能越好，值越低）avg_performance = 50if self.performance_history:avg_performance = (1 - sum(self.performance_history) / len(self.performance_history)) * 100# 随着游戏进行时间增加，时间需求上升temporal_demand = 50  # 可以基于游戏时间动态调整# 其他维度估计physical_demand = 20  # 鼠标点击的物理需求较低effort = self.cognitive_load * 80 + 20frustration = max(0, self.cognitive_load * 100 - avg_performance)# 计算加权TLX指数tlx = (weights['mental_demand'] * mental_demand +weights['physical_demand'] * physical_demand +weights['temporal_demand'] * temporal_demand +weights['performance'] * avg_performance +weights['effort'] * effort +weights['frustration'] * frustration)return tlxdef adapt_parameters(self, difficulty_level):"""根据难度级别调整认知模型参数参数:difficulty_level: 难度级别 (1-10)"""# 调整记忆衰减率self.memory_decay_rate = 0.1 + 0.03 * difficulty_level# 调整记忆曲线参数self.memory_mu = max(1.0, 3.0 - 0.2 * difficulty_level)self.memory_sigma = max(0.8, 1.5 - 0.07 * difficulty_level)

相关文章：

记忆翻牌游戏：认知科学与状态机的交响曲

目录 记忆翻牌游戏&#xff1a;认知科学与状态机的交响曲引言第一章 网格空间拓扑学1.1 自适应网格算法1.2 卡片排布原理 第二章 状态机设计2.1 状态跃迁矩阵2.2 时空关联模型 第三章 记忆强化机制3.1 认知衰减曲线3.2 注意力热力图 第四章 动画引擎设计4.1 翻牌运动方程4.2 粒…...

编程日记 2025/5/9 0:14:49

【业务领域】InfiniBand协议总结

InfiniBand协议总结 InfiniBand协议是什么&#xff1f;Infiniband产生的原因Mellanox公司介绍及其新闻基于TCP/IP的网络与IB网络的比较IB标准的优势什么是InfiniBand网络什么是InfiniBand架构Mellanox IB卡介绍InfiniBand速率发展介绍InfiniBand网络主要上层协议InfiniBand管理…...

编程日记 2025/5/9 0:11:26

使用Java正则表达式检查字符串是否匹配

在Java开发中&#xff0c;正则表达式&#xff08;Regular Expression&#xff0c;简称Regex&#xff09;是处理字符串的强大工具&#xff0c;广泛应用于模式匹配、数据验证和文本处理。Java通过java.util.regex包提供了对正则表达式的支持&#xff0c;包含Pattern和Matcher两个…...

编程日记 2025/5/3 6:15:10

个人健康中枢的多元化AI硬件革新与精准健康路径探析

在医疗信息化领域，个人健康中枢正经历着一场由硬件技术革新驱动的深刻变革。随着可穿戴设备、传感器技术和人工智能算法的快速发展，新一代健康监测硬件能够采集前所未有的多维度生物数据，并通过智能分析提供精准的健康建议。本文将深入探讨构成个人健康中枢的最新硬件技术，…...

编程日记 2025/5/8 22:39:13

Android基础控件用法介绍

Android基础控件用法详解 Android应用开发中，基础控件是构建用户界面的核心元素。本文将详细介绍Android中最常用的基础控件及其用法。 一、TextView（文本显示控件） TextView用于在界面上显示文本信息。 基本用法 <TextViewandroid:id="@+id/textView"andr…...

编程日记 2025/5/3 6:15:09

iO（不可区分混淆）是Web3隐私的圣杯？

1. 引言 iO 是区块链隐私的圣杯吗&#xff1f;本文将探讨&#xff1a; 不可区分混淆&#xff08;indistinguishability obfuscation, iO&#xff09;的局限性iO可能带来的变革iO为何重要&#xff1f;iO是否能真正成为可信硬件的替代方案&#xff1f; 区块链隐私面临的最大挑…...

