874. 筛法求欧拉函数 ①. 题目②. 思路③. 学习点④. 代码实现 原题链接 ①. 题目 ②. 思路 欧拉函数是一个 积性函数 就是说 m,n互素 则 φ(mn)=φ(m)∗φ(n) ①若该数是质数p的话，那么该数的欧拉函数就是p−1。② 筛法利用的原理是 任意整数 x 的倍数 2x，3x，… 等
变分自动编码器大致概念已经理解了快一年多了，用Pytorch写个模型也是手到擒来的事。但由于其数学原理还是没有搞懂，在看到相关的变体时，总会被数学公式卡住，这对搞学术是致命的。下决心搞懂后，在此记录下我的理解。 公式推导——变分下界 这篇文章提出一种拟合数据集分布的方法
题意描述 洛谷 求 \(\displaystyle(\sum_{i=1}^{n}\sum_{j=1}^{n} ij \gcd(i,j) )\mod p\) 数据范围： \(n\leq 10^{10}, p 为质数\)。 solution 推了好久才推出来的一道题。 先枚举一下 \(\gcd(i,j)\) 可得： \(\displaystyle\sum_{d=1}^{n} d\sum_{i=1}^{n}\sum_{j=1}^{n} ij[\gcd
对流项的数值离散 扩散项的离散在先前已经介绍，对于动量方程，更为棘手的问题在于N-S方程中对流项和压力项的离散处理。 在不可压流场的数值求解过程中，最重要的问题均是这两个一阶偏导项所引起的。 这里主要讨论关于对流-扩散项的离散方法。 对流项的离散方法 首先是关于对流项的两种
题目 传送门 思路 对于第一个询问，令 \(g=I,h=id\)，则满足 \(h=\varphi*g\)，带入得 \[\text{Ans}_1(n)=\frac{n(n+1)}{2}-\sum_{i=2}^n\text{Ans}_1(\frac{n}{i}) \]默认分数下取整. 对于第二个询问，令 \(g=I,h=\epsilon\)，则满足 \(h=\mu*g\)，带入杜教筛，有 \[\begin{aligned} \text{Ans
斐波那契数列的模意义下循环节 以 \(f_0 = 0,f_1 = 1,f_n = f_{n-1}+f_{n-2}\) 为例。其中 \(a,b\) 为给定的常数。\(10^3\) 组询问，每次给定模数 \(p(< 10^9)\)，求 \(f\) 的最小循环节。（其实\(f_0,f_1\)，以及递推式不同，也可以用类似的方法） 模板题。博客 可以找出任意一个循环节，那么
大气延迟 对流层延迟 在GNSS领域，对流层延迟是定位误差来源之一。卫星导航定位中的对流层延迟通常是泛指电磁波信号在通过高度为50km以下的未被电离的中性大气层时所产生的信号延迟。在研究信号延迟的过程中，我们不再将该大气层细分为对流层和平流层（如大气科学中那样），也不再顾及
如题所说，直接上程序。验证自己做一下，结果应该是对的。诚不我欺。 （注意：程序名与函数名保持一致！！！） function[shuchu]=lat_lon2utm(lat_shuru,lon_shuru) %地理经纬度坐标转换为UTM坐标 size_shuzu=size(lat_shuru); for i=1:size_shuzu(2) %输入经纬度 % lat=29.819206; % lon=1
8. 指数族分布 8.1 背景 本节主要对指数族分布的概念和性质的一个小小的总结。指数族分布是一个广泛存在于机器学习研究中的分布。包括：Guassian分布、Bernoulli分布(类别分布)、二项分布(多项式分布)、泊松分布、Beta分布、Dirichlet分布、Gamma分布和Gibbs分布等。 8.1.1 指
题目链接：https://ac.nowcoder.com/acm/contest/10845/F 如图： #include<bits/stdc++.h> using namespace std; typedef long long ll; const int maxn = 1000010; const int M = 1000000007; int n, m; int ans[maxn]; int is[maxn], prime[maxn], phi[maxn]; ll read(
牛客练习赛76 F-phi and phi 莫比乌斯反演+差分 题意思路Code(445MS) 传送门： https://ac.nowcoder.com/acm/contest/10845/F 题意 求 解 a
本文主要补充slam十四讲中关于ba推导有疑问的地方。 设输入位姿为世界坐标系在当前cam坐标系下的位姿，表示为 T w c T^c_w
本文用来总结万向锁问题。尽量写得非常简单，方便自己复习和后人理解。 一、旋转的表示 本文中矩阵计算的结果是在世界坐标系（称之为North East Down Frame NED Frame)中的坐标；参考文章中最后矩阵计算的出的坐标是在刚体坐标系(BODY)的坐标；参考文章中左乘旋转矩阵的物理含义：每次
