梅氏砝码问题

最新推荐文章于 2019-01-29 17:35:43 发布
最新推荐文章于 2019-01-29 17:35:43 发布
阅读量1.1k 收藏
点赞数
分类专栏： 智力题 knowledge

有4个砝码，共重40克，现有一个天平，问这4个砝码分别为多少克？可以称出1-40克的重量。

---------------------------------------------------------------------------------------------------------------------------- 

这个在数学上叫做梅氏砝码问题，其叙述如下： 
若有n个砝码，重量分别为M1,M2,……，Mn,且能称出从1到（M1+M2+……+Mn)的所有重量，则再加一个砝码，重量为Mn+1=(M1+M2+……+Mn)*2+1,则这n+1个砝码能称出从1到 
（M1+M2+……+Mn+Mn+1)的所有重量。 

取n=1,M1=1,则可以依此类推出所有砝码的重量为： 
1，3，9，27，81，243，……

【射影几何13 】梅氏定理和塞瓦定理探讨
gongdiwudu的专栏
02-07 4218
在射影几何中，梅涅劳斯（Menelaus）定理和塞瓦定理是非常重要的基本定理。通过这两个定理，可以导出多项结论，如：极点-极线性质、德萨格定理、pascal定理等；本篇专门叙述这两个定理证明。及相关启发。
好吧，这是小学奥数题
LOADING...
11-17 2396
今天面试一家网络公司，最后被问了一个问题，在1-39中找4个数值作砝码，其他的数能用这4个砝码称出来。我第一反应舍弃1和39（我先选了2，因为2最小，称完比2小的不就是1么......），后来又想用转成2进制来计算....然后又想到了矩阵...结果越算越乱... 回来上网一搜，发现真是丢人丢大了去了，这原来是小学奥数题，还是很经典的“梅氏砝码问题”，现在把网上找的一些资料附上： 1、用
12个小球 梅氏砝码问题
u013453341的专栏
10-20 852
http://blog.youkuaiyun.com/pongba/article/details/2544933 12个小球，其中有一个是坏球。有一架天平。需要你用最少的称次数来确定哪个小球是坏的并且它到底是轻还是重。 这个问题是一道流传已久的智力题。网络上也有很多讲解，还有泛化到N个球的情况下的严格证明。也有零星的一些地方提到从信息论的角度来看待最优解法。本来我一直认为这道题目
梅氏砝码
qq_34575264的博客
10-16 613
有4个砝码，共重40克，现有一个天平，问这4个砝码分别为多少克？可以称出1-40克的重量 这个在数学上叫做梅氏砝码问题，其叙述如下： 若有n个砝码，重量分别为M1,M2,……，Mn,且能称出从1到（M1+M2+……+Mn)的所有重量，则再加一个砝码，重量为Mn+1=(M1+M2+……+Mn)*2+1,则这n+1个砝码能称出从1到（M1+M2+……+Mn+Mn+1)的所有重量。
智力题及答案（包含梅氏砝码问题）
Ask马小向的专栏
10-21 2337
1.   两个沙漏，一个是四分钟的，一个是七分钟的，怎么才能用这两个沙漏就算出九分钟的时间？ 首先，同时让四分钟和7分钟的两个沙漏开始计时，四分钟后，那个四分钟的沙漏会漏完，我们再次把四分钟的沙漏倒过来，再过三分钟，7分钟的沙漏也漏完了，我们把它也倒过来，当四分钟的沙漏第二次漏完时，这时正好总共过去8分钟，七分钟的沙漏第二次计时正好过去1分钟，于是再次把七分钟的沙漏倒过来，当它漏完之后，正好9分
德·梅齐里亚克的砝码问题
mywang88的博客
05-06 1259
德·梅齐里亚克的砝码问题 题设： 一位商人有一个40磅的砝码，由于跌落在地而碎成4块。后来，称得每块碎片的重量都是整磅数，而且可以用这4块来称从1至40磅之间的任意整数磅的重物。 问：这4块砝码碎片各重多少？ 解： 已知 4 个整数和为 40，且都不小于 1。可推出都不大于 37。 因为 37 + 1 + 1 + 1 = 40，这是最大的情形。 考虑到砝码可以放置在天平的任意...
梅式砝码问题
绝知此事要躬行
05-01 2323
无意间看到这样的一个题目，
【算法记录】梅式砝码问题
HouraisanF的博客
01-29 816
原题位置：https://ac.nowcoder.com/acm/contest/327/C 问题描述： 有一套砝码，每一个砝码都是正整数。 这套砝码必须能够精确测量出N以内所有正整数的质量，则该套砝码至少需要多少个砝码？ 你可以在天平的任意一边放置砝码。 输入描述: 一行，一个正整数n 1<=n<=101000 输出描述: 一个整数，表示最少的砝码数 思路： 本题...
梅氏砝码（2014腾讯实习笔试附加题）
chijin6756的博客
04-13 200
原题大意：用4个砝码称出重量在1到40克内的钻石，这4个砝码分别多重（钻石重量为整型）。 解法：梅氏砝码。 前提：因为砖石重量在[1,40]，因此砝码可以称出的重量必须是一个连续的区间。 假设第i个砝码的重量为a[i]且a[i]>=a[i-1]。 假设i-1个砝码可以称出的最大重...
