登录社区云，与社区用户共同成长
邀请您加入社区
本文系统总结了初中到高中几何课程中的常用作图方法，涵盖点、线、圆、三角形、多边形等基本元素。详细讲解了三大基础作图（角平分线、平行线、垂线）的具体步骤，以及圆相关作图（外接圆、内切圆、切线）和多边形构造方法。特别介绍了AI时代的新型作图方式，通过自然语言指令快速生成几何图形。文章配有详细图示和在线画板链接，既适合初学者练习，也方便教师备课参考，同时展示了传统尺规作图与现代AI技术的结合应用。
本文介绍了2026年手机端几何作图的解决方案。针对传统PC几何工具在手机端体验差的问题，推荐使用网页版触屏优化的在线工具。文章分析了三种典型使用场景：课后练习、拍照识题和课堂演示，重点推荐了大角几何等浏览器直接使用的工具，并详细演示了手机绘制三角形外接圆的步骤。同时介绍了AI一键生成几何图形和多种分享方式，强调手机已成为几何学习的重要工具入口，建议优先选择触屏优化和AI辅助的网页版工具。
摘要： 本文系统介绍了数学解析的核心理论与C++数值实现方法。从极限、连续性等基础概念出发，详细阐述了微积分、泰勒级数、微分方程等关键数学工具，并探讨了其在计算机中的高精度数值实现。内容包括浮点误差处理、数值积分算法（矩形法、梯形法、辛普森法）、微分方程求解（欧拉法、RK4法）以及复变函数理论。通过结合数学公式与C++代码实现，展示了如何将抽象数学理论转化为可计算的数值方法，为物理仿真、人工智能等
**摘要：**AI几何作图工具通过自然语言描述自动生成精确的几何图形，解决了传统作图工具操作繁琐的问题。这类工具（如大角几何）不仅能理解用户指令生成可交互的几何图形，还能保持数学关系（如垂直、相切），支持后续编辑和动态探索。适用于学生解题、教师课件制作、动态几何演示及数学内容创作，显著提升效率。AI几何作图并非替代手动绘图，而是通过快速生成初稿，让用户更专注于逻辑推理与教学表达，推动几何学习与教学
后剪枝是指先不做干预，让决策树完整生长至叶子结点（即按常规构建流程生成一棵尽可能复杂的树 ），之后再从树的底层向上（或自顶向下等方式 ）遍历结点，评估将某个分支剪掉（即把该分支替换为叶结点，类别按分支中样本多数类等方式确定 ）后，模型在验证集上的泛化能力是否提升，若提升则剪枝，直至无法通过剪枝改善性能。划分后，能达到最优的划分效果（比如用信息增益、信息增益比、基尼指数等指标衡量，和离散属性选最优划
你可能是程序员或有志于学习编程的人。在实际编程中，有些人可能会想：“我应该好好学习数学……”你可能买了一本书来学习机器学习或人工智能，但完全不知道上面写的是什么！有些人可能已经感到非 常沮丧了。数学知识对编程很有用，但是很多写给程序员的数学书都比较难。小编推荐几本专门写给程序员的数学基础书，希望这份书单可以帮到你。数学知识对编程很有用，但是很多写给程序员的数学书都比较难。我们为什么不从基础的数学知
数理统计起源于 17 世纪，经过贝叶斯、高斯等统计学家的贡献，逐渐发展为一门成熟的学科。通过本文的学习，希望大家对数理统计在人工智能中的应用有了更深入的理解。在实际操作中，多进行代码练习，可以更好地掌握这些数学工具，为人工智能的学习和实践打下坚实的基础。：某班级学生某次考试的平均成绩为 75 分，现抽取 20 名学生的成绩，检验该班级平均成绩是否显著高于 70 分（显著性水平为 0.05）。：分析
🧠【机器学习数学必修课】深度解析熵与交叉熵核心原理！从理论推导到Python实战，揭秘决策树分类与神经网络训练的底层数学逻辑，手把手教你用交叉熵优化模型性能，附可运行代码与可视化案例，助你彻底攻克信息论核心概念！✨
本篇博客将以直观的语言，面向具有一定数学和深度学习背景的读者，介绍伊藤积分的定义、特点及其在随机建模中的意义。
本篇博客将面向深度学习研究者，介绍 SMLD 的 SDE 表示，包括前向和逆向过程的推导及其与 DDPM 的联系。
🚀 **深度学习核心解密：张量运算从入门到实战**揭秘多维数据处理的数学本质，详解GPU/TPU硬件加速原理，结合CNN、Transformer等模型实战代码，提供可视化思维导图+内存优化技巧。从张量降维到爱因斯坦求和，助你掌握并行计算精髓！
本文深入解析概率论核心概念在机器学习中的应用，结合垃圾邮件分类、随机森林特征选择等实战案例，通过可视化图表与公式推导，系统阐述从古典概型到贝叶斯定理的数学原理，帮助读者掌握算法底层逻辑，提升模型设计能力。
向量是同时具有大小(magnitude)和方向(direction)的量。a⃗\vec{a}a或加粗字母a\mathbf{a}a。方法要点将向量分解为x和y分量分别计算各方向的合力用毕达哥拉斯定理计算最终大小物理意义合力F⃗合\vec{F}_{\text{合}}F合表示物体受到的净力合力的方向为45(4, 5)45，与x轴的夹角为arctan54arctan45合力大小约为6.40 N注意事
