当前位置: 首页 > news >正文

基础数学:图论与信息论

微积分与概率论由此进:基础数学:微积分和概率与统计-CSDN博客

线代与优化理论由此进:基础数学:线性代数与优化理论-CSDN博客

数值分析与离散数学由此进:基础数学:数值分析与离散数学-CSDN博客

四、图论与搜索算法

1.图结构基础

(1) 图的表示方法

  • 邻接矩阵:

        定义:对于图 G=(V,E),邻接矩阵 A\in \left \{ 0,1 \right \}^{|V| \times |V|},其中

                A_{ij}=\left\{\begin{matrix} 1 \quad (i,j)\in E\\ 0 \quad otherwise \end{matrix}\right.

        适用:稠密图的存储,快速判断节点间是否联通

  • 邻接表:

        定义:为每个节点存储其邻居列表,例如 Adj[v]=\left \{ u|(v,u)\in E \right \}

        适用:稀疏图的高效存储,节省空间

  • 权重图的扩展:

        定义:邻接矩阵元素 A_{ij} 表示边权,邻接表存储 (u,w_{vu}) 对

(2) 树与图遍历

  • 树的性质:

        无环联通图,任意两节点间有唯一路径

        节点数 |V|=|E|+1

  • 深度优先搜索(DFS):

        算法步骤:

          1.从起点出发,访问未被访问的邻居节点

          2.递归访问邻居的邻居,直到无法继续

          3.回溯到最近未探索完的节点继续

        复杂度:时间复杂度 O(|V|+|E|),空间复杂度 O(|V|) (递归栈)

        应用:树形思维(ToT)中的深度探索

  • 广度优先搜索(BFS):

        算法步骤:

          1.使用队列管理待访问节点

          2.访问当前节点的所有邻居,再访问邻居的邻居

        复杂度:时间复杂度 O(|V|+|E|),空间复杂度 O(|V|) (队列)

        应用:寻找最短路径(无权图)

2.最短路径算法

(1)Dijkstra算法

  • 核心思想:贪心策略,逐步扩展当前最短路径
  • 数学描述:

        初始化距离 d(s)=0,其他节点 d(u)=\infty

        优先队列按距离排序,每次取出距离最小的节点 u

        对 u 的邻居 v,松弛操作:

                d(v)=min(d(v),d(u)+w(u,v))

  • 复杂度:使用优先队列(如斐波那契堆):O(|E|+|V|log|V|)
  • 限制:仅适用于非负权边

(2)A*算法

  • 启发式搜索:

        定义评估函数 f(n)=g(n)+h(n),其中

          g(n):从起点到节点 n 的实际代价

          h(n):启发函数,估计 n 到终点的代价

  • 算法步骤:

        1.优先队列按 f(n) 排序

        2.每次扩展 f(n) 最小的节点

        3.到达终点或队列为空时终止

  • 应用:PRM路径规划中的全局搜索

3.搜索策略优化

(1) 剪枝策略

  • Alpha-Beta算法:

        用于博弈树搜索,剪除对最终决策无影响的分支

        核心思想:若某分支的评估值已不可能优于当前最优解,则停止搜索

  • 应用场景:树形思维(ToT)中减少无效路径的探索

(2)多路径生成与自洽性验证

  • 蒙特卡洛树搜索(MCTS):

        四步骤:选择(Selection)、扩展(Expansion)、模拟(Simulation)、回溯(Backpropagation)

        选择策略:

        使用Upper Confidence Bound(UCB)平衡探索与利用:

                UCB_{v_{i}}=\frac{Q(v_{i})}{N(v_{i})}+c\sqrt{\frac{ln(N(v))}{N(v_{i})}}

        其中 Q(v_{i}) 为节点价值,N(v_{i}) 为访问次数,c 为探索系数

  • 自洽性:

        通过生成多条路径 \left \{ p_1,p_2,...,p_k \right \},投票选择最一致的答案

        投票规则:多数投票,广义投票等...

