jsp标签 判断 余数_程序员的数学基础课(三)余数与迭代法

3abcf13ba2cbac5715e077f5d0d5dcbb.png

问题:什么是余数 余数的作用?

余数在生活中非常常见,日历,日期,其中包含一个定理 同余定理。
同余定理:余数总是在一个固定的范围内,任意两个整数 a 和 b,如果它们除以正整数 m 得到的余数相等,我们就称 a 和 b 对于模 m 同余。
同余定理主要运用于:数据的均分。
模运算最大的特点就是不可逆,https就是利用这个原理通过非对称加密协商出对称密钥的。
在写代码过程中会用到的同余定理。负载均衡算法,分库分表,消息队列顺序消息,一致性hash,数据分页等等
余数在加密算法,随机存储等领域中有广泛应用

迭代法:

迭代法,简单来说,其实就是不断地用旧的变量值,递推计算新的变量值。

下面这张图即表示迭代法的数学函数。

cc77b8e7b8cebf53d84423b8335277e8.png

代码实例如下

// 迭代器模式//  兔子数列function fib(month) {    if (month ==1 || month === 2) {        return 1    } else {        return fib(month -1) + fib(month - 2)    }}//  棋盘的复利 等比数列function iterater(num) {    let resNum = 0    let count = 1    for (let index = 0; index < num; index++) {        count*= 2        resNum += count    }    return resNum}

以上这两段代码使用迭代法实现了兔子数列 与棋盘问题的解决。

迭代法具体的应用

  • 求数值的精确或者近似解。典型的方法包括二分法(Bisection method)和牛顿迭代法(Newton’s method)。

  • 在一定范围内查找目标值。典型的方法包括二分查找。

  • 机器学习算法中的迭代。相关的算法或者模型有很多,比如 K- 均值算法(K-means clustering)、PageRank 的马尔科夫链(Markov chain)、梯度下降法(Gradient descent)等等。迭代法之所以在机器学习中有广泛的应用,是因为很多时候机器学习的过程,就是根据已知的数据和一定的假设,求一个局部最优解。而迭代法可以帮助学习算法逐步搜索,直至发现这种解。

    以下以一个面试题为例,

        题目:使用迭代法求一个数的算数平方根,给定固定的精度?

    以下是解题思路的图解

34c758c761a129f9033922d656f207ad.png

在数学中存在二分法进行不同逼近的操作,不停的逼近得数的操作。

以下为代码解题 方法

/** *  * @param {*} num 需要计算的数据 * @param {*} deltaThreshold 误差精度 * @param {*} maxCount 计算 */function getSqureRoot(num,deltaThreshold) {    if (num<=1) {        return 1    }    // 设置最大值    var max = num;    // 设置最小值    var min = 1;    // 设置中间变量    var mid = 0;    // 无限循环    for (; ;) {        // 二分法求中间值        mid = (max +min) /2;        // 得到平方值        var squre = mid* mid;        // 计算精度        detalt = Math.abs((squre/num) -1);        if (detalt<= deltaThreshold) {            break        } else {            if (squre > num) {                max = mid            } else {                min = mid            }        }    }    return mid}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/490736.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

爬虫:获取豆瓣电影爱情片榜单封面图片

电影中单纯而美好的爱情总是让人陷入美好无瑕的幻想。 代码已上传至个人GitHub&#xff0c;可供查看&#xff1a;获取豆瓣电影爱情片榜单封面图片 爬虫&#xff1a;获取豆瓣电影爱情片榜单封面图片 目的&#xff1a;获取豆瓣电影爱情片榜单封面图片&#xff0c;并保存到本地。…

