一、GC的原理及其算法设计不同的语言，对GC算法的设计不同，常见的GC算法是引用计数和Mark-Sweep算法， c#采用的是Mark-sweep && compact算法， Lua采用的是Mark-sweep算法，分开说一下：引用计数算法：在一个对象被引用的情况下，将其引用计数加1，反之则减1，如果计数值为0，则在GC的时候回收，这个算法有个问题就是循环引用。Mark
转载
2024-10-18 18:44:17
28阅读
目前的中国游戏市场，最热门的莫过于免费抽卡手游。游戏厂商为了盈利，设计出有不同规则的卡池，让玩家抽卡获取稀有的人物和武器。这一机制吸引了很多玩家，首先因为手游是免费的，入手门槛较低，其次很多人喜欢抽卡获取角色和武器的成就感。为了更吸引玩家，游戏策划就得设计出能够让大部分玩家，无论是欧皇还是非酋满意的抽卡机制。本文将简要分析目前游戏厂商可能使用的抽卡机制（仅属于个人猜想加一些网上的资料）。 文章目录
转载
2024-08-17 11:05:56
371阅读
一：随机事件 概率：随机事件发生的可能性的度量 范围：0 ~ 1 二：排列和组合 1.不重复的排列：从n个不同的元素中每次抽取m个不同的元素，按照一定的顺序排成一列，m<n 选排，m = n全排 计算公式: P(n,n) = n! , p(m,n) = n(n-1)...(n-m+1) = n!/(n-m)! 2.可重复的排列：从n个不同的元素中每次抽取m个可以相同的元素，按照一定
转载
2024-06-26 20:18:59
174阅读
文章目录一、非线性函数在神经网络中的重要性二、ReLU函数介绍及其实现2.1 ReLU函数概述2.2 ReLU函数的Python实现及可视化 一、非线性函数在神经网络中的重要性在神经网络中，激活函数的选择对于网络的性能和能力至关重要。阶跃函数和Sigmoid函数除了是激活函数的具体实例外，它们还有一个共同的特性——非线性。这两种函数虽然在形式上有所不同，但都不是线性的，这使得它们在处理复杂问题时
概率论对于学习 NLP 方向的人，重要性不言而喻。于是我打算从概率论基础篇开始复习，也顺便巩固巩固基础。1.事件及运算1.1 文森图及运算1.2常用运算律1.3相关练习 理解：要么A要么B要么C发生，所以是A ∪ B ∪ C； 如果说都发生，那就是A ∩ B ∩ C。 理解：用到了加法公式，直接套进去就可 理解：需要注意的是，这里会用到乘法公式，P（AC）=0，则P（ABC）=0. 理解：这里用到
转载
2024-04-28 14:14:10
135阅读
测试步骤1.准备测试数据使用待测的(伪)随机数发生器，产生足够长度的随机数序列。(样本参数见附录)2.在NIST的测试源码中，添加4个国密特有的测试用例扑克测试，游程分布测试，二元推导测试，自相关测试3.编译源码得到测试程序在sts-2.1.2目录下make即可4.运行测试程序，选择待测试数据，按照NIST测试用例和测试参数进行设置1.执行测试程序，$ ./assess 1000000
2. 输入
转载
2024-04-12 05:44:02
132阅读
说明：全概率计算为统一设置一个中奖概率；单独概率计算则每个奖品分别可以设置一个中奖概率；算法一（全概率计算）<br/>
此类中奖概率为所有奖项设置一个总的中奖概率，中奖后再从已有的奖品里面随机抽一个奖品
中奖判断：
1.先按照总体的抽奖概率判断该用户是否中奖<br/>
2.如果中奖的话，则随机从所有奖品里面抽出一个<br/>
3.所有奖品抽完后中奖概率变成0&
转载
2024-05-18 18:45:06
74阅读
论文名称：DeepAR: Probabilistic Forecasting with Autoregressive Recurrent Networks 论文地址：https://arxiv.org/abs/1704.04110 论文作者：亚马逊 论文年份：2017 论文被引：558（2022/3/23）
什么是概率预测，如图所示： source：图片来源即不光要预测未来这条曲线（具体的预测值）
转载
2024-01-31 15:19:09
343阅读
联合概率、边缘概率、条件概率 概念总结 一、总结 一句话总结： 条件概率：设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A|B)=P(AB)/P(B) 联合概率：联合概率指的是包含多个条件且所有条件同时成立的
转载
2020-11-07 19:54:00
1831阅读
2评论
DescriptionAs Harry Potter series is over, Harry has no job. Since he wants to make quick money, (he wants everything quick!) so he decided to rob banks. He wants to make a calculated risk, and grab a
原创
2022-01-12 10:16:13
79阅读
分布函数（英文Cumulative Distribution Function, 简称CDF），是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。从事件到函数 我们已经很清楚函数的概念，g = g(x)是一个典型的函数，输入数据经过g(x)的处理后得到了一个新的输...