4.应用

(1)PRM路径规划:从理论到实践:带你快速学习基于PRM的三种搜索方法-CSDN博客

流程:

  1. 采样阶段:在构型空间中随机采样节点(蒙特卡洛采样)
  2. 连接阶段:对邻近节点尝试连接,过滤碰撞边
  3. 查询阶段:使用A*或Dijkstra算法在路线图中搜索路径

(2)树形思维:从理论到实践:树形思维探索(ToT)-CSDN博客

树结构构建:

  1. 根节点为初始问题,子节点为推理步骤的中间假设
  2. 节点扩展策略:基于概率或启发式生成子节点

(3)并行采样与顺序修订:从理论到实践:并行采样+顺序修订的联合优化-CSDN博客

联合优化框架:

  1. 并行采样:生成多条候选路径 \left \{ p_i \right \}
  2. 顺序修订:对每条路径局部优化(如梯度下降修正参数)
  3. 聚合结果:选择综合得分最高的路径

5.核心公式

Dijkstra松弛操作:d(v)=min(d(v),d(u)+w(u,v))

A*评估函数:f(n)=g(n)+h(n)

UCB选择策略:UCB_{v_{i}}=\frac{Q(v_{i})}{N(v_{i})}+c\sqrt{\frac{ln(N(v))}{N(v_{i})}}

五、信息论

1.熵与信息度量

(1)信息熵

  • 定义:信息熵衡量随机变量 X 的不确定性,定义为:

        H(X)=-\sum_{x\in X}^{}P(x)logP(x)

        单位:以2为底的对数单位为比特(bits),以自然对数 ln⁡ln 为单位为奈特(nats)

        直观解释:熵越大,不确定性越高。例如,均匀分布的熵最大

  • 示例:抛一枚公平硬币,P(正面) = P(反面) = 0.5,熵为:

        H(X)=-0.5log0.5-0.5log0.5=1\:bit

        若硬币不均匀(如P(正面) = 0.9),则熵降低为:

                H(X)=-0.9log0.9-0.1log0.1\approx 0.469 \:bit

(2)交叉熵

  • 定义:衡量用分布 Q 近似真实分布 P 的额外成本:

        H(P,Q)=-\sum_{x}^{}P(x)logQ(x)

  • 应用:

        分类任务的损失函数(如交叉熵损失)

        语言模型训练中,最小化预测分布与真实分布的交叉熵

(3)KL散度

  • 定义:衡量分布 P 与 Q 的差异:

        D_{KL}(P||Q)=\sum_{x}^{}P(x)log\frac{(P(x))}{Q(x)}=H(P,Q)-H(P)

        性质: 非负性 D_{KL}(P||Q)\geq 0,非对称性 D_{KL}(P||Q) \neq D_{KL}(Q||P)

  • 应用:

        变分推断中,最小化 D_{KL}(Q||P) 以近似后验分布

        模型蒸馏中,让学生模型分布逼近教师模型

(4)互信息

  • 定义:衡量两个随机变量 X 和 Y的相关性:

        I(X;Y)=H(X)-H(X||Y)=H(Y)-H(Y||X)=D_{KL}(P(X,Y)||P(X)P(Y))

  • 应用:

        特征选择:选择与目标变量互信息高的特征

        多路径生成:筛选与问题相关性高的推理路径

2.编码理论

(1)压缩编码基础

  • 霍夫曼编码(Huffman Coding)

        原理:为高频符号分配短码,低频符号分配长码,构建最优前缀码

        数学形式:最小化平均码长 L=\sum_{x}^{}P(x)l(x),其中 l(x) 是符号 x 的码长

  • 算术编码(Arithmetic Coding)

        原理:将整个输入序列映射到一个区间 [0,1),用区间长度编码概率

        优势:接近香农熵极限,尤其适合高阶统计依赖的数据

(2)BPE算法的数学原理:从理论到实践:字节对编码(BPE)算法-CSDN博客

3.应用

(1)注意力机制中的信息瓶颈:从理论到实践:Pytorch实现注意力机制到Triton优化-CSDN博客

(2)模型不确定性的量化:从理论到实践:absmax、zeropoint和LLM.int8()在gpt-2的应用-CSDN博客

(3)多路径生成的自洽性验证:从理论到实践:CoT的多路径生成与自洽性-CSDN博客

4.核心公式

信息熵:H(X)=-\sum_{x\in X}^{}P(x)logP(x)

交叉熵:H(P,Q)=-\sum_{x}^{}P(x)logQ(x)

