其他
2024.9.28 模拟赛 CSP6
模拟赛 树剖 yyds T1 一般图最小匹配 简单 dp，水。(O(n^2)) 其实也是可反悔贪心的板子，可以 (O(nlog(n))) 做。 考虑排序后求差分数组，就变成不能选相邻的。然后就是可反悔贪心板子。 用双向链表（记录前驱后继）维护，然后放进堆里。 板 dp 贪心 T2 重定向 大力分讨，不停贪心。 细节处理挂 (30 pts)。 code T3 斯坦纳树 转化题意，
2024.9.25 多校 模拟赛
模拟赛 假做法上大分。 T1 几何 bitset 优化 dp。有空学，先挂个暴力。 code T2 分析 又是一道树上 dp。。。 发现问题和一笔画问题有点像，也就是如果一条路径能一笔画完就没有代价，每个点的度数都为偶数时能一笔画完，所以关键在度数为奇数的点的个数。 为了确定度数，我们先进行 A 操作，A 操作可以直接看成加重边，对于加完 A 操作的图，如果还存在奇数的点（一笔画不完），那么就
关于QEI(增量编码器)的verilog程序
关于QEI的Verilog程序其实比较简单的，但是opencores上没有现成的程序，FPGA4FUN上有一个4倍频计数程序[1]，但是没有一个详细原理分析过程，[2]描述了一个编码器的VHDL代码，但是觉得很复杂，为此我分析了一下增量编码器的旋转过程和AB相的电平变化规律，在这个基础上开发了QEI的Verilog程序，首先是码盘的简化图，实际上码盘的花纹图案可以做如下简化：A,B相产生脉冲， &
CF959F Mahmoud and Ehab and yet another xor task 题解
题目传送门 前置知识 线性基 解法 将操作离线下来，并按 ({ l }) 升序排序，接着顺序插入线性基并处理询问。 对于未成功插入线性基的元素 (k) 一定能被线性基内选出若干元素得到。故在 (x) 能被表出的情况下，设 (1 sim l) 中成功插入线性基的元素个数为 (siz)，对于剩下 (l-siz) 个元素选出若干个总方案数为 (2^{l-siz})，这 (2^{l-siz}) 种方案都存
获取IPV4或IPV6地址
上述代码可在虚机或容器环境下获取主机ip或pod ip 根据配置需要获取ipv4或ipv6地址（需要提前知道系统配置的是ipv4或ipv6地址） 如果有获取服务端口需要可通过下面方式获取：（这种方式适用springboot项目。如果是容器环境，要求通过环境变量设置了server.port才能获取的到。）
解决使用Navicat连接数据库时，打开数据库表很慢的问题
今天使用Navicat连接数据库时，发现不管表中数据多少，打开数据库表非常慢。 解决方法： Navicat - 右键编辑数据库连接 - 高级 - 勾选保持连接间隔 - 输入框设置为20 - 点击确定！ 参考文章：http
zabbix7proxy安装部署（基于almalinux9.4）
一.安装zabbix-proxy 1.下载软件仓库 rpm -Uvh https://repo.zabbix.com/zabbix/7.0/alma/9/x86_64/zabbix-release-7.0-2.el9.noarch.rpm dnf clean all dnf makecache 2.安装 dnf install -y zabbix-proxy-mysql zabbix-sql-sc
2024激活Typora，最新版本的1.9.5可用
目前最新版本 1.9.5 也是可以实现激活的 注：免修改注册表、不用修改时间，更不需要破解补丁 01、下载&安装 Typora从官网下载最新版本的 Typora，并安装 02、激活 Typora找到Typora安装目录，依次找到这个文件 resourcespage-diststaticjsLicenseIndex.**********.********.chunk.js 用记事本
利用git推送或拉取代码到远程仓库-整理知识点
1.注： 1）使用git remote add origin + 地址来增加远程仓库，链接远程git仓库时，使用HTTPS url，一般会结合PAT（personnal access token）进行身份认证， 而使用SSH地址，则不用。 2）使用git clone + 地址来克隆远程仓库（默认远程服务器origin）到本地并默认初始化本地仓库、建立本地分支main。 2.初始步骤： cd 本地项
洛谷题单指南-字符串-P1481 魔族密码
原题链接：https://www.luogu.com.cn/problem/P1481 题意解读：在n个字符串中找到最长的词链长度，定义字符串a、b、c可以形成词链，即a是b的前缀、b是c的前缀。 解题思路： 1、Trie树定义 Trie树，也称前缀树、字典树，核心思想是将字符串拆解为单个字符，每个字符是树的一条边，节点是字符添加到树中的顺序编号，这样可以避免冗余存储，同时也可以快速查找一个字符串
orancle数据恢复
诶，各位更新删除数据的时候一定要再三斟酌，一定要看仔细有没有带where或者执行之前先查一下。。。 一、orancle有一个数据回收站的功能，能够查询到你的历史数据，我们可以用这个数据还原 SELECT * FROM FSSCTEST.EXP_F_CONREIMB AS OF TIMESTAMP SYSDATE - 25 / (24 * 60) order by TASKID DES
Windows-WMI 事件 ID 10或0x80041003——解决过程