量子计算与信息相关教学内容
离散数学经历了从古代的算术和几何到现代的信息技术时代的不断发展，跨越了数千年的时间。从图论、组合数学到算法设计、逻辑学，离散数学已经从一个偏重理论的学科，发展为与计算机科学、信息技术密切相关的基础学科。它在现代科技中的广泛应用，尤其是在互联网、人工智能、大数据等领域的关键作用，使得离散数学成为当今时代不可或缺的基础学科之一。
数值分析的历史从古代的手工计算和近似方法开始，随着微积分、解析几何和线性代数的发展，逐步发展为一门独立的学科。20世纪的计算机革命为数值分析提供了强大的计算能力，使得许多原本难以计算的问题得以解决。进入21世纪，数值分析不仅继续为科学和工程领域提供支持，还在现代技术中扮演着越来越重要的角色，特别是在大数据、机器学习、量子计算等领域的应用。数值分析作为现代数学的重要分支，仍然是科学技术进步的关键工具
Algeo SDK 2.0推出内嵌几何编辑器，解决教育科技产品长期存在的几何内容嵌入难题。该方案支持五种核心场景：在线教育平台直接出题、AI数学产品交互式解题、教辅出版结构化生产、教研协作素材共享、题库系统结构化分析。技术层面实现双向数据通信、UI深度定制、模块化能力分层和协议版本化，确保生产环境稳定性。该SDK将几何内容从静态图片升级为可交互、可分析的结构化数据，填补了教育产品在几何领域的空白，
文章摘要：几何题配图在题库、教辅和在线教学系统中是一个繁琐环节。传统人工绘图效率低且难以批量处理，而AI直接生成图片存在几何关系不稳定、修改困难等问题。更优方案是通过几何DSL（领域特定语言）和API实现自动化生产链路：将文本题目解析为结构化几何描述，再渲染成多种格式输出。这种方案能保证图形统一性、支持后续修改，并适应不同应用场景（如交互式教学、AI解题等）。大角几何平台提供了相关API能力，可将
大角几何 2.5.0 重磅上线！这次更新，我们带来了 6 大核心能力升级：💻 Windows 客户端正式发布桌面端体验全面升级，随时随地高效作图☁️ 云端文件管理焕新文件夹组织更清晰，协作效率翻倍📐 函数切线能力大幅扩展支持二次曲线、显函数、参数函数，数学作图更专业🛠️ 延长线 & 扇形工具上线几何构造能力补齐，创作自由度再升级▶️ 播放按钮首发动态演示图元变化，让几何动起来🤖 AI 模型
本文探讨了计算机如何通过向量和哈希两种方法模拟现实世界中的相似性判断。向量通过将对象映射到高维连续空间，用距离表示相似度，保留丰富细节但计算复杂；哈希则通过离散化分桶实现快速归类，效率极高但损失细节精度。文章指出这两种方法本质都是将高维现实降维到可计算的数学空间，但存在共同局限：数学相似性不等于现实语义理解，无法处理动态语境和因果关系。作者强调认识这些工具的边界比掌握使用更重要，提醒人们不要被数学
Reeds-Shepp曲线与Dubins曲线是路径规划中两种重要的最短路径算法，用于连接平面内特定姿态的两点并满足曲率约束。Dubins曲线（1957年提出）仅支持单向运动，有6种路径类型；而Reeds-Shepp曲线（1990年提出）允许双向运动，路径类型扩展至48种（后优化为46种）。两者均基于简单汽车模型，Dubins路径最多3段，Reeds-Shepp最多5段。Reeds-Shepp路径更
http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemId=7题意就是按照题目公式计算f(x) - f(1 )的值，需要控制精度；j的取值范围控制到10000即可；需要#include#include#include#include#include#includeusing namespace std;int mai
本文介绍了人工智能的基础概念与发展历程。第一章首先定义人工智能是模拟人类智能的技术科学，列举了新闻推荐、商品推送等日常应用。随后概述了人工智能从20世纪40年代至今的三次发展浪潮。最后重点阐述了图像识别、语音识别、虚拟助理、自然语言处理和智能机器人等五大应用领域，展现了AI技术在医疗、安防、家居等场景中的广泛运用。
win10 MATLAB7运行时出现错误 javax unknown及解决装了MATLAB7运行时出现错误安装MATLAB7后运行出现如下信息：javax.swing.border.EmptyBorder.(umknown)com.sun.java.swing.plaf.windows.WindowsTableHeaderUI$XPDefaultRender.getTableCellRen...