编程日记 2025/5/3 6:15:08

文章三《机器学习基础概念与框架实践》

文章3&#xff1a;机器学习基础概念与框架实践 ——从理论到代码&#xff0c;用Scikit-learn构建你的第一个分类模型 一、机器学习基础理论&#xff1a;三大核心类型 机器学习是人工智能的核心&#xff0c;通过数据让计算机自动学习规律并做出预测或决策。根据学习方式&#…...

编程日记 2025/5/8 22:55:13

中小企业MES系统概要设计

版本&#xff1a;V1.0 日期&#xff1a;2025年5月2日 一、系统架构设计 1.1 整体架构模式 采用分层微服务架构&#xff0c;实现模块解耦与灵活扩展&#xff0c;支持混合云部署&#xff1a; #mermaid-svg-drxS3XaKEg8H8rAJ {font-family:"trebuchet ms",verdana,ari…...

编程日记 2025/5/8 22:22:16

自动化测试项目1 --- 唠嗑星球 [软件测试实战 Java 篇]

目录 项目介绍 项目源码库地址 项目功能测试 1.自动化实施步骤 1.1 编写测试用例 1.2 自动化测试脚本开发 1.2.1 配置相关环境, 添加相关依赖 1.2.2 相关代码编写 2. 自动化功能测试总结 2.1 弹窗的解决相关问题 2.2 断言的使用和说明 2.3 重新登录问题 项目性能…...

编程日记 2025/5/3 6:13:04

c语言 关键字--目录

1.c语言 关键字 2.typedef 关键字 3.volatile 关键字 4.register 关键字 5.const关键字用法 6.extern关键字...

编程日记 2025/5/8 22:55:13

C语言与指针3——基本数据类型

误区补充 char 的 表示范围0-127 signed char 127 unsigned char 0-255enum不常用&#xff0c;但是常见&#xff0c;这里记录一下。 enum Day {Monday 1,//范围是IntTuesday 2,Wednesday 3 }; enum Day d Monday; switch (d) {case Monday:{printf("%d",Monday);…...

编程日记 2025/5/3 6:13:01

[更新完毕]2025五一杯C题五一杯数学建模思路代码文章教学:社交媒体平台用户分析问题

完整内容请看文章最下面的推广群 社交媒体平台用户分析问题 在问题一中为解决博主在特定日期新增关注数的预测问题&#xff0c;本文构建了基于用户历史行为的二分类模型。首先&#xff0c;从用户对博主的观看、点赞、评论、关注等交互行为中提取统计与时序特征&#xff0c;形成…...

编程日记 2025/5/6 15:28:35

使用Vite创建vue3项目

什么是vite Vite 是新一代构建工具&#xff0c;由 Vue 核心团队开发&#xff0c;提供极快的开发体验。 它利用浏览器原生ES模块导入功能&#xff0c;提供了极快的热模块更新&#xff08;HMR&#xff09;和开发服务器启动速度。 官网&#xff1a;https://vitejs.cn/vite3-cn/…...

编程日记 2025/5/8 15:10:24

Linux管道识

深入理解管道 (Pipes)&#xff1a;连接命令的瑞士军刀 在 Linux 和类 Unix 系统&#xff08;包括 macOS&#xff09;的命令行世界里&#xff0c;管道&#xff08;Pipe&#xff09;是一个极其强大且基础的概念。它允许你将一个命令的输出直接作为另一个命令的输入&#xff0c;像…...

编程日记 2025/5/8 23:04:31

LabVIEW 中VI Server导出 VI 配置

该 LabVIEW VI 展示了在 VI Server 中配置和执行 Exported VIs 的过程&#xff0c;实现对服务器端导出 VI 的远程调用与操作。 ​ 具体过程及模块说明 前期配置&#xff1a;需确保在 LabVIEW 的 “Tools> Options > VI Server > Protocols” 路径下&#xff0c;启用 …...

