# 矩阵树定理 > 本文不作为教学向文章。 > > 比较好的文章参考： > > - [矩阵树-定理以及凯莱公式](https://zhuanlan.zhihu.com/p/593934554) > > - [【学习笔记】矩阵树定理（Matrix-Tree）_繁凡さん的博客-CSDN博客](https
# 计算几何 ## 向量 > 高一知识，略讲。 #### 向量外积 若 $\vec x = (x_1, y_1), \vec y = (x_2, y_2)$，则有 $\vec x \times \vec y = x_1 y_2 - y_1 x_2$。 或者表示为 $|\vec x||\vec y|
后缀排序 本文不作为教学向文章。 开篇膜拜 Pecco：算法学习笔记(84): 后缀数组 - 知乎 (zhihu.com) 有些时候，其实 \(O(n \log^2 n)\) 的排序也挺好。又短又简单。 其中 \(rk[i]\) 表示从第 \(i\) 个字符开始的后缀的排名，\(sa[i]\) 表示
筛法 本文不作为教学向文章。 线性筛 线性筛是个好东西。一般来说，可以在 \(O(n)\) 内处理几乎所有的积性函数。 还可以 \(O(n)\) 找出所有的质数……（废话 杜教筛 放在偏序关系 \((\Z, |)\) 中卷积…… 如何快速的求 \(S(n) = \sum_{i = 1}^n f(i)
# 狄利克雷卷积和莫比乌斯反演 > 看了《组合数学》，再听了学长讲的……感觉三官被颠覆…… [TOC] ## 狄利克雷卷积 如此定义： $$ (f*g)(n) = \sum_{xy = n} f(x)g(y) $$ 或者可以写为 $$ (f * g)(n) = \sum_{d | n} f(d) g
杂项 目录杂项代码规范算法优化的本质记忆化搜索基于边的记忆化动态规划树上每一个点求答案计数题关于仙人掌 DAG 的拓扑序计数关于微扰贪心的证明组合数前缀和单位根反演\(O(n^2)\) 状态求和矩形式子求和\(O(n^2)\) 状态 \(O(n)\) 单点问题CDQ 分治FFT 循环卷积根号多项式算
# 林学长讲课笔记 ## 极限 $\lim_{x \to x_0} f(x)$ 考虑运算法则： - 一般来说，函数的和差商积的极限等于函数的极限的和差商积。 但是例外： $$ \lim_{x \to 3} \frac {x - 3}{x^2 - 9} $$ 考虑极限约去 $x - 3$ 得到： $$
学习kubernetes亲和性的关键知识点
前言 最近一直在忙（2月份沉迷steam，3月开始工作各种忙），好久没更新博客了，不过也积累了一些，忙里偷闲记录一下。 这个需求是这样的，我之前做了个工单系统，现在要对登录、注册、发起工单这些功能做限流，不能让用户请求太频繁。 从 .Net7 开始，已经有内置的限流功能了，但目前我们的项目还在使用
## 前言 对于Web API应用程序而言，随着时间的推移以及需求的增加或改变，API必然会遇到升级的需求。事实上，Web API应用程序应该从创建时就考虑到API版本的问题。业务的调整、功能的增加、接口的移除与改名、接口参数变动、实体属性的添加、删除和更改等都会改变API的功能，从而带来版本的变更
## 前言 此前，我在做跨语言调用时，用的是 Facebook 的 Thrift，挺轻量的，还不错。 >Thrift是一种接口描述语言和二进制通讯协议，它被用来定义和创建跨语言的服务。它被当作一个远程过程调用（RPC）框架来使用，是由Facebook为“大规模跨语言服务开发”而开发的。它通过一个代码
## 前言 我在使用 AspNetCore 的这段时间内，看了很多开源项目和博客，发现各种 .Net 体系的新技术很多人都有关注和使用，但却很少有人关注测试。 测试是软件生命周期中的一个非常重要的阶段，对于保证软件的可靠性具有极其重要的意义。在应用程序的开发过程中，为了确保它的功能与预期一致，必须对
## 前言 之前我写过一篇使用 docker 部署 AspNetCore 应用的文章，这种方式搭配 CICD 非常方便， build 之后 push 到私有的 dockerhub ，在生产服务器上 pull 下来镜像就可以直接运行了。 然而，有时需要一种更传统的部署方式，比如在本地打包可执行文件之后
查询结果导出到文件 终端命令下直接导出 除了在mysql命令行下导出查询结果，还可以在终端直接导出查询结果到文件中： mysql -uroot -p -e "select * from test" > xxx.csv 如果导出结果中涉及到中文，可以使用--default-character-set=
Notion这款笔记软件相信很多开发者都比较熟悉了，很多读者，包括我自己都用它来记录和管理自己的笔记。今天给大家推荐一个最近比较火的开源替代方案：AFFiNE。目前该开源项目已经斩获20.1K Star，热度非常的高，下面一起来认识一下这个继Notion之后，被热捧的开源软件吧。 ，可通过增加训练数据集来扩大其跨数据集的泛化能力。与现有的主要依靠手动重新标记或复杂的优化来统一跨数据集标签的多数据集学习器不同，论文引入简单且可扩展的公式来为多数据集训练产生语义统一的标签空间，通过视觉文本对齐进行训练，能够学习跨数据集的
论文重新审视了深度神经网络中的不确定性估计技术，并整合了一套技术以增强其可靠性。论文的研究表明，多种技术（包括模型正则化、分类器改造和优化策略）的综合应用显着提高了图像分类任务中不确定性预测的准确性 来源：晓飞的算法工程笔记 公众号 论文: SURE: SUrvey REcipes for buil
定义 适配器模式是一种结构型设计模式，它允许将一个类的接口转换为客户端希望的另一个接口。适配器使得原本由于接口不兼容而不能一起工作的类可以协同工作。通过创建适配器类，可以将现有类的接口转换成目标接口，从而使这些类能够在一起工作。 为什么使用适配器模式 兼容性 适配器模式能够解决由于接口不兼容而无法直
论文将Multiscale Vision Transformers (MViTv2) 作为图像和视频分类以及对象检测的统一架构进行研究，结合分解的相对位置编码和残差池化连接提出了MViT的改进版本 来源：晓飞的算法工程笔记 公众号 论文: MViTv2: Improved Multiscale Vi
