墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
156平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
| Problem | Key | Star(s) | Date | Attention |
| 链表 | ⭐⭐ | May 29,2019 | ||
| 7. Reverse Integer | ⭐ | May 27,2019 | 取余和取模的区别 | |
| 字符串、模拟 | ⭐⭐ | May 27,2019 | ||
| 二分查找 | ⭐⭐⭐ | May 29,2019 | ||
| DP | ⭐⭐⭐ | June 8,2019 | ||
| DP | ⭐⭐ | Sep 28,2019 | 最大字段和 | |
| DP | ⭐⭐⭐ | May 28,2019 | ||
| ⭐⭐ | May 29,2019 | 擂台赛 | ||
| 240. Search a 2D Matrix II | 二分查找 | ⭐⭐⭐ | ||
| 字符串 | ⭐ | June 8,2019 | ||
| 贪心 | ⭐⭐ | June 8,2019 |
To be continued……
第一次集中刷题：推免夏令营
Gemini Deep Think实战解析：真实场景下的AI深度推理能力边界
深度推理是大模型从‘能回答’迈向‘可决策’的关键跃迁，其核心在于多路径并行探索、跨分支竞争筛选与结果可验证性。不同于传统Chain-of-Thought的线性推演，Deep Think通过内部注意力机制激活多个逻辑分支，在数学证明、策略优化、系统设计等具备明确评价标准的任务中展现出强模式识别与粗粒度推演能力；但面对信息残缺、隐性约束或价值权衡类问题时，易陷入模板套用或认知锚定。技术价值体现在加速问题分类、框架构建与方案初筛，而非替代人工验证与领域直觉。典型应用场景包括网络算法复杂度判定、轻量级商业策略生成、
leetcode-rust项目部署指南：如何搭建个人算法练习平台
leetcode-rust是一个使用Rust语言实现LeetCode算法题解的项目，通过本指南，你将快速搭建一个属于自己的算法练习平台，轻松进行算法题目的练习和管理。 ## 📋 准备工作：环境搭建 ### 安装Rust环境 要运行leetcode-rust项目，首先需要安装Rust开发环境。打开终端，执行以下命令： ```bash curl --proto '=https' --tlsv
政府科技管理者如何精准识别符合本地产业需求的重点科技成果？.docx
政府科技管理者如何精准识别符合本地产业需求的重点科技成果？
【力扣】刷题总结
四：总的策略合起来最大（遍历判断要定位的为第i点）
【扩展卡尔曼滤波器EKF】基于UWB雷达的SLAM能够在室内环境内映射自然点地标，并改善机器人定位（Matlab代码实现）
内容概要：本文档提供了名为“Plecs全桥LLC谐振变换器仿真模型”的资源，主要用于电力电子领域中LLC谐振变换器的建模与仿真研究。该模型基于Plecs软件平台构建，聚焦于全桥LLC拓扑结构，涵盖其工作原理、关键参数设计及动态性能仿真，帮助用户深入理解LLC谐振变换器在软开关、高效率功率转换方面的特性与实现方法。文档内容包括系统建模、主电路参数计算、控制策略实现以及仿真结果分析等部分，适用于高频高效电源变换器的研发与教学实践。; 适合人群：具备电力电子与电力系统基础知识，从事电源变换器设计、仿真与优化工作的工程师及高校研究生。; 使用场景及目标：① 掌握LLC谐振变换器的工作机理与Plecs仿真建模流程；② 学习全桥LLC拓扑的参数设计与软开关实现方法；③ 为高频高效DC-DC变换器的科研、课程设计或工程项目提供仿真基础和技术参考。; 阅读建议：建议结合电力电子技术教材与Plecs官方文档同步学习，重点理解谐振腔参数（如Lr、Cr、Lm）对增益特性与软开关的影响，并通过调整仿真参数验证不同工况下的系统响应，以加深对LLC变换器设计规律的理解。