编程日记 2025/5/3 6:10:55

map和set的遗留 + AVL树（1）：

在讲解新的东西之前&#xff0c;我们把上节遗留的问题说一下&#xff1a; 遗留问题&#xff1a; 首先&#xff0c;我们的最上面的代码是一个隐式类型转换&#xff0c;我们插入了一对数据。 我们说了&#xff0c;我们的方括号的底层是insert&#xff0c;当我们调用operator的[…...

编程日记 2025/5/3 6:10:55

Java学习手册：Spring Security 安全框架

一、Spring Security 简介 Spring Security 是一个功能强大且高度可定制的身份验证和访问控制框架&#xff0c;用于保护 Java 应用程序&#xff0c;尤其是基于 Spring 的应用。它构建在 Spring 框架之上&#xff0c;能够轻松地集成到基于 Spring 的应用程序中&#xff0c;包括…...

编程日记 2025/5/8 22:22:16

pip 常用命令及配置

一、python -m pip install 和 pip install 的区别 在讲解 pip 的命令之前&#xff0c;我们有必要了解一下 python -m pip install 和 pip install 的区别&#xff0c;以便于我们在不同的场景使用不同的方式。 python -m pip install 命令使用 python 可执行文件将 pip 模块作…...

编程日记 2025/5/3 6:09:51

C++_STL

C 标准模板库&#xff08;Standard Template Library&#xff0c;STL&#xff09;是一套功能强大的 C 模板类和函数的集合&#xff0c;它提供了一系列通用的、可复用的算法和数据结构。 STL 的设计基于泛型编程&#xff0c;这意味着使用模板可以编写出独立于任何特定数据类型的…...

编程日记 2025/5/8 23:07:28

[FPGA Video] AXI4-Stream Remapper

Xilinx AXI4-Stream Remapper IP (PG379) 详细介绍 概述 Xilinx LogiCORE™ IP AXI4-Stream Remapper 核是一个专为视频处理设计的模块&#xff0c;用于在不同每时钟像素数&#xff08;Pixels Per Clock, PPC&#xff09;要求之间重新映射视频像素。它支持将输入 AXI4-Stream…...

编程日记 2025/5/8 23:05:52

【数据结构】励志大厂版·初阶（复习+刷题）：栈与队列

前引&#xff1a;本篇将由小编与大家一起复习 栈 、队列 的知识点&#xff0c;栈、队列的顺序、链式结构各个缺点好处&#xff0c;如何实现、对于一般的增删查找此篇文章一定再详细不过&#xff01;对代码的注释、何时需要判断、特殊情况&#xff0c;白话文版一解到底&#xff…...

编程日记 2025/5/3 6:07:47

pytest——参数化

之前有说过&#xff0c;通过pytest测试框架标记参数化功能可以实现数据驱动测试。数据驱动测试使用的文件主要有以下类型&#xff1a; txt 文件 csv 文件excel 文件json 文件yaml 文件.... 本文主要讲的就是以上几种文件类型的读取和使用 一.txt 文件读取使用 首先创建一个 …...

编程日记 2025/5/6 21:40:33

第7篇：RESTful API设计与安全防护

在前后端分离架构中&#xff0c;RESTful API是系统交互的核心通道。本文将从接口规范设计到安全防护&#xff0c;全面讲解如何在EggJS中构建安全、规范、易用的API系统&#xff0c;并提供完整的解决方案和最佳实践。 一、标准化API接口规范设计 1. RESTful设计原则 核心要素&…...

编程日记 2025/5/3 6:07:46

CSS 架构与命名规范

CSS 架构与命名规范&#xff1a;BEM、SMACSS 与 OOCSS 实战 引言 在前端开发中&#xff0c;随着项目规模的扩大&#xff0c;CSS 代码往往会变得难以维护和扩展。无组织的样式表会导致命名冲突、权重覆盖问题和样式继承混乱&#xff0c;这些问题在团队协作的大型项目中尤为明显…...

编程日记 2025/5/9 0:09:58

实验二 软件白盒测试

实验二 软件白盒测试 某工资计算程序功能如下&#xff1a;若雇员月工作小时超过40小时&#xff0c;则超过部分按原小时工资的1.5倍的加班工资来计算。若雇员月工作小时超过50小时&#xff0c;则超过50的部分按原小时工资的3倍的加班工资来计算&#xff0c;而40到50小时的工资仍…...

