文件格式:PDF 主要内容: 从“数字货币”到“技术突破” 早期的区块链仅局限于数字货币领域,以太坊是为了解决“让区块链怎样应用于货币以外的领域”的问题。 内置有图灵完备的编程语言 比特币的脚本语言不支持循环语句,会导致脚本空间利用上的低效率。以太坊技术拥有图灵完备的编程语言。 任何人都可以参与 以太坊允许任何人在它的公链上建立智能合约和去中心化应用程序。
2023-01-06 09:30:58 968KB 以太坊 比特币 区块链 智能合约
1
文件格式:Word 总页数:17 目录: 1. 简介 2. 交易(Transactions) 3. 时间戳服务器(Timestamp server) 4. 工作量证明(Proof-of-Work) 5. 网络 6. 激励 7. 回收硬盘空间 8. 简化的支付确认(Simplified Payment Verification) 9. 价值的组合与分割(Combining and Splitting Value) 10. 隐私(Privacy) 11. 计算 12.结论
2023-01-06 09:30:47 227KB 中本聪 比特币 区块链 去中心化
1
存储过程1--清华大学计算中心ORACLE培训资料.pptx
2023-01-04 19:20:10 281KB
1
可以用该软件检测出可以免费发短信的中心号码
2023-01-04 04:46:38 56KB 免费短信中心号码
1
中心差分法是一种数值微分的方法,它是通过在每个点处求出函数的近似导数来计算函数的导数的。它的基本原理是,在每个点处,用函数值的差值来近似求出函数的导数。 具体来说,中心差分法的基本原理是,在每个点处,用函数值的差值来近似求出函数的导数。具体来说,在每个点处,可以用函数值的差值来近似求出函数的导数,即: f'(x) ≈ (f(x+h) - f(x-h)) / 2h 其中,h是一个很小的正数,用来表示函数值的差值。 由于中心差分法是一种显示算法,它的优点是简单易行,可以用来计算函数的导数,而且可以用来计算复杂函数的导数。但是,由于它是一种近似计算的方法,所以它的结果可能不太准确,而且它的计算速度也比较慢。 这里给出求解多自由度运动方程的中心差分法示例。并对结果进行绘图展示。
1
这是 ShowMeAI 持续分享的速查表系列!很多同学都是看吴恩达 Andrew Ng 的视频学习机器学习和深度学习的,当然学习就要做笔记。 Tess Ferrandez 分享了一套自己的课程笔记,很好地总结了学习内容,共28张精辟的手绘图。这应该是传播最广的笔记速查表之一,内容非常丰富!
2023-01-02 11:25:58 13.21MB 深度学习 人工智能 吴恩达
1
这是 ShowMeAI 持续分享的速查表系列!本速查表是《图解算法数据结构》,一图胜千言!这套漫画,覆盖了Big O Notation,Data Structures、Array、Linked List、Stack、Queue、Hash Table、Binary Heap、Binary Search Tree 等知识点,美观且直观。快下载来督促自己学习吧!
2023-01-02 09:23:48 2.24MB 算法 数据结构 列表
1
这是 ShowMeAI 持续分享的速查表系列!本速查表是《黑客工具速查表》,包含渗透测试、安全评估或红客活动中经常使用的命令和工具。内容非常丰富!
2023-01-01 13:00:30 225KB 网络安全
1
这是 ShowMeAI 持续分享的重磅报告系列!《State of AI Report 2022》是一份发布于2022年10月的报告,作者Nathan Benaich和Ian Hogarth从Research、Industry、Politics、Safety等四个方面,对2022年的发展做了汇总梳理,并对新一年的发展进行了预测。完整报告 114 页。 ◉ 内容要点: ① 大厂实验室走向封闭,但是新的独立研究实验室正在迅速开源。虽然 AI 研究呈现集中趋势,但计算与访问成本的降低催生了走在研究最前沿的小型实验室(如 Stability.AI 和 Midjourney)。 ② 人工智能研究越来越关注安全领域。安全研究人员在大型 AI 实验室的安全研究人员,由去年的不到100人增长为300人,这也有望提升安全学者的认可度。 ③ 中美人工智能研究差距继续扩大,自2010年以来,中国机构发表的论文数量是美国机构的4.5倍,明显超过美国、印度、英国和德国的总和。 ④ 人工智能驱动的科学研究继续取得突破,但数据泄漏等重大方法错误需要进一步调查,否则会导致 AI 危机的日益严重。
2023-01-01 10:24:39 23.01MB 人工智能 机器学习 深度学习 算法
1
这是 ShowMeAI 持续分享的速查表系列!本系列速查表包含 200 多张知识卡片,分为『计算机科学』『机器学习』『计算机视觉和深度学习基础』『计算机视觉和深度学习精选专题』4个主题,用以回顾多年的 ML 研究、课程和学习中的所有内容,并为机器学习工程师的面试做准备。 这个文件是『机器学习』主题(其他部分的下载链接见评论区),包含以下部分: - Loss Functions & Metrics (损失函数 & 矩阵) - Experimental Designs and Paradigms (实验设计与范式) - Statistical Data Processing (统计数据处理) - Misc. Classical ML Models (经典的ML模型)
1