过了快一年半，又再次接触到了《离散数学》这门课。与之前学习《线性代数》、《概率论》时那种“过了就行”的心态相比，现在我对数学慢慢开始有了敬畏的心理，可能是最近搞深度学习被各种数学公式折磨够了吧。而且，从主观感受上来说，《离散数学》这门课是最“返璞归真”的数学课，它用数学符号把世界上各种事物抽象成数学符号，用一种“理想的形式”来研究世界。我记得《离散数学（一）》的老师说过，世界是连续的，但是计算机底

2 2.1 已知关系R、W、D如下所示： RRR P Q T Y 2 b c d 9 a e f 2 b e f 9 a d e 7 g e f 7 g c d WWW T Y B c d m c d n d f n DDD T Y c d e f 给出下列运算的结果： R1=πY,

本文版权为原作者（解凯华）所有。 1.4 1.4.2 Description: Modify ThreeSum to work properly even when the int values are so large that adding two of them might cause overflow. Solution: 123456789101112131415161718

第一章 第二章 1、 Q：试述关系模型的完整性规则。在参照完整性中，什么情况下外码属性的值可以为空值？ A： 实体完整性规则：关系R的主属性不能是空或未知。 参照完整性规则：关系R的外码F要么是空值，要么是被参照关系的某个码值。 用户定义的完整性：某一具体应用的数据必须满足语义要求 在尚未给该关系设置参照时，此时外码F的值可以全部为空。 2、 A： （1) R1=TYcdefdeR_

最近忙着队里招新的事情，太忙了，将近一个月没有更新博客。今天突然想起来，写点博客来记录一下*《动手学深度学习》*的学习过程，这篇主要记录一下循环神经网络（RNN）。 回顾 其实**卷积神经网络（CNN）**的分量也不轻，毕竟在图像处理领域CNN是十分重要，但是没什么时间写了，只能委屈把CNN的内容写到RNN里，权当作为一个回顾和比较了。 线性神经网络 在书中，先是介绍了线性神经网络，利用线性神

零、数据对象的操作 在pytorch中，数据对象基本都可以用张量（实际上就是一个n维矩阵）来表达。 常见函数/方法： X.shape：返回一个列表，表示张量每个维度的长度 X.numel：返回张量中元素个数 X.reshape:重新设置张量各个维度大小，可以通过指定某个维度大小为-1来自动计算 torch.zeros or torch.ones：创建一个全零张量or创建一个全1张量 torch

前段时间在写C#脚本时遇到了一些问题，具体是啥问题我现在也忘了，但是我还是发现了出现问题的原因，就是C#中虚函数和实函数是存在区别的。 何为虚函数 在编程语言中，一个函数的相对地址在运行过程中是不会改变的。但是面向对象语言为了多态性，通常希望基类的函数在调用时能够灵活根据自己的实例类来灵活的执行函数，所以加入了虚函数这个东西。参考下列C#代码： 1234567891011121314151617

本文是看了b站up主乐正垂星的视频后写下的笔记（拖了足足三四个月吧），当时看的时候觉得大受震撼。可能看这篇博客不如直接看视频来的简明，但写下这篇博客仅仅是为了记录我学过这个定理。 回顾 在之前的博客中，介绍了中国剩余定理，该定理用数学表达为： 对于同余方程组 {x≡a1(mod  m1)x≡a2(mod  m2)⋯x≡an(mod  mn)\begin{cases} x\equiv a_1(\

前言 参考书籍：《C#图解教程》 一、C#编程概述 一个简单的C#程序 1234567891011using System;namespace Simple{ Class Program { static void main() { Console.WriteLine("Hello, Wor

前言 这两天疯狂复习计网，感觉终于把前后知识融会贯通起来，简单写一篇博客概况一下网络层的协议。此篇主要本着“前人栽树，后人乘凉”的想法讲述自己的理解，可能会有部分错误，敬请指正。 学院的计网教材是《数据通信与网络》 ，实在是有点难懂，所以自己去借了《计算机网络》（谢希仁）、《计算机网络自顶向下方法》，稍微学了一下哈工大的计网MOOC，这里推荐给读到这篇博客的读者。 后续看情况更新传输层或数据链