KL散度:D_{KL}(P||Q)=\sum_{x}^{}P(x)log\frac{(P(x))}{Q(x)}=H(P,Q)-H(P)

互信息:I(X;Y)=H(X)-H(X||Y)=H(Y)-H(Y||X)=D_{KL}(P(X,Y)||P(X)P(Y))

相关文章:

基础数学:图论与信息论

微积分与概率论由此进:基础数学:微积分和概率与统计-CSDN博客 线代与优化理论由此进:基础数学:线性代数与优化理论-CSDN博客 数值分析与离散数学由此进:基础数学:数值分析与离散数学-CSDN博客 四、图论与…...

05-RabbitMQ 面试题-mk

1.RabbitMQ-如何保证消息不丢失? 消息中间件的好处 提供了系统之间的异步调用,让服务与服务之间解耦削峰、填谷场景: 异步发送(验证码、短信、邮件…)MySQL和Redis , ES之间的数据同步分布式事务削峰填谷 消息发送者(publisher )把消息发送给交换机(exchange),由交…...

当当平台商品详情接口设计与调用指南

当当平台商品详情接口设计与调用指南 接口名称 GET /api/product/detail 图书商品核心信息查询接口 请求参数说明 参数名称 类型 是否必填 说明 isbn string 是 国际标准书号(支持13位/10位) product_id string 否 平台内部商品编号(与…...

基于vue框架的住院信息管理系统k08hv(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。

系统程序文件列表 项目功能:患者,工作人员,预约住院,住院登记,科室信息,床位信息,床位分配,转病房,病历信息,费用信息,出院登记 开题报告内容 基于Vue框架的住院信息管理系统开题报告 一、选题背景与意义 (一)选题背景 随着医疗技术的不…...

Flink 编程基础:Scala 版 DataStream API 入门

大家好!我是心海 流处理技术在大数据时代正变得越来越重要,而 Apache Flink 作为领先的流处理引擎,凭借其高性能、低延迟和丰富的 API 受到了广泛关注。本文将以 Scala 语言为例,详细讲解 Flink DataStream API 的基本编程模型&am…...

noscript 标签是干什么的

vue public目录下的 index.html 会有 <noscript> 标签不知道是干吗的。 其实 noscript 标签在不支持或是禁用JavaScript 的浏览器中显示替代的内容。这个元素可以包含任何 HTML 元素。这个标签的用法也非常简单&#xff1a; <noscript><strong>Were sorry …...

基于 Streamlit 的 PDF 编辑器

你想实现一个基于 Streamlit 的 PDF 编辑器&#xff0c;功能包括&#xff1a; PDF 转 WordPDF 表格提取PDF 拆分页面PDF 转图片 下面是一个初步的 Streamlit 应用框架代码示例&#xff0c;集成了以上功能。使用了常见库如 pdfplumber、PyMuPDF&#xff08;fitz&#xff09;、…...

Oracle 排除交集数据 MINUS

MINUS 是 Oracle 数据库中的一种集合操作符&#xff0c;用于返回第一个查询结果中存在但第二个查询结果中 不存在 的 唯一行。其核心功能是 排除交集数据&#xff0c;常用于数据差异分析或过滤特定记录 一、核心功能 排除交集&#xff1a;返回第一个查询结果中 不在第二个查询结…...

.net Core 和 .net freamwork 调用 deepseek api 使用流输出文本(对话补全)

.net Core 调用 deepseek api 使用流输出文本 简下面直接上代码&#xff08;.net core&#xff09;&#xff1a;最后再贴一个 .net Freamwork 4 可以用的代码TLS 的代码至关重要的&#xff1a;&#xff08;下面这个&#xff09; 简 在官网里面有许多的案例&#xff1a;我们通过…...

巧用递归算法:破解编程难题的“秘密武器”

专栏&#xff1a;算法的魔法世界 个人主页&#xff1a;手握风云 目录 一、递归 二、例题讲解 2.1. 汉诺塔问题 2.2. 合并两个有序链表 2.3. 反转链表 2.4. 两两交换链表中的节点 2.5. Pow(x, n) 三、总结 一、递归 递归的概念 一个方法在执行过程中调用自身, 就称为递…...

