代码随想录算法训练营第七天|哈希表理论基础，454.四数相加II ，383. 赎金信 ，15. 三数之和 ，18. 四数之和

土地利用数据从1972到2023：如何利用Landsat和Sentinel数据构建长期变化监测模型

本文详细解析了如何利用1972至2023年的Landsat和Sentinel遥感数据构建土地利用长期变化监测模型。通过多源数据融合策略、时间序列预处理流程和深度学习算法，实现高精度的土地利用分类与变化检测，为生态评估和城市规划提供科学依据。文章还探讨了验证方法和实际应用案例，展示了长期遥感数据在环境建模中的独特价值。

代码随想录算法训练营第七天 | 哈希表理论基础 454.四数相加II 383. 赎金信 15. 三数之和 18. 四数之和

这道题我个人直观感觉是的拓展，但搞得我不知道该构建哈希表来find什么（比如说我遍历到数组1的元素a，我不知道在下一个数组构成的hash表来find什么元素）。然后就去看参考视频了。卡哥的视频解答了我的疑惑我们可以让前两个数组相加划为一块，后两个元素相加划为一块。但也有可能会产生另一个问题。因为当我们构建一块的过程中是要遍历相加的，这种方法的时间复杂度是O(),而两两划分的时间复杂度是O（进而衍生到如果出现“六数相加”、“八数相加”的题目，为了算法时间复杂度，在选用哈希数据结构的时候,也会陷入纠结。

北斗导航 ｜ 从零开始学习基于奇偶矢量的接收机自主完好性监测（RAIM）算法及改进

接收机自主完好性监测（Receiver Autonomous Integrity Monitoring, RAIM）是GNSS接收机内部的一种算法，它仅利用冗余的伪距观测量来判断定位结果是否可靠、是否存在故障卫星，并能识别和排除故障卫星。奇偶矢量法是RAIM最经典的实现方式之一，它将不可直接观测的测量误差映射到一个“奇偶空间”中，使故障检测变得简单且服从精确的概率分布。w\mathbf{w}w虽然能反映故障，但它的协方差矩阵不是单位阵，各分量相关，不利于统计检验。奇偶矢量通过一个正交变换P。

代码随想录算法训练营第七天| 哈希表理论基础 ，454.四数相加II， 383. 赎金信， 15. 三数之和， 18. 四数之和

代码随想录算法训练营第七天| 哈希表理论基础 ，454.四数相加II， 383. 赎金信， 15. 三数之和， 18. 四数之和

代码随想录算法训练营第七天| 哈希表理论基础 454.四数相加II 383.赎金信 15.三数之和 18.四数之和

给定四个包含整数的数组ABCD，计算有多少个元组使得。

代码随想录算法训练营第七天 | 哈希表理论基础，454.四数相加II 383. 赎金信 15. 三数之和 18. 四数之和

我分别用了两个哈希表，统计了两个数之和的出现次数；c数组元素+d数组元素 = -3，出现了4次；= 0而是 > 0，特例为第一个数组"abcd"， 第二个数组"abcdabcd"，这样判断完哈希表的值为负数，一开始疏忽了这点。但是要处理的条件很多，一不留神就会忽略。我看了思路然后做题，也没能考虑齐全条件，错误见注释。3. 双指针法能处理的也只有两个数字，数字变多后还是得放入循环中解决。2. 这儿要返回具体的数，但是哈希表只能反映次数和总和，所以不能用。除了双指针法想不到别的方法了，看了答案也只有这个办法。

代码随想录算法训练营第七天 |【哈希表】454.四数相加II、383. 赎金信、15. 三数之和、18. 四数之和

一般来说哈希表都是用来快速判断一个元素是否出现集合里。

代码随想录算法训练营第七天 | 454.四数相加II ，383. 赎金信 ，15. 三数之和，18. 四数之和

数组的大小是受限制的，而且如果元素很少，而哈希值太大会造成内存空间的浪费。set是一个集合，里面放的元素只能是一个key，而两数之和这道题目，不仅要判断y是否存在而且还要记录y的下标位置，因为要返回x 和 y的下标。所以set 也不能用。这时候就可以用到字典了。

代码随想录算法训练营第七天|454四数相加II、 383赎金信、15三数之和、18四数之和

我们设想一下，我们当前的三数之和为 -3 < 0 那么我们如果移动橙色指针的话则会让我们的三数之和变的更小，因为我们的数组是有序的，所以我们移动橙色指针（蓝色不动）时和会变小，如果移动蓝色指针（橙色不动）的话，三数之和则会变大，所以这种情况则需要向右移动我们的蓝色指针，找到三数之和等于 0 的情况进行保存，如果三数之和大于 0 的话，则需要移动橙色指针，途中有三数之和为 0 的情况则保存。但是这里我们需要注意的一个细节就是，我们需要去除相同三元组的情况，我们看下面的例子。下面我们来看下三个指针的初始位置。