编程日记 2025/5/3 6:06:43

【数据结构】String字符串的存储

目录 一、存储结构 1.字符串常量池 2.字符串哈希表 2.1结构 2.2基础存储单位 2.2.1键对象 2.2.2值对象 二、存储过程 1.搜索 2.创建 三、存储位置 四、存储操作 1.new新建 2.intern入池 这是String类的详解&#xff1a;String类变量 一、存储结构 1.字符串常量池…...

编程日记 2025/5/9 0:00:07

LLMs Tokenizer Byte-Pair Encoding(BPE)

1 Byte-Pair Encoding(BPE) 如何构建词典&#xff1f; 准备足够的训练语料;以及期望的词表大小&#xff1b;将单词拆分为字符粒度(字粒度)&#xff0c;并在末尾添加后缀“”&#xff0c;统计单词频率合并方式:统计每一个连续/相邻字节对的出现频率&#xff0c;将最高频的连续字…...

编程日记 2025/5/8 23:46:39

npm，yarn，pnpm，cnpm，nvm，npx包管理器常用命令

前端比较主流的包管理器主要有三个npm&#xff0c;yarn&#xff0c;pnpm 多层级依赖&#xff0c;通常发生在依赖之间存在复杂的版本要求时 包 A 依赖于包 B1.0.0 包 B 依赖于包 C2.0.0 另一个包 D 也依赖于 C3.0.0 一、NPM (Node Package Manager) https://www.npmjs.cn/…...

编程日记 2025/5/3 6:05:40

使用mybatis实例类和MySQL表的字段不一致怎么办

在 MyBatis 中&#xff0c;当 Java 实体类的属性名与数据库表的字段名不一致时&#xff0c;会导致查询结果无法正确映射。以下是几种常见解决方案及代码示例&#xff1a; 1. 使用 resultMap 显式映射&#xff08;推荐&#xff09; 场景&#xff1a;字段名与属性名差异较大&…...

编程日记 2025/5/9 0:09:58

阿里发布新一代通义千问 Qwen3模型

近日&#xff0c;阿里巴巴发布了新一代通义千问 Qwen3 模型&#xff0c;一举登顶全球最强开源模型。 这是国内首个“混合推理模型”&#xff0c;将“快思考”与“慢思考”集成进同一个模型&#xff0c;大大节省算力消耗。 旗舰模型 Qwen3-235B-A22B 在代码、数学、通用能力等…...

编程日记 2025/5/3 6:04:38

React pros比较机制

将 count1作为prop传递给Memoson组件 引用类型情况 虽然list值没有发生变化&#xff0c;但是仍旧重新渲染 解决方法使用useMemo()函数&#xff0c;传递一个空依赖项 // 传递数据为引用类型 比较的是引用 // 使用useMemo函数改写、const list useMemo(()>{return [1,2,3]},[…...

编程日记 2025/5/8 23:11:36

Flowable7.x学习笔记（十七）审批我的待办

前言 前文完成了我的待办的查询功能&#xff0c;本文就在此基础上从源码解读到完成审批任务的功能&#xff0c;审批界面我就先不带表单&#xff0c;直接单纯审批通过&#xff0c;这里需要注意的事&#xff0c;审批的表单其实每个节点都可能需要不同的表单内容&#xff0c;后续要…...

编程日记 2025/5/8 22:56:31

HTTP 状态码详解：用途与含义

HTTP 状态码详解&#xff1a;用途与含义 HTTP 状态码详解&#xff1a;用途与含义1. &#xff08;2xx&#xff09;成功类200 OK201 Created204 No Content206 Partial Content 2. &#xff08;3xx&#xff09;重定向类301 Moved Permanently302 Found&#xff08;临时重定向&…...

