Technology Comes First

该博客记录了我看过的日常、温情类的日本动漫（动画+电影）。 我为每部动漫都配上图片（均来自网络，侵删）和简要评价（可能略有剧透）。 目录 Clannad：爱情/成长/人生 ReLIFE：成长/友情/爱情 工作细胞：日常/卖萌/医学科普 干物妹！小埋：日常/校园 月色真美：恋爱/校园 白色相簿：恋爱/校园 欢迎来到实力主义至上的教室：校园/推理/烧脑 Clannad 爱情/成长/人生 内容介绍 冈崎朋也凭借篮球特长进入高中；然而，他在和父亲的一次打架中右肩受伤，从此不能把右手举过肩，自然也得痛苦地放弃篮球梦。后来，他整天和基友阳平厮混在一起，没有梦想、常常翘课、喜欢打架，是一名不折不扣的“不良少年”。 古河渚是一名善解人意、从不为自己着想的女生。然而，她自小就体弱多病——因为长时间的疾病，高三时她甚至连毕业的出勤天数要求不都没有达到，不得不留级。作为留级生她，根本就交不到知心朋友，只能把这份痛苦默默藏在心底。 就在这樱花飞散的坡道上，他们两个邂逅了，从此彼此人生轨迹发生了天翻地覆的变化。 简评 我的读后感链接 Clannad 是我挚爱的神作！总共分为两部： 第一部讲的是冈 ...

线性代数 广泛应用在计算机专业的各个领域。由于是大一学的课，现在对矩阵的反应已经大不如前。 本文章旨在温故线性代数，总结经典定理和证明，提供给自己和读者一个快速复健的平台。 线性空间 设 VVV 是一个非空集合，FFF 是一个域，在 VVV 和 F×VF \times VF×V 上定义 加法 和 数乘 两种运算。 ⟨V:+⟩\langle V:+\rangle⟨V:+⟩ 是一个交换群（加法群），我们把其单位元记作 0\mathbf{0}0。 对于 ∀α,β∈V\forall \alpha,\beta \in V∀α,β∈V, ∀λ,μ∈F\forall \lambda,\mu \in F∀λ,μ∈F 以及域 FFF 的乘法单位元 1\mathbf{1}1，有： 1α=α\mathbf{1}\alpha=\alpha1α=α λ(μα)=(λμ)α\lambda(\mu\alpha)=(\lambda\mu)\alphaλ(μα)=(λμ)α (λ+μ)α=λα+μβ(\lambda+\mu)\alpha=\lambda\alpha+\mu\beta(λ+μ)α=λα+μβ λ(α ...

这一系列文章记录了我遇到过的一些 趣题。 文章内容 简介 奇思妙想 数学和计算机领域，通过小小思考后能豁然开朗的趣题。 概率和期望 数学和计算机领域，与概率和期望相关的趣题。 算法题精选-1 OI/ICPC 向的算法题，去其琐碎、留其精髓，望博君一笑。 算法题精选-2 OI/ICPC 向的算法题，相比上一期题意更简洁，出处往往不可考。 CEOI 2006 ANTENNA 题意：给出平面上的 nnn 个点，求一个最小圆使其能覆盖至少 kkk 个点。n≤500n \le 500n≤500。 题解：二分答案。依次枚举每一个点作为圆周上的点，此时合法的圆心位置是一个圆，别的点如果落在圆里则对应一段圆弧，排序后求交即可。复杂度是 O(N2log⁡Nlog⁡ans)O(N^2\log N\log ans)O(N2logNlogans)，Claris 博客 里也用了这种做法。 交换顺序，先枚举点再二分。每次先 check 当前的 ansansans 是否合法，如合法再继续二分。当我们打乱所有点后，期望只有 O(log⁡N)O(\log N)O(logN) 个点使答案 ...

This is the reading notes for Server-Driven Video Streaming for Deep Learning Inference. Iterative Workflow Stream A: Camera →\to→ uniform low quality video →\to→ server →\to→ inference & propose feedback regions →\to→ send feedback regions to camera Stream B: Camera →\to→ re-encode feedback regions in high quality →\to→ server →\to→ inference Note: By deriving feedback directly from the server-side DNN, it sends high-quality content only in the minimal set of relevant regions neces ...

2020.3∼2020.62020.3 \sim 2020.62020.3∼2020.6 上了《BS体系软件设计》这门课，最终决定用 Django + Vue 的架构完成课程设计。 不要说 Vue 了，js 和 css 我都一知半解，于是决定开坑速成。 vue 的基本函数 v-bind 属性绑定：<a v-bind:href="url"> ... </a> 也可以动态地绑定一个类 v-bind:class="{‘textColor‘:isColor} 因为很常用，可以完全省略这个词。 v-if 条件语句：v-if="seen" 后面可以接 v-else，v-else-if v-on 事件绑定：<button v-on:click="myclick">click me</button> 可以绑定多个：<v-on="{mouseenter:onenter,mouseleave:leave}" ...

