估计随机结构中a，b的占比

原创 于 2026-06-19 16:12:50 发布 · 154 阅读 · 2 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#密度

a

b

2

1

1

 

1

 

2

1

随机用结构a或者b填充平面，让两个结构只能以2-1-2的方式连接，让平面的高度是20，宽度分别是20,30,40,60,80,比较结构中a，b数量的变化。

其中一组20*20的数据，这个结构中有36个b，53个a，密度是0.89

每个尺寸测5组,得到数据为

平均

20*20

95

89

86

86

91

89.4

b

18

36

34

37

32

31.4

a

77

53

52

49

59

58

20*30

129

132

136

133

128

131.6

b

60

57

34

70

53

54.8

a

69

75

102

63

75

76.8

20*40

178

178

170

178

173

175.4

b

71

75

91

67

85

77.8

a

107

103

79

111

88

97.6

20*60

268

261

264

265

266

264.8

b

117

111

123

112

121

116.8

a

151

150

141

153

145

148

20*80

353

344

356

350

351

350.8

b

138

194

143

157

151

156.6

a

215

150

213

193

200

194.2

整理得到

20*20

20*30

20*40

20*60

20*80

s

100

150

200

300

400

 

 

89.4

131.6

175.4

264.8

350.8

b

31.4

54.8

77.8

116.8

156.6

a

58

76.8

97.6

148

194.2

b/s

0.314

0.3653

0.389

0.3893

0.3915

b占比逐渐变大

2

1

2

1

2

1

2

1

1

 

1

 

1

 

1

 

2

1

2

1

2

1

2

1

1

 

1

 

1

 

1

 

2

1

2

1

2

1

2

1

1

 

1

 

1

 

1

 

2

1

2

1

2

1

2

1

1

 

1

 

1

 

1

 

设8*8的平面和20*20的平面的平均密度相同，

n

c(4,n)

b数量

0

1

1

4

3

12

2

6

6

36

3

4

9

36

15

84

240

0.35

在4列中只有1列含有b的情况有4种，设每列中有3个b，则共有12个，所有情况共有84个，总的面积为15*16=240，b占比为84/240=0.35

考虑前面得到的平面平均密度算法


得到b的密度为

实测

n

计算

20*20

31.4

0.314

4

0.35

5

0.362903226

20*30

54.8

0.365

6

0.369047619

7

0.372047244

20*40

77.8

0.389

8

0.373529412

9

0.374266145

10

0.374633431

11

0.374816805

20*60

116.8

0.389

12

0.374908425

13

0.374954218

14

0.37497711

15

0.374988556

20*80

156.6

0.392

16

0.374994278

得到

20*20

20*30

20*40

20*60

20*80

b/s

0.314

0.3653

0.389

0.3893

0.3915

计算

0.35

0.369

0.3735

0.3749

0.375

初值偏大，终值偏小但趋势很一致。

 

2

1

2

1

 

 

 

 

 

 

2

1

 

 

 

 

2

1

2

1

 

 

2

1

 

 

2

1

 

 

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

1

 

1

 

1

 

1

 

 

 

1

 

 

 

1

 

1

 

1

 

 

 

1

 

1

 

1

 

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

 

2

1

 

 

2

1

 

1

 

1

 

1

 

 

 

1

 

1

 

1

 

 

 

1

 

1

 

1

 

1

 

1

 

1

 

 

 

 

2

1

2

1

2

1

2

1

2

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

 

 

1

 

 

 

 

2

1

2

1

2

1

 

 

2

1

2

1

 

 

 

 

2

1

2

1

2

1

2

1

2

1

2

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

 

 

1

 

1

 

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

 

2

1

2

1

2

1

2

1

2

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

 

 

1

 

1

 

1

 

1

 

1

 

1

 

 

2

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

1

 

1

 

1

 

1

 

1

 

 

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

1

 

 

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

1

 

 

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

1

 

 

 

1

 

 

 

1

 

 

 

1

 

 

 

 

 

1

 

 

 

1

 

1

 

 

 

1

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

132

57

75

*****

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3

 

0

 

 

 

 

 

 

 

85

 

 

 

 

 

54

 

51

 

 

 

96

 

 

 

86

 

 

 

 

 

 

 

 

2

 

5

 

7

 

 

 

37

 

48

 

 

 

 

 

49

 

 

 

73

 

 

 

102

 

 

4

 

1

 

 

 

 

 

 

 

19

 

 

 

 

 

44

 

46

 

 

 

60

 

 

 

82

 

 

 

 

 

 

 

 

9

 

16

 

 

 

 

 

 

 

35

 

 

 

 

 

 

 

 

 

76

 

 

 

116

 

 

6

 

8

 

 

 

 

 

24

 

26

 

27

 

 

 

40

 

43

 

57

 

 

 

 

 

 

 

 

 

 

 

 

 

 

10

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

69

 

88

 

90

 

 

 

 

22

 

11

 

 

 

30

 

38

 

 

 

29

 

93

 

41

 

120

 

62

 

