zhangxixi的博客

电路 学习笔记 电压 电流 参考方向（电压）：人为假设的 参考电流 i=I, i = -I 因为对于复杂电路方向是不知道的，所以要人为假设 KVL（基尔霍夫电压定律） （本质是回路的电压方程） 考虑一个回路： 我们考虑选取一个点开始，然后顺时针转 方向一致：由+到- U1+U2−Us=0U_1+U_2-U_s=0 U1​+U2​−Us​=0 可以变形： IR1+IR2=UsIR_1+IR_2=U_s IR1​+IR2​=Us​ KCL 基尔霍夫电流定律 考虑以下的这个电路 I2+I3=I1I_2+I_3=I_1 I2​+I3​=I1​ 流出节点电流 = 流入节点电流 这...

内存与HBM 学习笔记 内存 Cpacitor：储能装置、也可以存储信息（有电为1，没电为0） 实际：一个电极是圆筒，另一个电极是一个小孔 然后配备一个闸门，这个闸门是一个晶体管 晶体管Gate在有外电压时就导通了 这就是1T1C结构（1 Transistor - 1 Capacitor） 每个电容都引出这样一条线叫Bitline 再用一条线控制的是Transistor的电压，叫做Wordline 把两排Capacitor的Bitline连在一起，在这个时候同一时刻智能有一条Wordline有电压 DDR5内存：66536Wordline，8192Bitline。这样一个阵列叫做一个Ba...

Academic Words of Biology 1 (Compulsory 1) English 中文 cytoplasm 细胞质 nucleus 细胞核 cell membrane 细胞膜 cell wall 细胞壁 organelle 细胞器 mitochondrion 线粒体 chloroplast 叶绿体 ribosome 核糖体 endoplasmic reticulum 内质网 Golgi apparatus 高尔基体 lysosome 溶酶体 vacuole 液泡 cytoskeleton 细胞骨架 p...

深度学习 学习笔记2 循环神经网络 基本RNN 应用场景：专门用于处理序列数据（如时间序列、语音、自然语言文本） 本质特征：拥有“记忆” ht=f(Wxt+Uht−1+b)h_t=f(Wx_{t}+Uh_{t-1}+b) ht​=f(Wxt​+Uht−1​+b) W和U在所有时间步中是共享的（可以减少参数量） 问题：长距离依赖问题 Deep RNN 在垂直方向堆叠多个RNN隐藏层 Bi - RNN 包含两个独立的RNN，一个按时间正序，一个按时间逆序，最后将二者的隐藏状态拼接输出 场景：要有完整上下文，不能实时预测 门控循环单元与长短期记忆网络 LSTM 为了解决...

深度学习 学习笔记1 深度学习基础 机器学习基础 核心：具有自学习能力 本质：通过数据来产生模型 学习到的模型在面对经验中没有出现的情况时，也能提供相应的判断或预测（泛化） 分类： 监督学习（标签），有老师、标准答案 无监督学习（“自己发现”） 强化学习（奖励和惩罚机制） 数据准备与预处理 数据收集 需要注意数据的代表性和多样性，来保证模型在位置数据上的表现，即繁华能力 数据清洗 处理缺失值、异常值、噪声、重复数据 特征工程 标准化：为了消除特征之间不同量纲导致的取值范围差异的影响。 特征选择：去掉某些对输出结果没有影响的特征，减少数据的维度 数据集的划分 训练...

量子力学基本概念 光的波粒二象性 黑体辐射 所有物体都能发射出热辐射，这种辐射是一定波长范围的电磁波 如果一个物体吸收所有辐射，而无反射，这就叫绝对黑体（黑体） 人为构造： 小口入光，内壁是强吸收材料 能量辐射：不断吸收能量，那样子黑体的能量会不断增加，那样子黑体到后面也会有能量出来 会达到一定的平衡，而平衡时波长分布肯定是稳定的： 实验测出来的波长分布是实线。两个公式，分别可以解释低频和高频。 最后普朗克Plank给出了一个公式，吻合： ρvdv=8πhν3c3⋅1ehνkBT−1dv\rho _vdv=\frac{8\pi h\nu ^3}{c^3}\cdot\frac{1}{e...

容斥思想辅助mex计数+CDQ分治：26暑杭电 3-11 1011 Mex 感觉这道题最巧妙的地方是，用每个位置 iii 去计算对答案的贡献。 也就是钦定0、1、2、3个为位置为mex，然后用容斥计算是否可行 0个位置的贡献为1（即全选） 1个位置的话有 nnn 种，而且显然合法 2个位置，有 (n2)\binom n 2(2n​) 种。不合法的情况是形成三维偏序。 3个位置，有 (n3)\binom n 3(3n​) 种，不合法的情况是形成二维偏序，根据容斥，要加回三维偏序。 于是总方案为： 1+n+(n2)−∑iABC(i)+(n3)−∑i((AB(i)2)+(AC(i)2)+(B...

Academic Words of Maths 2 English 中文 adjont(adjugate) of matrix A A的伴随矩阵 augmented matrix A A的增广矩阵 block diagonal matrix 块对角矩阵 block matrix 块矩阵 basic solution set 基础解集 Cauchy inequality 柯西不等式 characteristic polynomial 特征方程 coefficient matrix 特征多项式 cofactor 代数余子式 cofactor ...

高等数学速通 笔记4 第十章 重积分 二重积分的概念与性质 二重积分：∫∫Df(x,y)do\int\int_Df(x,y)do∫∫D​f(x,y)do 表示曲顶柱柱体的体积 若区域关于 xxx 周对称且 fff 对 yyy 为奇函数，则积分为0 若为偶函数，则积分为上半去的两倍 二重积分直角坐标计算（X-型） X-型区域：xxx 从 aaa 到 bbb，每个 xxx 对应 yyy 从 y1(x)y_1(x)y1​(x) 到 y2(x)y_2(x)y2​(x) 积分公式： ∫∫Df dxdy=∫abdx∫y1(x)y2(x)f dy\int\int_Df\,dxdy=\int_a^bd...

高等数学速通笔记 3 第八章 向量代数和空间解析几何 向量的数量积（点积） 定义 a⃗⋅b⃗=∣a⃗∣∣b⃗∣cos⁡θ\vec{a}\cdot \vec{b}=|\vec{a}||\vec{b}|\cos\thetaa⋅b=∣a∣∣b∣cosθ 结果为数量。 坐标运算：对应分量相乘再相加。 可以用来求夹角、判断垂直、计算投影。 夹角：cos⁡θ=a⃗⋅b⃗∣a⃗∣∣b⃗∣\cos\theta=\dfrac{\vec{a}\cdot\vec{b}}{|\vec{a}||\vec{b}|}cosθ=∣a∣∣b∣a⋅b​ 垂直点积为0 投影为 a⃗⋅b⃗∣b⃗∣\dfrac{\vec{a}...