原创
2021-06-07 23:15:23
586阅读
公式含义在 B 事件发生的情况下，发生 A 事件的概率。这和 A 事件和 B 事件同时发生的概率是不一样的，前者的样本空间为：P(B)N，后者的样本空间为 N。
原创
2021-07-21 15:14:43
897阅读
老是容易把先验概率,后验概率,似然概率混淆，所以下面记录下来以备日后查阅。区分他们最基本的方法就是看定义，定义取自维基百科和百度百科:先验概率百度百科定义：先验概率（prior probability）是指根据以往经验和分析得到的概率，如全概率公式，它往往作为"由因求果"问题中的"因"出现的概率。维基百科定义: 在贝叶斯统计中，某一不确定量p的先验概率分布是在考虑"观测数据"前，能表达p不确定性的
原创
2021-05-20 23:57:00
2108阅读
一、基本概率论——模拟骰子 1、导入必要包 # matplotlib inline jupyter常用于生成画布 %matplotlib inline import torch from torch.distributions import multinomial from d2l import t ...
转载
2021-07-26 09:16:00
442阅读
2评论
分布函数（英文Cumulative Distribution Function, 简称CDF），是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。从事件到函数 我们已经很
原创
2022-01-16 17:46:40
954阅读
概率和统计知识是数据科学和机器学习的核心；我们需要统计和概率知识来有效地收集、审查、分析数据。现实世界中有几个现象实例被认为是统计性质的（即天气数据、销售数据、财务数据等）。这意味着在某些情况下，我们已经能够开发出方法来帮助我们通过可以描述数据特征的数学函数来模拟自然。“概率分布是一个数学函数，它给出了实验中不同可能结果的发生概率。”了解数据的分布有助于更好地模拟我们周围的世界。它可以帮助我们确定
转载
2023-11-16 13:54:42
110阅读
1.概率密度函数 1.1. 定义 如果对于随机变量X的分布函数F(x),存在非负函数f(x),使得对于任意实数有 则称X为连续型随机变量，其中F(x)称为X的概率密度函数，简称概率密度。（f(x)>=0,若f(x)在点x处连续则F(x)求导可得）f(x)并没有很特殊的意义，但是通过其值得相对大小得知，若f(x)越大，对于同样长度的区间，X落
转载
2023-09-08 23:50:32
159阅读
首先我们需要搞清楚几个概念：概率函数、概率分布、概率密度我这里只做简单阐述，意在理解概念，可能不严谨。我们知道变量可分为离散随机变量和连续随机变量；概率函数：随机变量取某个值的概率pi=P(X=ai)(i=1,2,3,4,5,6)；以骰子为例，每次摇骰子取值为 1-6，取每个数字的概率为 1/6，这就是离散概率函数；pi=P(X<170)；以身高为例，小于 170 的概率，这就是连续概率函数
转载
2023-10-23 23:06:24
132阅读
下面来推导概率论的加和与乘法规则
假设两个随机变量X和Y，随机变量X可以随机取任意的\(x_i, i=1,2,..., M\)，随机变量Y可以随机取任意的\(y_j,j=1,2,...,L\)。进行N次试验，对X和Y都进行了取样，把\(X=x_i\)且\(Y=y_i\)出现的试验次数记为\(n_{ij}\)。并且把X取值为\(x_i\)（与Y的取值无关）出现的试验次数记为\(c_i\), 类似
转载
2023-09-08 19:10:53
225阅读
概率图模型构建了这样一幅图，用观测节点表示观测到的数据，用隐含节点表示潜在的知识，用边来描述知识与数据的相互关系，最后基于这样的关系图获得一个概率分布，非常“优雅”地解决的问题。 概率图模型包括了朴素贝叶斯模型、最大熵模型、隐马尔可夫模型、条件随机场、主题模型等。主要在NLP领域用的较为广泛 1 概率图模型额联合概率分布团：如果在X={x1,x2,...,xn}所构成的子集中，
转载
2024-02-04 10:09:02
62阅读