邬贺铨:解读5G技术关键点,及如何影响AIoT

来源&#xff1a;雷锋网雷锋网按&#xff1a;物联网发展至今&#xff0c;有两项技术对其赋能产业起到了关键作用&#xff0c;一项是这两年发展神速的AI&#xff0c;另一项则是当下逐渐开始商用的5G。前者使物联网&#xff08;IoT&#xff09;进化到智联网(AIoT)&#xff0c;从单…

msdn画圆弧函数_精确之美——用TikZ画硬盘示意图

序言备考某等级考试的时候&#xff0c;在教材中碰到了几个一直不太理解的、关于硬盘的概念&#xff1a;磁道、柱面号、扇区。然而教材没有配图&#xff0c;无法直观地了解这些概念的物理形态。维基百科的硬盘[1]词条页中倒是有一副不错的示意图&#xff0c;我截图搬运了过来机械…

爬虫:验证码识别准确率(Tesseract-OCR)

爬虫&#xff1a;验证码识别准确率&#xff08;Tesseract-OCR&#xff09; 现在的网站为了防止人们轻易的获取登陆后的页面信息&#xff0c;在登陆上设置了很多的障碍&#xff0c;验证码就是其中的一种&#xff0c;所谓道高一尺&#xff0c;魔高一丈&#xff0c;人们总能想出办…

【赠书】21世纪科技竞争的核心是超级智能的控制权

这篇文章是根据《崛起的超级智能&#xff1a;互联网大脑如何影响科技未来》的核心观点对21世纪世界科技竞争的判断。《崛起的超级智能》受到张亚勤、刘慈欣、周鸿祎、王飞跃、约翰.翰兹等专家的联合推荐。作者刘锋&#xff0c;2019年7月由中信出版社出版。《崛起的超级智能》主…

MATLAB中的微积分运算(数值符号)

显然这个函数是单词differential&#xff08;微分&#xff09;的简写&#xff0c;用于计算微分。实际上准确来说计算的是差商。 如果输入一个长度为n的一维向量&#xff0c;则该函数将会返回长度为n-1的向量&#xff0c;向量的值是原向量相邻元素的差&#xff0c;于是可以计算一…

电脑手写板_点到之处妙笔生花,实用平板电脑手写电容笔推荐

如今随着科技的不断发展&#xff0c;人们生活水平也在逐步地提升。除了手机以外&#xff0c;很多人都会给自己入手一款平板电脑。不管是观看电影还是游戏办公&#xff0c;大尺寸的屏幕都能带来更加清晰的视觉效果。而电容笔的出现&#xff0c;可以说跟平板电脑是一组巧妙的搭配…

图像处理:给验证码图片做降噪处理及数据清洗

上一篇博文&#xff1a;https://blog.csdn.net/qq_40962368/article/details/89312429 图像处理&#xff1a;给验证码图片做降噪处理及数据清洗 在上一篇博文中&#xff0c;tesseract对验证码识别的准确率还是非常低的&#xff0c;改进措施的话&#xff0c;可以从三个方面来考…

X-Brain:如此美丽可爱的大脑工作原理

这个帖子很好地提醒了我&#xff0c;为什么我愿意跟如此美丽可爱的大脑一起工作。因为真正的大脑非常不可爱&#xff0c;长得也难看。我们从外往里看吧。生物学有时似乎非常让人满意&#xff0c;比如你的头上有一个真正的俄罗斯套娃。你有头发&#xff0c;然后是头皮&#xff0…

SpringMVC注解@RequestParam全面解析

在SpringMVC后台控制层获取参数的方式主要有两种&#xff0c;一种是request.getParameter("name")&#xff0c;另外一种是用注解RequestParam直接获取。这里主要讲这个注解 一、基本使用&#xff0c;获取提交的参数 后端代码&#xff1a; Java代码 RequestMapping(…