编程日记 2025/5/3 6:04:36

AI日报 · 2025年05月02日 | 再见GPT-4！OpenAI CEO 确认 GPT-4 已从 ChatGPT 界面正式移除

1、OpenAI CEO 确认 GPT-4 已从 ChatGPT 界面正式移除 在处理 GPT-4o 更新问题的同时&#xff0c;OpenAI CEO Sam Altman 于 5 月 1 日在 X 平台发文&#xff0c;正式确认初代 GPT-4 模型已从 ChatGPT 主用户界面中移除。此举遵循了 OpenAI 此前公布的计划&#xff0c;即在 4 …...

编程日记 2025/5/3 6:03:34

ppt设计美化公司_杰青_长江学者_优青_青年长江学者_万人计划青年拔尖人才答辩ppt模板

WordinPPT / 持续为双一流高校、科研院所、企业等提供PPT制作系统服务。 / 近期PPT美化案例 - 院士增选、科学技术奖、杰青、长江学者特聘教授、校企联聘长江、重点研发、优青、青长、青拔.. 杰青&#xff08;杰出青年科学基金&#xff09; 支持已取得突出成果的45岁以下学…...

编程日记 2025/5/3 6:03:33

文章四《深度学习核心概念与框架入门》

文章4&#xff1a;深度学习核心概念与框架入门——从大脑神经元到手写数字识别的奇幻之旅 引言&#xff1a;给大脑装个"GPU加速器"&#xff1f; 想象一下&#xff0c;你的大脑如果能像智能手机的GPU一样快速处理信息会怎样&#xff1f;这正是深度学习的终极目标&…...

编程日记 2025/5/3 6:03:33

HTML5+JavaScript实现连连看游戏之二

HTML5JavaScript实现连连看游戏之二 以前一篇&#xff0c;见 https://blog.csdn.net/cnds123/article/details/144220548 连连看游戏连接规则&#xff1a; 只能连接相同图案&#xff08;或图标、字符&#xff09;的方块。 连线路径必须是由直线段组成的&#xff0c;最多可以有…...

编程日记 2025/5/3 6:02:31

2025年- H19-Lc127-48.旋转矩阵（矩阵）---java版

1.题目描述 2.思路 画出矩阵&#xff0c;新的旋转矩阵的列坐标等于原始矩阵的矩阵长度-i-1&#xff08;也就是减去当前遍历的i&#xff09;&#xff0c;前后对调。然后新的旋转矩阵的横坐标&#xff0c;是原始矩阵的列坐标。 3.代码实现 public class H48 {public void rota…...

编程日记 2025/5/3 6:02:30

深入理解 MyBatis 代理机制

在 Java 开发领域&#xff0c;MyBatis 是一款优秀的持久层框架&#xff0c;它极大地简化了数据库操作&#xff0c;提高了开发效率。其中&#xff0c;代理机制作为 MyBatis 的核心特性之一&#xff0c;在连接 Java 代码与数据库操作中发挥着关键作用。本文将深入探讨 MyBatis 代…...

编程日记 2025/5/3 6:01:29

游戏引擎学习第254天:重新启用性能分析

运行游戏并尝试让性能分析系统恢复部分功能 我们现在的调试系统这几天基本整理得差不多了&#xff0c;因此我们打算开始清理一些功能&#xff0c;比如目前虽然已经在收集性能分析数据&#xff0c;但我们没有办法查看或有效利用这些信息。今天的计划可能会围绕这方面展开&#…...

编程日记 2025/5/3 6:01:28

性能测试工具篇

文章目录 目录1. JMeter介绍1.1 安装JMeter1.2 打开JMeter1.3 JMeter基础配置1.4 JMeter基本使用流程1.5 JMeter元件作用域和执行顺序 2. 重点组件2.1 线程组2.2 HTTP取样器2.3 查看结果树2.4 HTTP请求默认值2.5 JSON提取器2.6 用户定义的变量2.7 JSON断言2.8 同步定时器&#…...