人工神经网络:反向传播算法的数学基础(Part4)文本翻译自briandolhansky的神经网络系列文章,本文是第四部分. 目前为止,我们还没有看到神经网络强大的非线性能力 — 我们目前所使用的单层模型, 像多项逻辑斯地回归, 二项逻辑斯蒂回归均是线性模型. 这些单层模型的求导都很简单, 权重的输入可以 直接从结果反推. 不过单层模型连在一起形成神经网络时, 又会如何.
2015-11-30 过了好久我才来补充的记录一下学习的感受。我从年初开始准备CV的学习材料的时候就查到了这本书。起初，我看这本书是国内的人写的，感觉其可能没有国外著名大学的教材好，就没买。后来发现的确没有这方面的材料，就买了一本。现在看来是我错了，作者的确很牛掰，最早做数学研究，后来做人工智能，目前在做计算机视觉和图像处理。看起来越来越偏向应用，实践性越强。相信作...
第一个问题，为何要先从数据挖掘开始。学习机器学习的话，你大部分都是一些数据算法，算法的一些应用才是我们最后想要的。而数据挖掘呢？？正好是机器学习最好的应用，从目前的情况来看，数据挖掘，推荐系统的材料也是最丰富的，对学习机器学习的帮助很大。第二个问题，是不是学习机器学习的过程，就一定要从数据挖掘开始呢？？我这里用一定这个词，是有点过了，不过我想告诉大家的是，从目前社会上的状态来讲，应该是一定的了
防火墙的访问控制是网络安全的第一道防线，其有效性依赖于清晰的策略设计、严格的规则优化和持续的运维监控。通过结合五元组过滤、状态检测和应用层深度分析，现代防火墙能够灵活应对从网络层到应用层的多样化威胁。实际部署中需遵循最小权限原则，并定期审计规则集，确保安全性与性能的平衡。
布朗运动（）是微小粒子或者颗粒在流体中做的无规则运动。布朗运动过程是一种正态分布的独立增量连续随机过程。它是随机分析中基本概念之一。其基本性质为：布朗运动W(t)是期望为0、方差为t（时间）的正态随机变量。可以证明布朗运动是马尔可夫过程、鞅过程和伊藤过程。它是在公元1827年英国植物学家罗伯特·布朗利用一般的显微镜观察悬浮于水中由花粉所迸裂出之微粒时，发现微粒会呈现不规则状的运动，因而称它布朗运动
ARIMA倾向于在序列趋势明显的情况下，对数据预测更准确的结果，现如今新冠疫情愈演愈烈，虽然大多数国家的疫情都控制下来了，但新冠也在不断的变异，全球疫情随时有可能大爆发，面对可能会出现的疫情，政府需要紧急研制疫苗，让更多的民众接种疫苗，这样面对新冠病毒才有更多的抵抗力，其次政府要呼吁甚至强制人民不要随意出游，特定的人群密集场所保持关闭或者半开放状态。分解之后，能够克服其他因素的影响，仅仅考虑一种因
JCR2区数学算法优化类【期刊简介】IF：2.5-3.0，JCR2区，中科院3区【检索情况】SCIE&EI双检【版面情况】专刊占正刊【录用周期】期刊部系统内提交，预计3个月左右录用，走完期刊部校对流程即上线【征稿领域】：优化：数学优化的所有方法和算法，包括黑盒和无导数优化，连续优化，离散优化，全局优化，线性和圆锥优化，多目标优化，PDE约束优化和控制以及随机优化。数值和实现问题，优化软件，
for(int i=1;i<=n;i++) ans+=n/i; 复杂度O(n)下面代码复杂度为O( sqrt(n) )long long getsum(long long nn){long long ans=0;long long tmp,r,l;for(long long i=nn;i>=1;){tmp=nn/i;r=i;l=nn/(tmp+1)+1;ans+=(r-l+
Origin软件提供了非常丰富的数据分析功能，涵盖了几乎所有的常规分析操作。Origin所有的数据分析功能全部集中在Analysis，statistics,Image这三个菜单中。 Analysis下包括Mathematics（数学运算）、Data Manipulation、Fitting（拟合）、Signal Processing（信号处理）和Spectroscope（光谱分析）等功
数学
——数学
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
openEuler 社区
2048 AI社区
脑启社区
腾讯云开发者社区
