【图论 DFS 换根法】3772. 子图的最大得分|2235 给你一个 无向树 ，它包含 n 个节点，编号从 0 到 n - 1。树由一个长度为 n - 1 的二维整数数组 edges 描述，其中 edges[i] = [ai, bi] 表示在节点 ai 和节点 bi 之间有一条边。另给你一个长度为 n 的整数数组 good，其中 good[i] 为 1 表示第 i 个节点是好节点，为 0 表示它是坏节点。定义 子图 的 得分 为子图中好节点的数量减去坏节点的数量。对于每个节点 i，找到包含节点 i 的所有 连通子图 中可能的最大得分。返回一个长度为 n 的整

阅读 2.6k

91赞

收藏 53
[简化版 GAMES 101] 计算机图形学 03：线性代数下 本文介绍了计算机图形学中的核心数学工具——向量叉乘与矩阵运算。向量叉乘的结果是垂直于原平面的新向量，通过右手定则确定方向，在图形学中用于构建三维坐标系和判定几何关系。矩阵运算则是图形变换的基础，包括平移、旋转等操作，需注意其不满足交换律的特性。文章还介绍了特殊矩阵（单位矩阵、逆矩阵）和向量运算的矩阵形式，为后续图形变换学习奠定基础。这些线性代数知识是理解图形学算法的关键，掌握后能更好地应对三维图形处理和相机运动模拟等进阶内容。

阅读 1.9k

72赞

收藏 66
数学建模--在新能源汽车研发测试中的革命性应用 电池荷电状态（SOC）是新能源汽车能量管理的核心参数。#数学建模 #动力电池 #电驱系统 #数字孪生 #量子计算 #工业软件 #测试验证 #性能优化。：某型号电机通过该方案将48阶次噪声从65dB(A)降至52dB(A)：宁德时代通过该方案将热失控测试项目减少42%，开发周期缩短6个月。：某车型风阻系数从0.28降至0.23，续航提升9%：测试样本量减少70%，置信度保持95%+：内点法（IPM）实时求解速度<10ms。：在UDDS工况下，SOC估计误差<2%：转速响应时间<0.1s，转矩波动<3%

阅读 8.8k

117赞

收藏 77
【优选算法必刷100题】第031~32题（前缀和算法）：连续数组、矩阵区域和 ​。

阅读 3.1k

103赞

收藏 79
体系化AI开发方案：豆包新模型矩阵与PromptPilot自动化调优平台深度解析 豆包模型矩阵，通过差异化的模型组合，为开发者提供了兼顾深度、速度和广度的灵活选择，满足了不同场景下对资源和性能的精细化要求。，则直面AI应用开发中最棘手的“最后一公里”问题——如何高效、持续地优化模型在真实业务中的表现。它通过将人工反馈、自动化迭代和知识库深度融合，为Prompt工程提供了一套科学、高效的解决方案。总体而言，火山引擎发布的这套“组合拳”，展现了其从技术提供者向应用赋能者转变的清晰思路。

阅读 9.8w

94赞

收藏 75
收藏！AI大模型浪潮来袭，小白程序员如何抓住新职业风口？ AI时代不是“末世”，而是“重新洗牌”。窗口期大约还有3-5年，传统企业需要懂数字化的人过渡，新兴企业需要“懂业务+懂AI”的复合型人才。对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？答案只有一个：人工智能（尤其是大模型方向）当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；

阅读 44

2赞

收藏 3
矩阵的奇异值分解（SVD）及其在计算机图形学中的应用 奇异值分解（SVD）是一种重要的矩阵分解方法，将矩阵分解为旋转、缩放和另一旋转的组合。本文介绍了SVD的基本理论、计算步骤和数值算法（包括QR算法和Jacobi算法），并重点探讨了其在计算机图形学中的应用，如图像压缩与去噪、几何变换分解、动画运动数据优化以及光照模拟等。SVD通过提取矩阵的主要方向和能量分布，为计算机图形学中的数据处理和分析提供了有效工具。随着技术的发展，SVD将在更多图形学领域发挥重要作用。