编程日记 2025/5/3 6:01:28

【Hive入门】Hive性能调优之Join优化：深入解析MapJoin与Sort-Merge Join策略

目录 前言 1 Hive Join操作基础 1.1 Join操作的类型与挑战 1.2 Hive Join执行机制 2 MapJoin优化策略 2.1 MapJoin原理 2.2 MapJoin适用场景 2.3 MapJoin关键参数 3 Sort-Merge Join优化策略 3.1 Sort-Merge Join原理 3.2 Sort-Merge Join优势 3.3 关键配置参数 3…...

编程日记 2025/5/3 6:00:26

【Unity】使用XLua实现C#访问Lua文件

先引入XLua文件中的Plugins和XLua文件夹于Unity项目的Asset文件中 XLua_github链接 建立Lua虚拟机&#xff1a;LuaEnv luaEnv new LuaEnv(); 关闭虚拟机&#xff0c;及时释放资源&#xff1a;luaEnv.Dispose(); Resources文件夹下加载lua文件&#xff08;假设文件路径为Resour…...

编程日记 2025/5/3 6:00:25

AXI中的out of order和interleaving的定义和两者的差别？

AXI中的out of order和interleaving的定义和两者的差别 摘要&#xff1a;在 AXI (Advanced eXtensible Interface) 协议中&#xff0c;Out-of-Order 和 Interleaving 是两个与事务处理顺序和数据传输相关的概念&#xff0c;它们都与 AXI 协议支持的多事务并发处理能力有关&…...

编程日记 2025/5/2 23:20:30

生产级RAG系统一些经验总结

本文将探讨如何使用最新技术构建生产级检索增强生成(RAG)系统&#xff0c;包括健壮的架构、向量数据库(Faiss、Pinecone、Weaviate)、框架(LangChain、LlamaIndex)、混合搜索、重排序器、流式数据接入、评估策略以及实际部署技巧。 引言&#xff1a;检索增强生成的力量 大型语…...

编程日记 2025/5/8 10:39:56

sftp连接报错Received message too long 168449893

sftp连接报错Received message too long 168449893 一、openEuler传文件报错二、分析问题三、解决问题endl 一、openEuler传文件报错 [rootRocky9-12 ~]# scp apache-tomcat-10.1.33.tar.gz root10.0.0.14:Authorized users only. All activities may be monitored and report…...

编程日记 2025/5/2 21:53:34

Java中修饰类的关键字

Java中修饰类的关键字 在web编程课上&#xff0c;老师提问了Java中各种修饰类的关键字的用途和区别&#xff0c;一时间我头脑空白&#xff0c;现在课后重新梳理一遍Java中修饰类的各种关键字的区别和用法。在Java编程中&#xff0c;修饰类的关键字起着至关重要的作用&#xff…...

编程日记 2025/5/2 21:48:22

2025年人工智能火爆技术总结

2025年人工智能火爆技术总结&#xff1a; 生成式人工智能 生成式人工智能可生成高质量的图像、视频、音频和文本等多种内容。如昆仑万维的SkyReels-V2能生成无限时长电影&#xff0c;其基于扩散强迫框架&#xff0c;结合多模态大语言模型和强化学习等技术&#xff0c;在运动动…...

编程日记 2025/5/2 21:27:42

脑机接口技术：开启人类与机器的全新交互时代

在科技飞速发展的今天&#xff0c;人类与机器的交互方式正经历着前所未有的变革。从最初的键盘鼠标&#xff0c;到触摸屏&#xff0c;再到语音控制&#xff0c;每一次交互方式的升级都极大地提升了用户体验和效率。如今&#xff0c;脑机接口&#xff08;Brain-Computer Interfa…...

编程日记 2025/5/4 17:30:10

Arduino程序函数详解与实际案例

一、Arduino程序的核心架构与函数解析 Arduino程序的核心由两个函数构成：setup() 和 loop()。这两个函数是所有Arduino代码的骨架，它们的合理使用决定了程序的结构和功能。 1.1 setup() 函数：初始化阶段 setup() 函数在程序启动时仅执行一次，用于完成初始化配置，例如设置…...

编程日记 2025/5/4 8:28:11