问题标签 [numerical]

Basically I've been trying to make a working hours calculator and I've run into a problem. When the start time's value is greater than the finish time (eg. start is 23 and finish is 19), the result comes up as a negative. So what I want it to do in that scenario is to then multiply the negative number by -1 to make it positive again. However, this code below doesn't seem to have any effect in my app.

假设我有一系列由校验位组成的索引号。如果我有一个足够公平的样本（比如 250 个样本索引号），我是否有办法提取用于生成校验位的算法？

我认为至少应该有一种编程方法来找到一组可能的算法。

更新：索引号的长度为 8 位，包括校验位。

为了解决备用矩阵，

一般来说，矩阵必须有多大（根据经验）

对于像 congraduate 下降这样的方法比蛮力求解器（不利用稀疏性）更快？

使用对数避免数值下溢的算术问题（取 2）

看到了上面的内容并看到了 softmax 归一化，我试图在避免溢出的同时对向量进行归一化 -

那就是如果我有一个数组 x[1], x[2] x[3], x[4], ... , x[n]

对我来说，归一化形式的元素平方和为 1.0，是通过将每个元素除以 sqrt(x[1]*x[1]+x[2]*x[2]+...+x[n]*x[n])

现在即使平方根小到足以放入浮点变量，平方和也会溢出，所以我想可以做类似的事情 s=(2*log(fabs(x[1]))+2*log(fabs(x[2]))+...+2*log(fabs(x[n])))/2

并将元素计算为

exp(log(fabs(x[1]))-s), ..., exp(log(fabs(x[n]))-s

但

以上是不正确的，因为 log(A+B) 不是 log(A)+log(B) - 现在有没有办法进行向量归一化来更好地避免溢出？

假设您在一个数组中有 100000000 个 32 位浮点值，每个浮点数的值都在 0.0 和 1.0 之间。如果你试着像这样总结它们

你会遇到result比 1.0 大得多的问题。

那么有哪些方法可以更准确地进行求和呢？

我正在尝试编写一个函数：
输入：
源范围，源值，输出范围，曲线类型（线性，平滑）
输出：输出是 根据曲线类型
转换为“输出范围”的“源值” 。 我希望我在这里有意义......有 什么想法吗？ 谢谢。

我正在研究的一个项目需要一些数字模式匹配。我的搜索没有出现很多相关的点击，因为大多数结果往往是围绕文本模式匹配。我们的想法是我们将需要观察某些波浪模式，并尝试将传入数据与我们将要构建的波浪数据库进行匹配。这是我们需要匹配的一种波浪模式的示例。

替代文字 http://tmp.stayhealthy.com/wave.png

那里显然有一个模式，但峰值不会具有完全相同的值，但波迭代的整体形状将非常相似。是否有人对如何存储和稍后匹配这些模式和/或其他搜索词有任何建议，我可以使用它来查找有关模式匹配主题的更多信息？

谢谢，蒂姆。

假设我有三个 32 位浮点值，a、b和c，这样(a + b) + c != a + (b + c). 是否有一种求和算法，可能类似于Kahan summation，可以保证这些值可以按任何顺序求和并且总是达到完全相同（相当准确）的总数？我正在寻找一般情况（即不是只处理 3 个数字的解决方案）。

任意精度算术是唯一的方法吗？我正在处理非常大的数据集，所以如果可能的话，我想避免使用任意精度算术的开销。

谢谢！

Is_numeric()如果值为 0 ，is_int()则返回 false。我能做些什么来验证特定值是否仅在 PHP 中是数字？

我们是直奔正则表达式阵营，还是已经有一些不错的、方便的功能呢？

谢谢！

如何在 python 中输入浮点无穷大文字？

我听说

是非便携式的。因此，我有以下建议：

这些是标准的还是便携式的？什么是最佳实践？