总结 6.1

今天复习了408的直接映射机制,了解了cache组号通过主存位置modcache个数实现,然后前面标志位决定是否匹配,然后是组相联映射,了解了里面是全相联映射,随机分配,cache行号和主存块。

然后是数学,今天学习了变限积分,了解了如何求导,需要上下限求导,然后对t积分时x为常数,然后是瑕积分,了解了如何处理无穷(先使用常数然后极限逼近的思想)。然后是有理式积分,首先如果分母可以分解,那么先分解,但注意要同因式,然后注意同因式要多次分解。然后是如果分子有x,可以尝试整体代换,如果分子比分母高的话,就尝试约一下。

然后是对折变换,可以用来求sinx的n次方的积分和cosx的相同,用来证明点火公式。

注意可以利用定积分奇偶性和周期性。然后可以利用周期性让上下限对称。

相关推荐
罗西的思考1 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
kyle~6 小时前
模型预测控制(MPC)
算法·机器人·控制·传感器
牢姐与蒯7 小时前
cpp算法之哈希
c++·算法·哈希算法
开开心心就好8 小时前
两张表格数据对比工具,不用写函数也能查
算法·spring·智能手机·pdf·电脑·intellij-idea·音视频
电科_银尘9 小时前
【大模型算法与工程 02】线性回归与逻辑回归:从损失函数到决策边界
算法·逻辑回归·线性回归
玄昌盛不会编程10 小时前
LeetCode——2243. 计算字符串的数字和
java·算法·leetcode
电科_银尘12 小时前
【大模型算法与工程 01】机器学习的问题定义:监督、无监督、自监督与强化学习
人工智能·算法·机器学习
电科_银尘12 小时前
【大模型算法与工程 05】分类、回归与排序指标:怎样评价一个模型
算法·分类·回归
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习