总结 5.12

今天学了计算机组成原理,把浮点数和ieee754标准搞明白了一些,首先一般的浮点数形式是左边是阶码,右边是数,然后第一位都是符号位,而754不同的点在于引进符号位,然后取消了阶码和数内部的符号,阶码用移码来表示,移码的计算方式是真值加上一个偏移值,对32位浮点数来说是127.

然后学了数学,首先是学了常数项级数的敛散性的判断,了解了判断敛散性的五种方法,分别是比较判别和比较判别的极限形式,这种方法使用普遍但比较难用,然后是比值和根值判别,一般用在出现a的n次方,n的阶乘之类上面,这种适用范围窄但使用简单。然后学习了交错级数,使用莱布尼茨判断,要求是un具有单调递减并且极限为零。然后是绝对收敛和条件收敛,当绝对收敛时一定条件收敛,然后条件收敛的所有正项或负项级数相加起来一定发散。这一章的例题主要是判断是否发散,还有一些判断哪个是对的题目,这种最好直接法。

相关推荐
瑞码空间4 天前
概率论与数理统计完整知识笔记
概率论·数理统计
过期的秋刀鱼!6 天前
倾斜数据集的错误指标-混淆矩阵
人工智能·python·深度学习·机器学习·概率论·模型评估
六边形战士DONK10 天前
16-估计量的评选标准[无偏性,有效性,相合性,均方误差准则]
人工智能·机器学习·概率论
六边形战士DONK10 天前
11-常见随机变量的分布[连续型]
概率论
六边形战士DONK10 天前
15-参数的点估计方法[矩估计,极大似然估计]
人工智能·机器学习·概率论
六边形战士DONK11 天前
08-随机变量的相互独立性
概率论
六边形战士DONK11 天前
09-随机变量的数字特征
人工智能·机器学习·概率论
知识分享小能手13 天前
高等数学学习教程,从入门到精通,定积分 — 知识点全面总结(10)
学习·机器学习·概率论
Chen--Xing14 天前
概率论导论 —— 泊松分布[X~Pois(λ)]
概率论
知识分享小能手15 天前
高等数学学习教程,从入门到精通,微分中值定理与导数的应用(5)
学习·机器学习·概率论