C++、Python的输入输出及相关的处理操作

一、C 输入输出及相关处理操作 C 是算法竞赛中常用的语言&#xff0c;因其高效性适合处理大数据或严格时间限制的题目。输入输出是基础&#xff0c;但细节处理&#xff08;如速度优化、格式要求&#xff09;对比赛结果影响很大。 1. 基本输入输出 C 使用 <iostream> 库…...

Unity协程从入门到精通:告别卡顿,用Coroutine优雅处理异步与时序任务 (Day 27)

Langchain系列文章目录 01-玩转LangChain&#xff1a;从模型调用到Prompt模板与输出解析的完整指南 02-玩转 LangChain Memory 模块&#xff1a;四种记忆类型详解及应用场景全覆盖 03-全面掌握 LangChain&#xff1a;从核心链条构建到动态任务分配的实战指南 04-玩转 LangChai…...

Web攻防—SSRF服务端请求伪造Gopher伪协议无回显利用

前言 重学Top10的第二篇&#xff0c;希望各位大佬不要见笑。 SSRF原理 SSRF又叫服务端请求伪造&#xff0c;是一种由服务端发起的恶意请求&#xff0c;SSRF发生在应用程序允许攻击者诱使服务器向任意域或资源发送未经授权的请求时。服务器充当代理&#xff0c;执行攻击者构造…...

青少年编程与数学 02-016 Python数据结构与算法 16课题、贪心算法

青少年编程与数学 02-016 Python数据结构与算法 16课题、贪心算法 一、贪心算法的基本概念定义组成部分 二、贪心算法的工作原理三、贪心算法的优点四、贪心算法的缺点五、贪心算法的应用实例&#xff08;一&#xff09;找零问题&#xff08;二&#xff09;活动安排问题&#x…...

Linux系统Debian最新版12.10安装详细教程,虚拟机系统安装(附系统镜像资源)

前言 Debian是一款以稳定性著称的免费开源Linux发行版&#xff0c;支持多种硬件架构&#xff0c;遵循自由软件原则&#xff0c;并提供庞大的软件仓库和长期维护。 一、环境下载 Debian 12.10镜像下载 &#x1f4be;资源下载&#x1f449;Debian 12.10镜像下载&#xff1a;ht…...

android display 笔记(十一)surfaceflinger 如何将图层传到lcd驱动的呢?

SurfaceFlinger->>HWC: 提交所有图层&#xff08;Layer&#xff09; HWC->>DRM/KMS: 硬件合成&#xff08;Overlay&#xff09;或 GPU 合成 DRM/KMS->>LCD Driver: 配置显示控制器&#xff08;CRTC/Encoder&#xff09; LCD Driver->>Display: 通过 MI…...

管理大规模监控技术栈的最佳实践

集中管理可观测性数据 集中化监控数据有助于打破信息孤岛&#xff0c;提供系统全景视图。彭博社发现&#xff0c;当团队各自为战时&#xff0c;系统中断往往持续很久才有人意识到多个团队正在独立处理同一问题。通过数据集中管理&#xff0c;他们获得了更全面的基础设施视图&a…...

深入探索C++ STL:从基础到进阶

目录 引言 一、什么是STL 二、STL的版本 三、STL的六大组件 容器&#xff08;Container&#xff09; 算法&#xff08;Algorithm&#xff09; 迭代器&#xff08;Iterator&#xff09; 仿函数&#xff08;Functor&#xff09; 空间配置器&#xff08;Allocator&#xf…...

GitHub Desktop 推送报错 Authentication Failed 身份验证失败

弹窗问题&#xff1a; Authentication Failed 验证失败 We were unable to authenticate with https://gitee.com/.Pleaseenter your username and password to try again. 用户名 密码 Depending on your repository’s hosting service, you might need touse a Personal Acc…...

Webpack中的文件指纹:给资源戴上个“名牌”

Webpack中的文件指纹&#xff1a;给资源戴上个“名牌” 你是否想过&#xff0c;当你修改代码后&#xff0c;浏览器为什么仍然拿着旧版资源不放&#xff1f;秘密就在于——文件指纹&#xff01;简单来说&#xff0c;文件指纹就像给每个构建出来的文件贴上独一无二的“姓名牌”&…...

