微积分引子

本文探讨微积分的基本概念,通过等比数列求和解释曲面面积的计算,展示了积分如何用于求解不规则形状的面积。微积分的核心是微分与积分的互逆运算,其中积分用于求解函数图形与坐标轴围成的面积,而微分涉及导数和函数斜率。微积分基本定理连接了微分与积分,为解决实际问题提供了理论基础。

微积分


只是想写一写加深印象而已,作者是个蒟蒻。(借鉴了很多其他题解的解释)

看了一些大佬们关于微积分的讲解,逐步摸清了微积分的轮廓。
对于微积分最关键也是源头来源于不规则几何形状的求解。

譬如举个例子:

在这里插入图片描述
这个一次函数和二次函数之间围成的矩形怎么求解?(思考一下)

在这里我们就需要用到极限思想去想方设法去用规则的图形逼近这个不规则的曲面的面积,我们可以用三角形。

在这里插入图片描述
请注意并不是可以将三角形随便乱摆,我们要尽可能要用三角形覆盖掉尽可能多的面积,也就是初中所学的关于此类问题三角形的最大值,其实作者做的这个图不太完美,大家可以仔细观察可以得到,中间的三角形的面积等于左右两旁三角形面积和的4倍(误差是由精度造成的)。然后就像这样再以各两旁三角形为基础往各自两个曲面尽可能的放进一个三角形。

在这里插入图片描述
可以发现这新加入的四个三角形又是前两个三角形的面积和的1/4倍。

那么我们可以一直放三角形一直放到无限接近于此曲面的面积。假设我放了n轮三角形,(已经无限接近曲面面积)。三角形ABC面积为x。
则有

Sn=x+14x+(14)2x+...+(14)nSn=x+\frac{1}{4}x+(\frac{1}{4})^2x+...+(\frac{1}{4})^nSn=x+41x+(41)2x+...+(41)n

很明显这是一个等比数列求和,套进去。

等比数列:

Sumn=a1(1−qn)1−qxSum_n=\frac{a1(1-q^n)}{1-q}xSumn=1qa1(1qn)x

Sn=4−14n−13xSn=\frac{4-\frac{1}{4^{n-1}}}{3}xSn=34<

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值