在中学时就学过正整数平方与立方的前n项和的公式，当时只是给出了这么一个公式，并让使用数学归纳法证明了一下，并没有给出这两个公式是怎么来的。昨天在学算法的时候用到了这两个公式，于是顺便正向地推导出了这两个公式。可以首先结合几何方面的意义来初步地分析一下，如下图所示，就代表了蓝色矩形的面积之和，图中红色的线表示的是函数，而绿色的线表示的是函数。由此可以得到而所以我们可以...

设计要求课程设计平台为设计环境提供了容量为256×8的随机存储器。在此基础上，设计相应的外围电路和时序对随机存储器进行读写操作。结构框图如下图所示，设计完成后可以根据pc访问内存，取出地址Ad1，根据Ad1访问取出数据X，将X保存在Ad2地址单元。结构与信号索引上图中MAR为地址寄存器。R寄存器必须为具有三态输出的寄存器，直接调用74374即可。PC为带清零端的8位增1计数器（

这个学期做了一系列的实验和课程设计，昨天期末考试刚刚结束，是时候整理一波了。    计算机组成原理与设计的课程设计总共分为四个部分，前两个位典型部件设计，如运算器设计和存储器读写设计，后两个是简单模型机的设计，一个要求用微程序的思想来实现，另一个要求用硬布线的方式来实现。老师要求两个同学组队一块儿做，由于作者比较积极，所以这四个都被我一手包办了。这其中有的一次测试就成功了，也有的调试了好久。因

本文是周志华老师的《机器学习》一书中第4章 决策树 的课后题第4.4题的实现。原题是：试编程实现基于基尼指数进行划分选择的决策树算法，为表4.2中的数据生成预剪枝、后剪枝决策树，并与未剪枝决策树进行比较。本文主要是不进行剪枝的CART决策树的实现，预剪枝与后剪枝的CART决策树实现分别可见Python编程实现预剪枝的CART决策树和Python编程实现后剪枝的CART决策树。如果发现文...

本篇是周志华老师的《机器学习》第4章 决策树 课后题4.3的实现，原题是：试编程实现基于信息熵进行划分选择的决策树算法，并为表4.3中数据生成一颗决策树。这里需要注意的是此数据集中，有的属性是离散的，有的属性是连续的，对于连续的属性，我们可以使用二分法将样本分为两个部分。这个数据集可以从Dataset.py中粘贴：def watermelon3():"""...

现在的电脑的CPU一般都有多个核心，在Python中可以使用 multiprocessing 包比较方便地实现将计算任务分配给多个核心，使之并行地计算以实现加速的效果。一般主要会用到的语法有获取CPU的核心数：n_cpu = multiprocessing.cpu_count()并行执行函数：proc = multiprocessing.Process(target=sin...

上一篇文章中用BP神经网络解决了一个简单的分类问题，接着我又尝试着试验了一下用BP神经网络去逼近正弦函数。网络的结果设计如下图所示。网络中设置输入层与输出层均为一个神经元，并且考虑到正弦函数的值域分布情况，我这一次在输出层中的激活函数并没有使用以前常用的sigmod函数，而是采用了线性函数y = x具体实现代码如下所示clc,clearData = -3:0.01:3;xs...

本篇是周志华老师的《机器学习》第4章 决策树 课后题4.3的实现，原题是：试编程实现基于信息熵进行划分选择的决策树算法，并为表4.3中数据生成一颗决策树。这里需要注意的是此数据集中，有的属性是离散的，有的属性是连续的，对于连续的属性，我们可以使用二分法将样本分为两个部分。这个数据集可以从Dataset.py中粘贴：def watermelon3():"""...

有关于BP神经网络原理前人之述备矣，这里就暂且略过。从一年前第一次接触机器学习到现在，已经学习很多类似的智能学习算法，无论是遗传算法、群算法、模拟退火算法还是神经网络算法，在有监督的学习算法中，无非就是设计一个标准和进化方式，让结果与标准之间的误差越来越少，直到误差缩小到允许的范围内并收敛，我们谓之学习成功了。BP神经网络也是这样的，在BP神经网络学习的目标就是输出层输出的结果与真实值的差距尽..

面向对象的实验要实现用鼠标拖动一张纸牌图片。经过相关查询可知要为图片注册事件MouseListener和MouseMotionListener中的mousePressed方法和mouseDragged方法。这里的MyMouseInputAdapter继承了MouseInputAdapter类。对其中的相关的两个方法进行了重写。import java.awt.*;import java.