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
AI科技星18 小时前
《全域数学/数术工坊》体系总览
c语言·开发语言·汇编·electron·概率论
lhjcsubupt1 天前
第二十二篇 从随机过程到IMU噪声模型
算法·机器学习·概率论
做cv的小昊1 天前
计算机图形学:【Games101】学习笔记08——光线追踪(辐射度量学、渲染方程与全局光照、蒙特卡洛积分与路径追踪)
图像处理·笔记·学习·计算机视觉·游戏引擎·图形渲染·概率论
AI科技星2 天前
数术工坊:投影秘籍
人工智能·线性代数·架构·概率论·学习方法
2601_961845153 天前
新高考一卷真题2025|真题PDF全科整理
线性代数·矩阵·pdf·动态规划·概率论·高考
changjh15 天前
线性回归的似然函数推导
机器学习·线性回归·概率论
AI科技星6 天前
精细结构常数α的多维度物理比值特性及空间螺旋模型研究
人工智能·线性代数·架构·概率论·学习方法
AI科技星6 天前
基于奇合数边界的离散解析数论与双螺旋宇大统一体系(中英文双语纯净终稿)
人工智能·线性代数·架构·概率论·学习方法
chsmiao7 天前
深度学习之概率论
人工智能·深度学习·概率论
词元Max7 天前
3.4 概率论基础:贝叶斯思维与不确定性
概率论