半桥LLC谐振DCDC变换器的设计与仿真（Simulink仿真实现）
内容概要：本文系统阐述了半桥LLC谐振DCDC变换器的设计与仿真方法，聚焦于其在Simulink环境下的建模、关键参数设计及闭环控制策略的实现。内容深入剖析了LLC谐振变换器的工作原理，包括谐振腔元件（Lr、Cr、Lm）的精确计算与优化方法，详细探讨了实现零电压开通（ZVS）等软开关技术的关键条件，并介绍了变频控制与恒压恒流双闭环控制逻辑的设计思路。通过构建完整的Simulink仿真模型，文章验证了系统在不同负载工况下的动态响应能力、高效率特性和良好的稳态性能，为理论分析提供了强有力的实践支撑。; 适合人群：具备电力电子技术基础理论知识和Simulink软件操作经验的电气工程、自动化及相关专业的本科高年级学生、研究生，以及从事开关电源、新能源变换器等电力电子设备研发的工程师。; 使用场景及目标：①深入理解LLC谐振变换器的核心工作机理与谐振参数的设计准则；②掌握在Simulink中搭建高保真度电力电子变换器仿真模型并实现复杂闭环控制的技术；③为高效率、高功率密度电源产品的研发提供理论指导、设计范例与仿真验证平台。; 阅读建议：建议读者结合文中的理论推导与仿真模型进行同步实践，重点动手调整谐振频率、观察ZVS实现过程，并反复调试PI控制器参数以优化系统的动态与稳态响应，从而深刻领悟LLC变换器的非线性动态特性和先进控制策略的精髓。
如何高效使用leetcode-rust：自动化题目生成与测试的完整教程
leetcode-rust是一个用Rust语言实现LeetCode题解的开源项目，提供了自动化题目生成与测试功能，帮助开发者更高效地进行算法练习。通过本教程，你将学习如何利用该项目的自动化工具快速生成题目模板、编写解决方案并进行测试验证。 ## 🚀 项目结构概览 leetcode-rust的核心代码组织清晰，主要包含以下目录和文件： - **src/solution/**：存放各题目的Ru
状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究（Matlab代码实现）
内容概要：本文系统性地探讨了状态估计领域中的三种关键非线性滤波算法——无迹卡尔曼滤波（UKF）、扩展卡尔曼滤波（EKF）和粒子滤波（PF），深入剖析其理论基础、数学推导及在非线性、非高斯系统环境下的适用性差异。通过Matlab编程实现，详尽展示了各算法的核心步骤与仿真流程，并结合无人机姿态估计、轨迹跟踪等典型应用场景进行性能对比分析，验证了不同滤波方法在精度、稳定性和计算复杂度方面的表现。文中提供完整的代码实例与技术解析，涵盖状态预测、协方差更新、观测修正等关键环节，强化了理论与实践的结合，具有较高的科研参考价值与工程指导意义。; 适合人群：具备信号处理、控制理论或状态估计基础知识的研究生、科研人员，以及从事导航、自动化、机器人、航空航天等相关领域的工程技术人员。; 使用场景及目标：① 深入理解UKF、EKF与PF的算法原理及其在非线性系统中的实现机制；② 在目标跟踪、多传感器融合、惯性导航等实际项目中开展算法选型、仿真验证与性能优化；③ 支持科研论文复现、算法改进及工程原型开发。; 阅读建议：建议结合Matlab代码同步运行与调试，重点理解各滤波器的状态更新逻辑与误差协方差传播机制，尝试在不同噪声水平与系统非线性程度下对比算法鲁棒性，以深化对滤波器内在特性的掌握。
如何快速上手leetcode-rust：10分钟搭建Rust算法练习环境
leetcode-rust是一个专注于用Rust语言解决LeetCode算法题的开源项目，通过系统化的代码组织和丰富的解题示例，帮助开发者快速提升算法能力和Rust编程技巧。本指南将带你在10分钟内完成环境搭建，开启高效的算法练习之旅。 ## 📋 准备工作：安装必要工具 在开始使用leetcode-rust前，需要确保系统中已安装以下工具： - **Rust环境**：推荐使用rustup安