这一系列文章记录了我遇到过的一些 趣题。 文章内容 简介 奇思妙想 数学和计算机领域，通过小小思考后能豁然开朗的趣题。 概率和期望 数学和计算机领域，与概率和期望相关的趣题。 算法题精选-1 OI/ICPC 向的算法题，去其琐碎、留其精髓，望博君一笑。 算法题精选-2 OI/ICPC 向的算法题，相比上一期题意更简洁，出处往往不可考 简单游走问题 题意：初始时你在数轴的位置 000 处，每单位时间能向左/右走一格。问第一次走到 111 的期望步数。 解法一：设 fif_ifi​ 表示正好向右走了 iii 步的期望。得 fi=12(fi−1+fi+1)+1f_i=\frac{1}{2}(f_{i-1}+f_{i+1})+1fi​=21​(fi−1​+fi+1​)+1 且 f0=0f_0=0f0​=0，联立化简后得 fi=2fi−1−fi−2−2(i≥2)f_i = 2f_{i-1}-f_{i-2}-2(i \geq 2)fi​=2fi−1​−fi−2​−2(i≥2)。继续化简得 fi=(3i−4)f1−(i−1)if_i=(3i-4)f_1-(i-1)i ...

这一系列文章记录了我遇到过的一些 趣题。 文章内容 简介 奇思妙想 数学和计算机领域，通过小小思考后能豁然开朗的趣题。 概率和期望 数学和计算机领域，与概率和期望相关的趣题。 算法题精选-1 OI/ICPC 向的算法题，去其琐碎、留其精髓，望博君一笑。 算法题精选-2 OI/ICPC 向的算法题，相比上一期题意更简洁，出处往往不可考 正方形里塞k个尽量大的相同形状 题意：给出正整数 kkk，要在一个正方形里塞 kkk 个相同的正方形/圆，问最多能塞多大的尺寸。 题解：这类问题被称为 Packing problems。很多 kkk 都还是开放问题，特别当 kkk 大的时候。Erich Friedman 整理了一个 Packing 合集，包括 正方形里塞圆 和 正方形里塞正方形。 非ww串的文法表达 题意：假设字符集是 {0,1}\{0,1\}{0,1}，用上下文无关语法表达出所有这样的字符串 SSS：S=xy,∣x∣=∣y∣,x≠yS=xy,|x|=|y|,x \ne yS=xy,∣x∣=∣y∣,x=y。 性质：假设字符串长度为 2n2n2n，则至少存 ...

[2021.08.01 更新：Adaboosting] 2020.4∼2020.62020.4 \sim 2020.62020.4∼2020.6 上了蔡登教授《数据挖掘导论》这门课，讲得硬核而严谨。 课程内容涉及机器学习入门的 topic，包括以下内容： 贝叶斯模型和线性分类器 非线性方法，包括 Kernel 和 神经网络 KNN，决策树和随机森林 聚类和降维 主题模型和矩阵分解 于是撰写此文，试图把一些 solid 的知识点总结下来。 Bayesian Decision Theory 在 Supervised Learning 里，通过对 Samples {(x1,ω1),…,(xn,ωn}\{(x_1,\omega_1),\dots,(x_n,\omega_n\}{(x1​,ω1​),…,(xn​,ωn​} 的训练，我们要做到对于每一个给出的 Sample xxx，预测它的标签 ω\omegaω。 由条件概率的知识，我们可以得到左下图的贝叶斯公式： 如果套用 Bayesian Decision Theory 的知识，我们要用贝叶斯公式来预测 P(ω∣x)P(\omega|x ...

2020.3∼2020.62020.3 \sim 2020.62020.3∼2020.6 上了赵洲教授《机器学习》这门课，大作业是选择一个深度学习的排行榜去刷 rank。 本文介绍 Text-to-SQL 领域的 CoSQL 数据集，并应用一些相关的深度学习方法测试准确率。 什么是 CoSQL CoSQL 全称 Conversational text-to-SQL，是耶鲁大学在 EMNLP2019 提出的 NLP 领域的数据集。 官方网站 。与经典的 text-to-SQL 任务（如 Spider）相比，CoSQL 的难度增加了不少： 为了模拟现实场景，用户的询问可能有多轮，要求系统有整合信息的能力。 系统生成 SQL 语句并得到查询结果后，要用自然语言反馈给用户。 用户与系统的多轮对话之间，可能需要 clarify ambiguous questions（如下图 Q3Q3Q3 和 R3R3R3）。 CoSQL 包含到 3k+ 组对话（216421642164 Train，292292292 Dev，551551551 Test），共计 10k+ 标注过的 SQL 询问 ...

在此分享一下我在 2020.4∼2020.62020.4 \sim 2020.62020.4∼2020.6 在浙江大学上的《算法设计与分析》这门课的内容。 这门课介绍了很多有趣的算法，我会挑一些新奇有趣的、以前没见过的 topic 分享。 可以把这篇文章和 趣题摘记 系列结合起来看。 Undecidable Problems 罗素悖论（Russell’s Paradox）是一个很著名的悖论：设集合 SSS 是由一切不属于自身的集合所组成（即 S={x∣x∉x}S=\{x|x \notin x\}S={x∣x∈/x}），那 SSS 属于 SSS 吗？ 我们通常用理发师悖论（The Barber paradox）去解释罗素悖论。假设城里只有一个理发师，且任何一个不能自己理发的人会由理发师帮他理发。定义 S(x)S(x)S(x) 为所有被 xxx 理发的人的集合，则 S(barber)={x∣x∉S(x)}S(barber)=\{x|x \notin S(x)\}S(barber)={x∣x∈/S(x)} 。但是 barber∈S(barber)barber \in S(barber)ba ...