 

 

 

 

 

 

109

 

 

 

 

 

 

12

 

 

 

 

 

52

 

 

 

 

 

 

 

 

 

 

 

75

 

79

 

 

 

 

 

 

 

 

13

 

 

 

18

 

 

 

 

 

67

 

 

 

 

 

87

 

74

 

 

 

 

 

121

 

117

 

 

17

 

 

 

15

 

 

 

36

 

47

 

 

 

61

 

89

 

 

 

 

 

 

 

97

 

 

 

 

 

 

 

 

14

 

 

 

23

 

 

  

 

 

56

 

 

 

 

 

 

 

122

 

99

 

 

 

105

 

123

 

 

25

 

 

 

20

 

 

 

55

 

83

 

 

 

64

 

 

 

108

 

 

 

 

 

103

 

 

 

 

 

 

 

 

 

 

 

 

21

 

 

 

 

 

119

 

 

 

70

 

 

 

98

 

101

 

 

 

107

 

113

 

 

28

 

34

 

31

 

 

 

33

 

53

 

 

 

94

 

 

 

80

 

 

 

 

 

106

 

 

 

 

 

 

 

 

 

 

 

 

32

 

 

 

 

 

81

 

 

 

72

 

 

 

91

 

124

 

 

 

110

 

112

 

 

59

 

66

 

65

 

 

 

39

 

 

 

 

 

130

  

 

 

131

 

 

 

 

 

111

 

 

 

 

 

 

 

 

 

 

 

 

42

 

 

 

45

 

 

 

 

 

104

 

 

 

92

 

100

 

 

 

115

 

114

 

 

63

 

 

 

77

 

 

 

50

 

 

 

68

 

71

 

 

 

95

 

 

 

 

 

118

 

 

 

 

 

 

 

 

125

 

 

 

78

 

 

 

58

 

 

 

 

 

84

 

 

 

126

 

127

 

 

 

128

 

129

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

机器学习基线模型构建指南：从随机基线到AutoML的全流程实践
搜索
06-16 438
基线模型是机器学习项目中衡量模型有效性的基础参照系，其本质是建立问题可解性的第一道验证标尺。它基于数据先验分布与任务本质规律，通过随机基线、简单机器学习模型和自动化工具三类范式，揭示特征有效性、诊断数据质量、驱动特征工程迭代。技术价值在于避免无效调参、识别数据泄露、锚定AB测试与持续监控漂移。典型应用场景包括点击率预测、风控建模、医疗筛查等长尾分布或高业务敏感性任务。本文聚焦基线构建的工程化落地，覆盖从数据探查、策略选型、代码实现到陷阱排障的完整链路。
统计学前八章选择题
S_5922的博客
05-10 1628
第一章 绪论 1. 答案：D 数据按照计量尺度分可分为”分类数据“和”数值数据“ 分类数据：只能归于某一类的非数值型数值，根据取值是否有序可分为无序分类数据和有序分类数据 数值数据：具体的数值，根据取值情况可分为离散数据和连续数据，离散数据的取值是有限的；连续数据的取值固定在某一区间，且该区间的数值连续不断 2. 答案：A 解析看上 3. 答案： B 总体为B，样本为A，参数为D，统计量为C 注意：”参数“针对 ”总体“；”统计量“针对”样本“ 4. 答案：A
工业级长文本注意力机制：稀疏化、线性化、结构感知与动态路由实战
aikenqiu5098的博客
06-16 296
注意力机制是Transformer模型的核心组件，其标准形式在处理长序列时面临O(n²)计算复杂度、显存爆炸与梯度衰减等根本性瓶颈。为突破这一限制，工程实践中演化出四大技术路径：通过局部窗口与全局token实现稀疏化压缩；借助核函数近似或低秩投影完成线性化降维；融合依存句法、知识图谱与文档层级提升结构感知能力；以及基于输入内容动态调度attention参数的路由机制。这些方法不仅显著降低16K+长文本场景下的GPU显存占用与推理延迟，更在医疗报告理解、金融合同审查、代码补全等高价值任务中验证了语义精度与系统
自生成结构数据：解耦大模型注意力与强化学习的可解释性新范式
wyjvip333的专栏
06-15 509
结构化数据是理解深度模型内部机制的基础概念，其核心在于通过可控语法定义token间层级关系与语义约束。本文基于结构语法生成原理，构建具备显式树形拓扑、嵌套深度与分支逻辑的合成数据，使Transformer注意力模式与RL策略梯度得以被精准归因。该方法突破传统黑箱分析局限，提供可编程的注意力观测能力与结构一致性奖励机制，技术价值体现在头功能特化、跨层注意力缩放律、条件敏感策略建模等可复现现象。典型应用场景包括AI系统可解释性诊断、工业控制决策溯源、医疗辅助模型故障定位等高可信需求领域，尤其适用于需将大语言模型
易语言源码易语言多线程传送大字节集数据
最新发布
06-25
易语言源码易语言多线程传送大字节集数据
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

打赏作者

黑榆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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