法国数学家梅齐亚克的砝码问题
magictong的专栏
03-07 4625
砝码问题 写道      法国数学家梅齐亚克在他著名的《数字组合游戏》(1962)中提出了一个问题：一位商人有一个重40磅的砝码，一天不小心将砝码摔成了四块。后来商人称得每块的重量都是整磅数，而且发现这四块碎片可以在天平上称1至40磅之间的任意重量。请问这四块碎片各重多少？  *问题分析与算法设计 写道      本题是上一题的发展。题目中给出的条件是“在天平上”，这意味着：同
解梅式砝码问题
刘刚的空间
11-20 320
原题：   法国数学家梅齐亚克在他著名的《数字组合游戏》(1962)中提出了一个问题：一位商人有一个重40磅的砝码，一天不小心将砝码摔成了四块。后来商人称得每块的重量都是整磅数，而且发现这四块碎片可以在天平上称1至40磅之间的任意重量。请问这四块碎片各重多少？   我的解：   显然我们可以有如下合理的假设：   这四块的重量分别：a，b，c，d；且有：1&lt;=a&lt;=b&lt;=c&lt...
砝码问题
u011669093的专栏
11-01 729
给出n个指定质量的砝码，
梅氏砝码问题的证明
吕布_超的博客
10-03 1846
问题：用4个砝码称出重量在1到40克内的钻石，这4个砝码分别多重（钻石重量为整型）。 解法：梅氏砝码。 假设第i个砝码的重量为a[i]且a[i]>=a[i-1]。i-1个砝码可以表示[1,n](n1,n]U[a[i]-n,a[i]+n]。为使其连续，所以a[i]-na[1]+a[2]+a[3]+...+a[i-1])+1。因此当a[i]=2*(a[1]+a[2]+a[3]+...+a[i-1]
梅尔倒频谱系数(MFCC)。
最新发布
02-21
### 梅尔倒频谱系数(MFCC)概述 梅尔频率倒谱系数（Mel Frequency Cepstral Coefficients, MFCC）是一种广泛应用在语音识别和处理中的声学特征[^2]。MFCC的设计灵感来源于人类听觉系统的特性，特别是人耳对不同频率的敏感度差异。 #### 特征描述 MFCC通过一系列处理步骤来模拟人耳对声音的感受方式： - **预加重**：通过对原始音频信号施加高通滤波器，增强高频成分并减少低频噪声的影响。 - **分帧**：将连续时间序列分割成多个固定长度的时间窗口或“帧”，通常这些帧之间会有一定的重叠。 - **加窗**：为了降低相邻样本之间的不连续性和由此产生的伪影，在每帧上应用一个平滑函数（如汉明窗）。 - **快速傅里叶变换 (FFT)** ：把时域内的数据映射到频域内表示形式；这一步骤可以揭示出存在于输入信号内部的各种周期模式及其强度分布情况。 - **梅尔滤波器组**：利用一组按特定间隔排列于梅氏尺度上的三角形带通滤波器作用于上述所得幅度谱之上，从而获得更贴近自然听力机制下的响应曲线形状。 - **对数运算**：取各通道输出结果的自然对数值，以便更好地反映实际感知效果。 - **离散余弦变换(DCT)**：最后执行一次DCT操作以进一步压缩维度，并最终形成所需的MFCC向量集合。 ```matlab % MATLAB代码片段展示如何实现基本的MFCC计算过程 function mfccs = compute_mfcc(signal, fs) % 参数初始化... % 预加重 pre_emphasized_signal = filter([1 -0.97], 1, signal); % 分帧 & 加窗 frames = buffer(pre_emphasized_signal, frame_length, overlap_samples, 'nodelay'); windowed_frames = frames .* hamming(frame_length)'; % FFT 和 功率谱密度估计 fft_result = abs(fft(windowed_frames)).^2; % 应用梅尔滤波器银行 mel_filters = create_mel_filter_bank(fs, num_cepstra); filtered_power_spectra = fft_result * mel_filters'; % 对数转换 log_filtered_powers = log(filtered_power_spectra + eps); % DCT 变换获取最终MFCC mfccs = dct(log_filtered_powers); end ``` #### 应用场景 由于其强大的表征能力和鲁棒性，MFCC被广泛应用于各种领域中，包括但不限于以下几个方面: - **自动语音识别**(ASR): 提取出能够有效区分不同发音单位的信息作为模型训练的基础. - **说话人验证/辨认**: 利用个人独特的发声特质来进行身份确认或是分类任务. - **情感分析**: 推断讲话者的情绪状态比如快乐、悲伤等情绪类别.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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