散分了~

ltc_mouse 2009-06-15 04:07:18
上半年项目比较空闲，老在CSDN玩；下半年该尽量少来了~~


PS：CSDN的发帖界面好像比以前清爽了点，^_^
...全文
359 56 打赏 收藏 转发到动态 举报
写回复
用AI写文章
56 条回复
切换为时间正序
请发表友善的回复…
发表回复
shirlybaby 2009-06-16
  • 打赏
  • 举报
 回复
来接分的撒
sui_yuan_zhe 2009-06-16
  • 打赏
  • 举报
 回复
接分才是真道理····
outou 2009-06-16
  • 打赏
  • 举报
 回复
俺来接点
rivulettornado 2009-06-16
  • 打赏
  • 举报
 回复
jf
「已注销」 2009-06-16
  • 打赏
  • 举报
 回复
顶顶顶
liushac 2009-06-16
  • 打赏
  • 举报
 回复
结分结分接分接分
小y正在思考人生 2009-06-15
  • 打赏
  • 举报
 回复
什么项目这么闲呀，爽歪歪.....
askcyg 2009-06-15
  • 打赏
  • 举报
 回复
最近常来...
tonforce 2009-06-15
  • 打赏
  • 举报
 回复
看你的分那么雄厚
怎么滴也是个大腕
多关照关照我们这些csdn里的贫民啊
呵呵，谢谢！
送上祝福！
huqinglu123 2009-06-15
  • 打赏
  • 举报
 回复
来接分的...
陽洸膂珵 2009-06-15
  • 打赏
  • 举报
 回复
呵呵~~接分来罗！^_^!
jerryhrj 2009-06-15
  • 打赏
  • 举报
 回复
接了，没来晚吧？
ltc_mouse 2009-06-15
  • 打赏
  • 举报
 回复
现在帖子隔天能加分吗？
能加的话明天再结贴，不然就晚上结了，楼层高了，每人只能分一点点了...
cunsh 2009-06-15
  • 打赏
  • 举报
 回复
mark
cxxstudy 2009-06-15
  • 打赏
  • 举报
 回复
jf
lingyin55 2009-06-15
  • 打赏
  • 举报
 回复
呃，看错了，还以为楼主说下半年会常来呢。。。
-_-|||。。。。

[Quote=引用 40 楼 lingyin55 的回复:]
呵呵，恰恰相反，最近比较忙。
来蹭分了。
[/Quote]
lingyin55 2009-06-15
  • 打赏
  • 举报
 回复
呵呵，恰恰相反，最近比较忙。
来蹭分了。
ChinaRocLee 2009-06-15
  • 打赏
  • 举报
 回复
啥也不说了，接分！
cutestar 2009-06-15
  • 打赏
  • 举报
 回复
friend up
这两天怎么了,这么多人在散分?
cir2633 2009-06-15
  • 打赏
  • 举报
 回复
接分~
加载更多回复（36）
新书到~散分_新书
新书到~散分Copies of The Dreamweaver Developer’s Instant Troubleshooter arrived today. Both Drew and I contributed to this book which has been published by Apress. I like getting my copies of a book I have...
KL散度及Python实现
KL散度及Python实现1 KL散度1.1 定义1.2 公式1.3 几个结论1.4 应用1.4.1 应用1：机器学习领域1.4.2 应用2：用户画像2 Python实现求解2.1 生成分布2.2 计算方法12.3 计算方法23 参考 1 KL散度 在很多场合，经常会遇到KL散度这个概念，那么它到底是什么含义呢？如何定义的？又有哪些应用场景？最后如何用Python进行计算呢？ 1.1 定义 KL散度（Kullback-Leibler divergence，简称KLD）: 在信息系统中称为相对熵（relat
MATLAB【六】 ———— matlab 随机散斑模拟
%input for image size(NX,NY) <散斑图大小（像素）> prompt={'Enter hprozontal(x) resolution for simulated image[pixels]:',... 'Enter vertical(y) resolution for simulated image{pixels}:'}; dlg_title='Input for image size'; num_lines=1; def={'512','512'}; a..
详解散度、旋度（二维、三维）
散度、旋度的计算 笔记来源：Khancademy/MultiVariableDerivatives/curl-grant-video 1. 二维散度的计算 二维向量场例子 假设二维平面中的每个点为每个粒子，粒子会沿着向量场的方向移动 在某坐标点附近区域中我们观察粒子通过该区域粒子的数量变化 1.1 散度等于0 某坐标点附近的粒子，进入该区域的粒子数量等于离开该区域的粒子数量，所以它的散度=0=0=0 1.2 散度大于0 二维向量场例子 坐标原点附近的粒子，由坐标原点向外发散，这个区域内的粒子减少（都发
概率分布之间的散度(Divergence)
一般地，散度D[p,q]D[p,q]D[p,q]是关于概率分布p(x)p(x)p(x)和q(x)q(x)q(x)的标量函数，并且满足：需要注意的是这些散度并不是标准的距离指标，因为它们不满足对称性和三角不等式；然而散度可以被用作分布距离度量指标。常见的散度包括：总变差既是一种概率散度，又是一种积分概率度量。一般地，p(x)p(x)p(x)和q(x)q(x)q(x)之间的总变差定义为：DTV[p∣∣q]=∫∣p(x)−q(x)∣dx D_{TV}[p||q] = \int |p(x)-q(x)|dx DTV​
非技术区

15,446

社区成员

58,112

社区内容

发帖
与我相关
我的任务
社区描述
C/C++ 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章