代码随想录算法训练营第七天 | 454.四数相加II 、 383. 赎金信 、 15. 三数之和 、18. 四数之和

代码随想录算法训练营第七天 | 454.四数相加II 、 383. 赎金信 、 15. 三数之和 、18. 四数之和

代码随想录算法训练营第七天|LeetCode 454.四数相加||、383. 赎金信、15. 三数之和、18. 四数之和

状态：联想昨天的两数之和，不知道四个数的话怎么判断target-num，不会做这道题也要用map假设四个数组分别是ABCD前两个数组取出元素a+b 并统计出现的次数放到map里，遍历后两个数组c+d，查询0-(a+b)是否出现在map，出现的话即找到符合相加=0的四数元组。这样就解决了状态里我不会的那个点。至于为什么不是先遍历a，再遍历b+c+d，因为两个N^2的时间复杂度优于N+N^3。

数据库连接算法详解：从基础概念到嵌套循环优化

2.重复键在归并连接中的处理：排序归并连接遇到相同键时，需要保存或回溯同一键对应的记录组，然后输出笛卡尔积。（2）外连接：即使一方没有数据，也保留该侧数据，用NULL填充。对S中的键计算哈希值；（3）连接基数：连接结果的行数可能远大于任意一张输入表。设外表有R个页面，内表S个页面，比较次数O（R+R*S）5.哈希连接的限制：最适用于等值连接，不直接适用于比较。（1）build阶段：对较小的关系R建立哈希表。（1）内连接：只保留两张表之中能够匹配的内容。若R有M行，S有N行，则比较次数为O（MN）

小红书 算法一面 十一

例如 **Soft MoE** 采用这种方式，大幅提升负载均衡性，但会增加计算开销。- **熵正则化**：直接最大化门控概率分布的熵，熵越大表示分布越均匀，公式为 $\mathcal{L}_{ent} = -\frac{1}{N}\sum_{i=1}^N\sum_{k=1}^K p_{ik}\log p_{ik}$。- **核心原理**：源自 **GShard** 和 **Switch Transformer**，通过最小化专家选择概率分布的熵，迫使门控网络给每个专家分配相近的 token 数量。

LeetCode 1. 两数之和 | 从暴力枚举到哈希表最优解 + 空间换时间思想全复盘

文章摘要 题目要求在数组中找到两数之和等于目标值的下标。核心思路是优化查找效率： 暴力法：双重循环枚举所有数对，时间复杂度O(n²)，效率低但易实现。 哈希表优化：利用哈希表O(1)查找特性，遍历时存储已访问元素，每次计算差值并查询，时间复杂度降至O(n)。关键细节是先查后存，避免自匹配。 代码实现：哈希表法通过一次遍历完成，空间换时间，边界处理需注意空数组和不足两元素的情况。 常见错误：内层循环起始点、哈希表键值设计、立即返回结果等易错点需警惕。 面试要点：优先选择哈希表解法，解释与暴力法的差异，强调时间

算法日常・每日刷题--＜BFS＞4

题目摘要： 给定一个由'X'和'O'组成的矩阵，要求捕获所有被'X'完全包围的'O'区域（即不与边界连通的区域），并将其替换为'X'。解法核心是逆向处理： 标记边界连通区域：遍历矩阵四边，对边界上的'O'进行BFS/DFS，标记所有与之连通的'O'为临时符号（如'.'），表示这些区域未被包围。 批量修改：遍历整个矩阵，将未被标记的'O'（被包围的）改为'X'，同时恢复标记的'.'为'O'。 示例： 输入： [['X','X','X','X'], ['X','O','O','X'], ['X','X','O'

10.LeetCode算法习题讲解--滑动窗口--最大连续为一的个数

利用滑动窗口解决最大连续1的个数

AI辅助芯片制造：算法与工程化落地

《国产DRAM龙头长鑫科技上市创纪录，AI技术重塑芯片制造新范式》 国产DRAM龙头企业长鑫科技7月27日登陆科创板，创下3.31万亿元市值，成为A股"一哥"。作为大陆唯一实现DRAM大规模量产的IDM企业，长鑫科技标志着国产存储产业的重要突破。随着AI算力需求激增，DRAM市场迎来高速发展期。AI技术正在深度改变芯片制造模式，在工艺仿真、缺陷检测、设备维护等环节发挥关键作用，显著提升良率和效率。长鑫科技高管推荐的新书《AI辅助芯片制造：算法与工程化落地》系统解析了AI赋能半导体制造的实战方案

二刷hot100-70.爬楼梯

dp数组初始化：dp[n+1]；

S 曲线加减速算法完整详解（C# 原生实现，无第三方库）

S 曲线加减速是工业运动控制核心轨迹规划算法，相比梯形曲线，依靠约束加加速度 Jerk 实现加速度连续变化，有效消除机械冲击与振动。本文完整讲解七段式 S 曲线原理、阶段推演、时间预规划逻辑，剖析短行程自动裁剪等工程难点。提供无第三方依赖原生 C# 完整实现，内置运动状态机，支持正反方向运动，基于解析多项式实时求解位置、速度、加速度，无积分累积误差。代码可直接用于伺服上位机、模组轨迹发生器，亦可精简移植嵌入式平台。同时对比算法优劣与适用场景，适合工控开发、伺服调试、嵌入式运动算法学习者参考。

Tokenization（分词算法）：一切大语言模型的地基

本文深入解析了Tokenization（分词算法）这一大语言模型的基础技术。Tokenization将原始文本切分为模型可处理的子词单元并映射为数字ID，是模型理解文本的第一步。

python3.7安装包

python3.7安装包