阅读 2.3k

103赞

收藏 84
3动态规划进阶：序列DP深度解析 序列DP是动态规划中最常见和重要的类别之一，主要处理字符串、数组等序列上的问题。这类问题通常涉及子序列、子串、编辑距离等操作，是面试和竞赛中的高频考点。dp[i][j]：text1前i个字符和text2前j个字符的LCS长度dp[i][j]：word1前i个字符转换为word2前j个字符的最少操作数dp[i][j]：字符串s[i:j+1]的最长回文子序列长度定义状态dp[i]表示以第i个元素结尾的某种性质dp[i][j]表示子序列/子串s[i:j+1]的性质初始化基础情况：空字符串、单个字符等。

阅读 884

24赞

收藏 15
提示工程架构师带你玩转提示系统需求追踪矩阵 提示系统需求追踪矩阵（Prompt System Requirements Traceability Matrix，简称PRTM）是连接提示工程全生命周期中需求、设计、实现与验证的核心枢纽。它通过结构化表格，将用户需求、业务规则、提示规范、测试用例等关键元素关联起来，形成可追溯、可验证、可维护的提示工程骨架。想象PRTM如同提示系统的"基因图谱"：记录着AI行为的每一个"遗传因子"（需求）如何转化为"DNA序列"（提示词），并通过"基因检测"（测试用例）确保其表达正确。

阅读 936

12赞

收藏 25
线性代数 - LU分解（LU-Factorization、LU Decomposition） flyfish

阅读 1.5k

15赞

收藏 25
[动态规划问题详解] 动态规划是一种高效算法设计方法，通过分解问题为重叠子问题并存储子问题解来避免重复计算。其核心思想包括最优子结构、重叠子问题和无后效性。解题遵循五个步骤：定义状态、确定转移方程、初始化边界、确定遍历顺序和计算结果。典型应用包括斐波那契数列、最大子数组和、不同路径和背包问题。优化技巧包括空间压缩、状态合并等。学习建议从基础模型入手，逐步进阶，注重手动推导和对比分析。动态规划的关键在于准确的状态定义和高效的状态转移。

阅读 1.1k

20赞

收藏 17
（C题｜NIPT 的时点选择与胎儿的异常判定）2025年高教杯全国大学生数学建模国赛解题思路|完整代码论文集合 本文针对2025年高教杯数学建模国赛C题，重点分析了胎儿Y染色体浓度与孕妇指标的相关性。通过数据预处理筛选男胎样本，建立了多元线性回归模型探讨Y染色体浓度与孕周数、BMI等指标的关系。研究采用Pearson相关系数和显著性检验评估变量关联性，并考虑非线性关系的可能性。数据可视化展示了关键变量间的分布与趋势。模型采用最小二乘法进行参数估计，为后续分组优化和时点选择提供理论基础。研究结果为深入理解Y染色体浓度的影响因素提供了量化依据。

阅读 3.5k

32赞

收藏 28
作者推荐
格图素书
绰约多逸态，轻盈不自持。常矜绝代色，复恃倾城姿。
关注
优化中……
欲买桂花同载酒，终不似，少年游。
关注
算法阿诺
学术大份产出者
关注
王老师青少年编程
具有15年以上IT行业教学经验，在Linux、C++、Python、Scratch、网络安全等领域有丰富从业经验。教学理念：助力每一个学生更好的成长！（提醒：想学习信奥赛完整体系课程的，请关注老师个人主页中的课程）
关注
罗湖老棍子
老混子的救赎之路，前互联网三流pm，现某中学不入流信息技术老师
关注
无敌憨憨大王
这个人很菜，什么都不会写
关注
TK云大师-KK
TK云大师-专业的TikTok矩阵系统
关注
_Equinox
分享学习过程 随着学习的深入，之前的博客会不定期重构 以后闲了会搭建个人blog进行迁移
关注
烟锁池塘柳0
天行健，君子以自强不息；地势坤，君子以厚德载物。
关注
@我漫长的孤独流浪
计算机专业的应届藏族大学生，初入技术领域，正在努力学习C++、数据库、python等知识。渴望积累实践经验，在CSDN中记录成长经验，向各位前辈学习
关注