题意： 戳这里 分析： 暴力 \(O(nm\log )\) 模拟，\(p=2\) 的点判奇偶性，期望得分 \(20pts\) 正解 我们发现 \(c\) 恒定，所以经过一系列操作后，每一个元素变为了 \(\large x^{c^{c^{\dots {a_i}}}}\) 我们发现这个形式很欧拉定理，因为欧拉定理对于单个数一旦累计次方超过一定程度，值就成
一维Helmholtz方程的Chebyshev - Galerkin谱方法 在上面这篇博文中,讲述了加权余量法的基本原理,以及系统地推导,阐述了 C h e b y
前言 这篇文章想讲一下 智能反射面中 UPA （uniform planar array）的信道建模。 之前在智能反射面| Matlab代码实现的信道仿真一文中， 很简略地给了一个基本的UPA仿真代码， 这篇更详细地说一下 关于 面天线 的建模。 当然了， UPA并不只使用于智能反射面中， 尽管在科研方向上， 为了简
Scalar evolution技术与i^n求和优化 （如果不想看一开始的引例，想直接看Scalar evolution，可以直接跳过这个“引例”部分。） 引例 考虑\(i^3\)求和 \[S=\sum_{i=1}^n{i^3} \]其C语言代码为 #include <stdio.h> int main() { int n, s = 0; scanf("%d", &n); for (int i =
include<stdio.h> #define N 3000005 int z[N]={0};//0是质数 __int64 phi[N]={0}; __int64 sum[N]={0}; int main( ) { __int64 i,j; z[1]=1; for(i=2;i<=N;i++) { for(j=i*i;j<=N;j+=i) { z[j]=1; } }
[2020.12.08周二]欧拉表 Send a Table 题意：题面读起来异常离谱。简述一下：求小于n，的互质对个数。 题解：等价于求\(2*\sum_{i=1}^{n}\varphi(i) -1\),减一是因为（1，1）只应该被算一次。 #include<bits/stdc++.h> using namespace std; const int maxn=5e4+5; long long phi[maxn],sum[max
Stein variational gradient descent（SVGD） 1.Stein's Identity2.向量情况下的距离度量3.矩阵情况下的距离度量4.Kernel的引入4.1 RKHS4.2 Kernelized Stein Discrepancy（KSD）可行性证明易于求解证明 5.SVGD算法5.1 KL divergence的联系5.2 Algorithm 最近读了Liu Qiang组
meta learning 概述 元学习是基于不同的但是相似的一系列任务的学习。 元学习是关于学习的学习，即:学习到的内容是如何更好的学习，是一种通过一些列不同但是相似的任务，去学习到其内在的通用的技巧。 例子：如果是骑自行车，电瓶车、摩托车。我们现在有一个负责教授别人学这三种车的
写在前面：菜鸡记录下自己做出来的几道题 (顺便试试CSDN发博客） 文章目录 写在前面：菜鸡记录下自己做出来的几道题**初赛**0x01 ctf_game0x02 bd0x03 lfsr0x04 rsa11.9日更新 **华南赛区晋级赛**0X01 三年之期0x02 paillier0x03 easyRSA20x04 strange_rsa 初赛 0x01 ctf_g
Battlestation Operational ∑ i = 1 n
前言 参数求解 已知函数 \(f(x)=a\sin x+\cos x\) (\(a\) 为常数， \(x \in R\)) 的图象关于直线 \(x=\cfrac{\pi}{6}\) 对称，则函数 \(g(x)\)\(=\)\(\sin x\)\(+\)\(a\cos x\) 的图象【\(\quad\)】 $A.$关于点$(\cfrac{\pi}{3}, 0)$对称$B.$关于点$(\cfrac{2\pi}{3}, 0)$对称$C.$关
链接：Master of Phi 题意：求$\sum_{d\mid n} \phi(d)* \frac{n}{d}$，其中$n=\prod_{i=1}^{m}{p_{i}}^{q_{i}}$ 思路：设$f(n)=\sum_{d\mid n} \phi(d)* \frac{n}{d}$，显然$f(n)$是积性函数 $f(n)=f({p_1}^{c_1}*{p_2}^{c_2}*\cdots * {p_m}^{c_m})=f({p_1}^{c_1})*f({p_2}^{c_2})*\cd