2024年10月8日 国庆节后，第一天上班，实验室里一台PC机出现故障，Windows7系统，可以正常启动进入安全模式，但是正常启动无法加载桌面，可以看见鼠标，Ctrl+Alt+Del无法调出任务管理器。 开始处理，进入安全模式，查看系统日志。 日志名称: Application 来源: Microsoft-Windows-WMI 日期:
学习python2.0
这两天白天都满课，傍晚才有私人时间。 今天学习了5.2字符串和编码： (1) ASCII，可以编码的是英文字母，数字和一些符号。 GB2312 编码，可以编码中文。 Unicode把所有语言都统一到一套编码里，比较方便，但是占用的存储空间大。 UTF-8编码可以省空间。 (2) ord() 函数获取字符的整数表示，chr() 函数把编码转换为对应的字符 ;encode()可以把str转化为byt
Pandas测试Excel文件：fillna()与strip()相互作用的影响
遇见的问题 np.nan被strip之后仍为nan，但是此nan无法被.fillna()处理，处理后仍然为nan 此时打印结果仍然是nan. 影响后续结果判断 先fillna()后试一下，显示结果中不再显示nan
vue3中使用markdown并且显示公式
vue3中使用markdown并且显示公式 最终效果如图 下面是代码 1.先安装依赖包 2.src下面创建文件utils/mathjax.js，文件内容如下 3.main.js 4.页面代码
【VMware vSphere】VMware vSphere 9 将有 vLCM 重大改进？
VMware Explore 2024 Las Vegas 大会现已经结束一段时间了，有关此次大会的所有视频也都上传到了 VMware Explore Video Library，大家如果有兴趣可以点击去查看这些会议的内容。我最近观看了“Simplified Lifecycle Management for VMware Cloud Foundation and VMware vSphere [V
vs code 不能跳转到指定函数
1、安装C/C++扩展。 2、把扩展C/C++：解决了，是拓展的设置不对，要把C_Cpp：Intelli Sense Engine 开关设置为 Default。 3、打开设置 4、重启vs code.
Centos7下非lvm的分区扩容
Centos7下非lvm的分区扩容（重要） 前言：一般在生产环境中，如果需要使用一个分区保存大量的文件，建议的做法是在虚拟化环境中增加一块单独的硬盘，挂载一个单独的分区，比如 /data 上图我们可以看到 sdb 整块硬盘 为150G ，但是 sdb1的分区 只有100G 挂载点为 /data ,现在 需要把剩下的 50G 也给到
package.json 添加离线一键打包命令 `jar xvf node_modules.zip`
要有jar命令 原理很简单 --------------------------------------------- 生活的意义就是你自己知道你要做什么，明确目标。没有目标，后面都是瞎扯！ https://pengchenggang.gitee.io/navigator/ SMART原则: 目标必须是具体的（Specific） 目标必须是可以衡量的（Measurable） 目
Kerberos (I): How does Kerberos work? – Theory
https://www.tarlogic.com/blog/how-kerberos-works/
简单理解pandas的groupby函数
pandas中的groupby函数，可以对数据进行分组，然后对分组后的数据进行聚合操作，比如求和、平均值、最大值、最小值等。平时使用groupby处理后，通常使用aggregate函数进行聚合操作。其实，groupby分组之后的聚合操作方法还很多，具体可以参考官方文档。 1. 读取数据 dataframe=pd.DataFrame({'name':['Joe','Jim','Henry','Sam
基于模糊神经网络的移动机器人路径规划matlab仿真
1.程序功能描述基于模糊神经网络的移动机器人路径规划 1.环境地图中的障碍物为静态、未知障碍物，可以随机设置。（一般设置5~7个，为计算简便设置成规则性状的障碍物） 2.机器人的行进方向为X轴的正方向，X轴逆时针旋转90°即为Y轴。两驱动轮之间的距离为50cm，驱动轮的直径为30cm。机器人的最大运动速度设为0.8m/s 3.为简化计算，在机器人的正前方及沿顺、逆时针各偏转45°的方位布置传感器。
向量检索-PQ乘积量化算法
暴力检索痛点： 1.需要遍历向量 2.占用存储空间大 解决： 对高维embedding进行划分。例如128维度的embedding划分为4个32维的区域。 对每个区域向量进行聚类，假设256类。那么一个128维度的向量就可以量化为一个4维向量，每一维度取值为0-255 检索：对新输入的向量，计算其量化编码，快速定位到局部区域。计算与局部区域向量的距离。 假设有1w个向量。原本需要与1w个
LearnFast.ai：用AI高效解决数学和物理难题的体验分享
摘要：最近，我在使用一款名叫 LearnFast.ai 的工具，帮助我快速解决数学和物理问题。作为一个基于 GPT-4o API 的解题工具，它的实时响应和多格式支持让我在学习中事半功倍。无论是高中生、大学生还是自学者，这款工具都可以成为解决复杂问题的好帮手。 什么是LearnFast.ai？ 作为一名经常与数学和物理难题“斗智斗勇”的人，我时常在寻求更高效的解题工具。LearnFast.ai 正