MATLAB(六)数据处理

一、Matlab中的默认数据文件mat文件 例1、把Matlab工作空间中的数据矩阵a、b、c保存到数据文件data1.mat中。 >> a [1, 2, 3] a 1 2 3 >> b [4, 5, 6] b 4 5 6 >> c [7, 8, 9] c 7 8 9 >> save data1 a b c 例2、把例1生…

java怎么安装_Windows、Linux、Mac下安装JDK

前言在知乎上看到很多童鞋在学Java的时候&#xff0c;因为安装jdk时没有正确的配置&#xff0c;会遇到很多问题。所以决定今天写一下jdk在Windows、Mac、Linux下都怎么安装。下载JDK“巧妇难为无米之炊”&#xff0c;所以首先我们要去Oracle官网上下载jdk&#xff0c;Java8下载…

200年历史的神经科学难题,取得重大突破

图片来源&#xff1a;Diogo Matias&#xff0c;Champalimaud基金会来源&#xff1a;中国生物技术网北京时间8月13日&#xff0c;发表在《Nature Neuroscience》上的一项研究&#xff0c;来自葡萄牙里斯本Champalimaud未知中心的研究团队解决了一个长达200年历史的神经科学难题。…

关系数据库SQL之可编程性触发器

前言 前面关系数据库SQL之可编程性函数&#xff08;用户自定义函数&#xff09;一文提到关系型数据库提供了可编程性的函数、存储过程、事务、触发器及游标&#xff0c;前文已介绍了函数、存储过程、事务&#xff0c;本文来介绍一下触发器的使用。(还是以前面的银行系统为例) 概…

图像处理:图像特效之油画效果

利用OpenCVpython对图片进行处理产生油画的效果 算法可以分为五步&#xff1a; 1、获取图像的灰度(gray)图片2、设计一个小方框&#xff08;4x4 or 8x8 or 10x10等&#xff09;&#xff0c;统计每个小方框的像素值3、将0-255的灰度值划分成几个等级&#xff0c;并把第二步处理…

socket模拟http的登陆_python模拟登陆知乎(最新版)

为啥要写这一篇文章呢&#xff1f;&#xff08;主要是qq群内有人在模拟登陆知乎&#xff0c;一直不成功&#xff09;然后我抓包看了下&#xff0c;发现知乎登陆页已经改版了&#xff0c;而且难度大大提高了。开始抓包首先内&#xff0c;还是打开知乎首页&#xff0c;然后输入账…

图像识别:利用KNN实现手写数字识别(mnist数据集)

图像识别&#xff1a;利用KNN实现手写数字识别&#xff08;mnist数据集&#xff09; 步骤&#xff1a; 1、数据的加载&#xff08;trainSize和testSize不要设置的太大&#xff09; 2、k值的设定&#xff08;不宜过大&#xff09; 3、KNN的核心&#xff1a;距离的计算 4、k个最近…

一个与生命起源有关的悖论终于得到了解决

来源&#xff1a;原理当Caitlin Cornell低头看显微镜时&#xff0c;她看见黑色的背景下浮现出一些大大的明亮斑点。它们就像微缩的太阳&#xff0c;在深色的太空幕布下闪耀着光芒。Conell回忆起把这些斑点展示给她的导师Sarah Keller时的兴奋&#xff0c;那时她们意识到&#x…

python ffmpy3与FFmpeg的安装

python ffmpy3与FFmpeg的安装 安装命令&#xff1a; pip install ffmpy3 去官网下载FFmpeg&#xff0c;根据自身电脑版本下载相应安装包 http://ffmpeg.org/download.html from ffmpy3 import FFmpeg ff FFmpeg(inputs{test.mp4: None},outputs{output.ts: None}) print(f…

千兆网线8根线定义图_家中的网线断裂/不够长,如何接线才最合适?

网线作为互联网时代不可或缺的主角&#xff0c;更是家装布线和工程施工中的常客。网线相对来说是很脆弱的&#xff0c;特别是一些质量一般的网线&#xff0c;在很多情况下都可能会被弄断&#xff0c;比如老鼠咬、过度拉伸、摆在地下人踩的人多了、电起火烧断、不小心被夹断等等…