ESP32开发之ubuntu环境搭建

1. 在Ubuntu官网下载Ubuntu server 20.04版本https://releases.ubuntu.com/20.04.6/ 2. 在vmware下安装Ubuntu 3. 改Ubuntu静态IP $ sudo vi /etc/netplan/00-installer-config.yaml# This is the network config written by ‘subiquity’ network: renderer: networkd eth…...

重构艺术 | 如何优雅地“提炼函数“

在工作中总数遇到非常多的长代码&#xff0c;俗称“屎山”&#xff0c;这类代码读起来特别费劲。自己想重构一遍&#xff0c;但是总感觉缺乏经验指导&#xff0c;因此&#xff0c;多读书&#xff0c;读好书可能是最优解之一。读《重构改善即有代码的设计》有感&#xff0c;便写…...

[项目]基于RT-Thread的CAN通信仪表盘显示屏: 一.项目概述与软硬件说明

基于RT-Thread的CAN通信仪表盘显示屏: 一.项目概述与软硬件说明 一.项目概述二.硬件与软件资源 一.项目概述 功能结构图&#xff1a; 通过上位机发出模拟CAN数据给协议转换板&#xff0c;协议转换板将CAN协议数据转换为迪文屏数据&#xff0c;并通过迪文数据控制相关性质。 …...

如何查看自己 Android App 的私有数据?从 `adb backup` 到数据提取全过程

&#x1f6e0;️ 如何查看自己 Android App 的私有数据&#xff1f;从 adb backup 到数据提取全过程 &#x1f4cc; 前言&#xff1a;作为一名 Android 开发者&#xff0c;我常常想知道自己写的 App 在用户设备上的数据存储结构是怎样的&#xff0c;比如有没有数据写入成功、有…...

Windows中xxx.dll动态链接库文件转xxx.a静态库文件

最近在学习探索C/C程序代码中调用Python代码时&#xff0c;出现了一个问题&#xff1a;下载的程序库文件&#xff0c;在使用MinGW编译C/C的代码时&#xff0c;一直提示无法链接&#xff0c;才发现是库类型不对应&#xff0c;无法导入链接。 上图所示的Python对应库&#xff0c;…...

用Java NIO模拟HTTPS

HTTPS流程 名词解释&#xff1a; R1:随机数1 R2:随机数2 R3:随机数3 publicKey:公钥 privateKey:私钥 step1 客户端 client hello R1 服务端 server hello R2 publicKey(验证证书&#xff0c;证书包含公钥) step2 客户端 R3 publicKey加密 服务端 privateKey解密 s…...

基于YOLOv8的火车轨道检测识别系统:技术实现与应用前景

✨个人主页欢迎您的访问 ✨期待您的三连 ✨ ✨个人主页欢迎您的访问 ✨期待您的三连 ✨ ✨个人主页欢迎您的访问 ✨期待您的三连✨ ​​​ ​​​​​​​​​ ​​ 1. 引言&#xff1a;火车轨道检测领域概述 铁路运输作为国民经济的大动脉&#xff0c;其安全运行至关重要…...

解决 Ubuntu 上 Docker 安装与网络问题:从禁用 IPv6 到配置代理

解决 Ubuntu 上 Docker 安装与网络问题的实践笔记 在 Ubuntu&#xff08;Noble 版本&#xff09;上安装 Docker 时&#xff0c;我遇到了两个常见的网络问题&#xff1a;apt-get update 失败和无法拉取 Docker 镜像。通过逐步排查和配置&#xff0c;最终成功运行 docker run he…...

DVDFab Virtual Drive电脑DVD备份和制作软件 v13.0.3.7 中文绿色便携

前言 DVDFab Virtual Drive是一个很厉害的光盘处理软件&#xff0c;它能帮你做几件事情&#xff1a;复制你的DVD或蓝光光盘作为备份&#xff0c;把这些光盘里的内容转换成其他格式&#xff0c;还能把视频文件刻录到DVD或蓝光光盘上。这个软件很灵活&#xff0c;能处理像DVD、蓝…...