人工智能基于RAG与LangGraph的企业级客服系统优化：大模型推理加速与多Agent协同决策技术实现
内容概要：本文档是一份企业级AI项目面试总结，涵盖多家公司在大模型、RAG、LangGraph、Agent系统、知识图谱、NL2SQL等前沿技术方向的实操性问题与解答。重点包括RAG全流程优化（切分、存储、召回、推理、缓存）、大模型推理加速（vLLM、TensorRT-LLM、量化、PD分离）、Agent架构设计（状态管理、多智能体协作、记忆机制、安全控制）、LangGraph与LangChain的应用差异、AB测试与模型评估方法、以及在客服、问数、数字人等场景中的落地实践。同时涉及Python基础、系统设计、部署运维、国产化适配等综合能力考察。; 适合人群：具备1-3年工作经验，从事大模型应用开发、AI系统研发、NLP工程师等相关岗位的研发人员；熟悉Python、深度学习框架，有RAG、Agent或NL2SQL项目经验者更佳。; 使用场景及目标：①准备AI方向的技术面试，尤其是B2B企业、金融科技、智能客服、工业智能化领域的岗位；②深入理解RAG与Agent系统的工程实现细节，掌握性能优化、系统稳定性、安全性设计等关键技术点；③学习如何将理论模型应用于复杂业务场景，提升系统级设计与问题解决能力。; 阅读建议：此资源以真实面试问答形式呈现，建议结合自身项目经验对照学习，重点关注高频考点如vLLM原理、RAG优化策略、LangGraph状态机制、多Agent协作与回滚设计等内容，并动手实践相关技术点如FastAPI异步服务、Tracker状态持久化、分层chunk策略等，以达到融会贯通的效果。
UE5网络模块实战：属性复制、RPC与联机开发踩坑指南
多人联机开发中，网络同步是核心难题。UE5网络模块以服务器权威为基础，通过Actor复制、RPC和所有权机制实现多端状态一致。理解属性复制与OnRep回调、区分Server/Client/Multicast RPC的适用场景，是构建稳定联机架构的关键。本文结合数字孪生与多端协作场景，探讨如何将渲染与逻辑分离，并针对打包后网络失效、端口防火墙、崩溃排查等工程实践问题给出解决方案。通过蓝图接口解耦表现层，利用C++创建StaticMesh组件实现服务器逻辑与客户端表现分离，同时注意专用服务器不加载渲染依赖（如D
这份 LeetCode 题解仓库，藏着一条别人走过的解题之路
打开收藏夹，是不是躺着几十篇"算法面试必刷清单"？点进去，标题很燃，读完就忘。你缺的从来不是题目数量，而是一份能看懂的解题思路——这正是 LeetCode 题解仓库 gh_mirrors/le/leetcode 想给你的东西。它不像大多数题解集那样只丢答案，而是像一本手写的解题日记：每道题讲清"为什么这么想"，每个专题配好模板，甚至把作者一年多的刷题过程原样摊开给你看。 ## 先聊聊痛点：为什么
Opencv2.4.9源码分析——HoughCircles
图形可以用一些参数进行表示，标准霍夫变换的原理就是把图像空间转换成参数空间（即霍夫空间），例如霍夫变换的直线检测就是在距离-角度空间内进行检测。圆可以表示成： (x-a)2+(y-b)2=r2 （1） 其中a和b表示圆心坐标，r表示圆半径，因此霍夫变换的圆检测就是在这三个参数组成的三维空间内进行检测。 原则上，霍夫变换可以检测任何形状。但复杂的形状需要的
【leetcode】54. 螺旋矩阵js
这篇文章分享了一个螺旋遍历二维矩阵的解决方案。作者最初尝试通过调整矩阵行列参数来遍历未果，后参考了灵神的题解，采用方向向量法实现。该方法定义右下左上四个方向向量，通过标记已访问元素（设为Infinity）和边界检测，在越界或遇到已访问元素时右转90°。遍历总次数为m*n，最终返回按螺旋顺序排列的一维数组。这种解法简洁高效，避免了复杂的行列参数调整。
uniapp实战：mui-player插件如何完美适配m3u8/flv直播流（附完整代码）
本文详细介绍了如何在Uniapp中使用mui-player插件完美适配m3u8和flv直播流，提供从基础配置到高级优化的全流程解决方案。通过动态加载策略、响应式布局和内存管理，实现跨平台稳定播放，适用于企业级直播应用开发。