FISCO BCOS区块链Postman接口测试:高级应用与实战技巧 [特殊字符]

引言:为什么Postman是FISCO BCOS测试的利器? 在区块链开发领域,接口测试是确保系统稳定性和安全性的关键环节。作为国产领先的联盟链平台,FISCO BCOS在金融、政务、供应链等多个领域得到广泛应用。而Postman作为一款功能强大的API测试工具,凭借其直观的图形界面和丰富的测…...

a sort.py demo

这份代码展示了如何使用 sort.py。注意&#xff0c;此处&#xff0c;我将文件名改为 my_sort.py。 你并不能直接 copy 使用&#xff0c;因为环境&#xff0c;包&#xff0c;还有模型。 此处使用 SSD-MobileNetv2 进行物体检测&#xff0c;将结果传入以 np 数组的形式传入sort…...

Linux 入门八:Linux 多进程

一、概述 1.1 什么是进程&#xff1f; 在 Linux 系统中&#xff0c;进程是程序的一次动态执行过程。程序是静态的可执行文件&#xff0c;而进程是程序运行时的实例&#xff0c;系统会为其分配内存、CPU 时间片等资源。例如&#xff0c;输入 ls 命令时&#xff0c;系统创建进程…...

学习如何设计大规模系统,为系统设计面试做准备!

前言 在当今快速发展的技术时代&#xff0c;系统设计能力已成为衡量一名软件工程师专业素养的重要标尺。随着云计算、大数据、人工智能等领域的兴起&#xff0c;构建高性能、可扩展且稳定的系统已成为企业成功的关键。然而&#xff0c;对于许多工程师而言&#xff0c;如何有效…...

前端防御性编程

关于防御性编程 你是否遇到过&#xff0c;接口请求失败或者返回数据错误&#xff0c;导致系统白屏或者前端自身写的代码存在一些缺陷&#xff0c;导致整个系统不够健壮&#xff0c;从而导致系统白屏 常见的问题与防范 最常见的问题 访问了null或者undefined的属性 null.a …...

Java工具类-assert断言

我们可能经常在项目的单元测试或者一些源码中看到别人在使用assert关键字&#xff0c;当然也不只是Java语言&#xff0c;很多编程语言也都能看到&#xff0c;我们大概知道断言可以用于测试中条件的校验&#xff0c;但却不经常使用&#xff0c;本文总结了Java中该工具类的使用。…...

215. 数组中的第K个最大元素

1、题目分析 顾名思义。 2.算法原理 利用排序&#xff0c;再找到第k个最大的数字即可。 3.代码实操 class Solution { public:int findKthLargest(vector<int>& nums, int k) {sort(nums.begin(),nums.end());return nums[nums.size()-k];//123456真的方便啊} };…...

【2025年泰迪杯数据挖掘挑战赛】B题 详细解题思路+数据预处理+代码分享

目录 2025年泰迪杯B题详细解题思路问题一问题分析数学模型Python代码Matlab代码 问题二问题分析数学模型Python代码Matlab代码 问题三问题分析数学模型Python代码Matlab代码 问题四问题分析数学模型Python代码Matlab代码 2025年泰迪杯B题详细解题思路 初步分析整理了B题的赛题分…...

对shell脚本敏感命令进行加密执行

我要加密这条命令&#xff1a;rm /root/scripty.sh 如何利用openssl aes-256-cbc 实现加密和解密&#xff0c;并执行命令 加密、解密并执行命令的完整流程 以下是使用 openssl aes-256-cbc 加密命令 rm /root/scripty.sh&#xff0c;解密并执行的详细步骤&#xff1a; 1. 加密…...

SQL ⑦-索引

索引 索引是一种特殊的数据结构&#xff0c;它帮助数据库系统高效地找到数据。 索引通过一定的规则排列数据表中的记录&#xff0c;使得对表的查询可以通过对索引的搜索来加快速度。 索引好比书籍的目录&#xff0c;能帮助你快速找到相应的章节。 B树 B树是一种经常用于数…...

LinkedBlockingQueue使用场景有哪些

1、LinkedBlockingQueue 的特点 LinkedBlockingQueue 是 Java 中 java.util.concurrent 包下的一种阻塞队列&#xff0c;它有以下几个主要特点&#xff1a; 1.线程安全 LinkedBlockingQueue 是线程安全的&#xff0c;它内部使用了锁机制来确保多线程环境下的并发访问不会导致…...

关于难例损失函数小记

什么是难例损失函数&#xff08;Hard Example Loss Function&#xff09; 这玩意儿是深度学习训练中非常重要又很实用的一个概念&#xff0c;特别适用于处理 数据不平衡、模型收敛缓慢、或者**想让模型更“挑剔”**的场景。 &#x1f31f; 先从名字讲起&#xff1a; “难例”…...

小程序开发指南

小程序开发指南 目录 1. 小程序开发概述 1.1 什么是小程序1.2 小程序的优势1.3 小程序的发展历程 2. 开发准备工作 2.1 选择开发平台2.2 开发环境搭建2.3 开发模式选择 3. 小程序开发流程 3.1 项目规划3.2 界面设计3.3 代码开发3.4 基本开发示例3.5 数据存储3.6 网络请求3.7 …...

RCE漏洞学习

1&#xff0c;What is RCE&#xff1f; 在CTF&#xff08;Capture The Flag&#xff09;竞赛中&#xff0c;RCE漏洞指的是远程代码执行漏洞&#xff08;Remote Code Execution&#xff09;。这类漏洞允许攻击者通过某种方式在目标系统上执行任意代码&#xff0c;从而完全控制目…...

青少年编程考试 CCF GESP图形化编程 三级认证真题 2025年3月

图形化编程 三级 2025 年 03 月 一、单选题&#xff08;共 15 题&#xff0c;每题 2 分&#xff0c;共 30 分&#xff09; 1、2025 年春节有两件轰动全球的事件&#xff0c;一个是 DeepSeek 横空出世&#xff0c;另一个是贺岁 片《哪吒 2》票房惊人&#xff0c;入了全球票房榜…...

一、绪论(Introduction of Artificial Intelligence)

写在前面&#xff1a; 老师比较看重的点&#xff1a;对问题的概念本质的理解&#xff0c;不会考试一堆运算的东西&#xff0c;只需要将概念理解清楚就可以&#xff0c;最后一个题会出一个综合题&#xff0c;看潜力&#xff0c;前面的部分考的不是很深&#xff0c;不是很难&…...

多模态大语言模型arxiv论文略读(十五)

## Jailbreaking GPT-4V via Self-Adversarial Attacks with System Prompts ➡️ 论文标题&#xff1a;Jailbreaking GPT-4V via Self-Adversarial Attacks with System Prompts ➡️ 论文作者&#xff1a;Yuanwei Wu, Xiang Li, Yixin Liu, Pan Zhou, Lichao Sun ➡️ 研究机…...

漏洞报告:多短视频平台时间差举报滥用漏洞

漏洞标题&#xff1a;跨平台内容发布时序漏洞导致的恶意举报攻击向量 漏洞类型&#xff1a;逻辑缺陷/滥用机制 漏洞等级&#xff1a;中高风险 漏洞描述&#xff1a; 攻击者可利用多平台内容发布时间差&#xff0c;伪造原创证明对合法内容发起恶意举报。该漏洞源于平台间缺乏发…...

【LINUX】学习宝典

一.Linux系统常用单词翻译 1.new folder 新建文件夹 2.paste 粘贴 3.select all 全选 4.open in terminal 打开终端/命令行 5.keep aligned 保持对齐 6.organize deaktop by name按名称组织桌面 7.change background更改背景 8.cancel 取消 9.create创造 创建 10.wal…...

青少年编程考试 CCF GESP图形化编程 四级认证真题 2025年3月

图形化编程 四级 2025 年 03 月 一、单选题&#xff08;共 10 题&#xff0c;每题 2 分&#xff0c;共 30 分&#xff09; 1、2025 年春节有两件轰动全球的事件&#xff0c;一个是 DeepSeek 横空出世&#xff0c;另一个是贺岁片《哪吒 2》票房惊人&#xff0c;入了全球票房榜…...

学习海康VisionMaster之平行线查找

一&#xff1a;进一步学习了 今天学习下VisionMaster中的平行线查找&#xff0c;这个还是拟合直线的衍生应用&#xff0c;可以同时测量两条线段&#xff0c;输出中线 二&#xff1a;开始学习 1&#xff1a;什么是平行线查找&#xff1f; 按照传统的算法&#xff0c;必须是开两…...