HCIP - Al Solution 华为认证—— 3、大模型基础
00:20核心目标: 与GPT类似，旨在学习一个通用的预训练模型，以便在大量不同任务上通过微调快速适配。与GPT的对比: BERT的效果在实验数据上优于GPT-1。模型特点: 采用双向的Transformer编码器结构，能够实现不同位置信息之间的互通，这与GPT的单向结构不同。06:3735:45核心思想: 尝试将标准的Transformer结构直接应用于图像，并对图像分类流程进行最少的修改。具体操作流程:图像分块: 将整幅图像拆分成多个小的图像块（Patch）。
3个月从算法小白到面试高手：LeetCode题解全栈实战指南
在技术面试的世界里，算法能力是决定成败的关键分水岭。无论你是准备校招的应届生，还是寻求职业突破的工程师，系统化的算法训练都是通往高薪offer的必经之路。今天，我将带你走进一个完整的LeetCode学习体系，揭秘如何通过科学方法将算法难题转化为你的核心竞争力。 ## 🎯 为什么传统刷题方法效率低下？ 很多人在算法学习上投入大量时间却收效甚微，根本原因在于缺乏**系统性思维框架**和**可视化
Isaac Sim 入门教程（四）强化学习策略训练宇树人形机器人四足机器人示例
isaac_sim_policy_example Extension 是在 Isaac Sim 中部署 Isaac Lab 强化学习策略的一个框架和一组辅助函数。有关在 Isaac Sim 中训练和构建策略的详细信息，请访问在 Isaac Sim 中部署策略。该扩展程序默认已启用。如果被禁用，可在扩展管理器中搜索 isaacsim.robot.policy.example 重新启用。要运行下面的示例，请激活 “视窗”>“示例”>“机器人示例”，这将打开 “机器人示例 ”选项卡。
coding-interview-gym项目实战：从数组到图论，17大算法主题全覆盖
coding-interview-gym是一个专注于提供leetcode.com和algoexpert.io平台算法题解的开源项目，涵盖Python和Swift两种编程语言，帮助开发者系统提升算法能力。 ## 🌟 为什么选择coding-interview-gym？ 对于算法初学者和面试准备者来说，coding-interview-gym提供了从基础到进阶的完整学习路径。项目采用分类清晰的文
Windows10下安装VMware16虚拟机
由于本人系统为Windows 10 家庭中文版，无法安装Linux子系统WSL，虽然网上也有强制安装的方法，但为保险起见，还是把之前的VMware虚拟机重新进行安装，并浅浅记录一下安装过程。
【NLP】第10章 使用基于 BERT 的 Transformer 进行语义角色标记
Transformers 在过去几年里取得的进步比上一代 NLP 还要多。标准 NLU 方法首先学习句法和词汇特征来解释句子的结构。在运行语义角色标签( SRL )之前，将训练以前的 NLP 模型理解语言的基本语法。Shi和Lin（2019）在他们的论文开始时询问是否可以跳过初步的句法和词汇训练。基于 BERT 的模型可以在不经过那些经典训练阶段的情况下执行 SRL 吗？答案是肯定的！Shi和Lin (2019) 建议 SRL 可以被视为序列标记并提供标准化的输入格式。他们基于 BERT 的模型产生了令人惊
Jedis测试完全指南：单元测试、连接Mock与集成测试最佳实践
Jedis 是 Redis 的官方 Java 客户端，本指南带你快速掌握 Jedis 的三层测试体系：无需服务器的单元测试、用 Mockito 拦截命令的连接 Mock 测试，以及基于 Docker 一键启动的一键集成测试，并给出可直接上手的命名规范与最佳实践。 [
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
546
扫一扫
