Dennis G. Zill & Warren S. Wright. - 5th edition. PDF彩印版，带目录，涉及“积分变换”，“复变函数”“线性代数”“概率论”“场论”等数学知识。

数学建模 2011 压缩包 真题啊，参加数学建模的同学可以参考一下

北京邮电大学数学系 资源提供中国科学技术大学出版组合数学引论第二版对应的教学课件

学长的心血啊！

12.1 路由核心数据结构 路由分为策略路由和多路路由，策略路由会参考用户设置的一些路由策略。路由可以使 用 tcp/ip 分析的下篇系列文章之一中的 route 和 ip route 工具设置。路由分为路由部分包括 三大块，路由缓存、路由表、路由信息查找。策略路由常用于安全和统计(经济)方面。多路 路由允许对于一个给定的目的地址分配多个下一跳入口。这常被用于主备（可靠性、鲁棒性） 路由。 路由表的构建途径： 通过用户命令[route(ioctl) 、ip route(netlink)]静态配置 通过路由协议动态配置，这些协议是 BGP（Border Gateway Protocol）、EGP（Exterior Gateway Protocol）以及 OSPF（Open Shortest Path First） 这一章的内容基于 route 方法，其它的配置路由的方法不在这章中，但是上面的方法区 别在于配置方法，而对应调用的路由核心函数以及操作的核心路由数据结构是一样的，这章 的主要内容就是关于这些和核心函数和核心数据结构的。 路由相关数据结构在 include/net/route.h struct ip_rt_acct { __u32 o_bytes; //发送数据的字节数 __u32 o_packets; __u32 i_bytes; __u32 i_packets; }; 这个结构体在 ip_rcv_finish中被使用到，由于网络数据包的统计，分别按照 byte和 packet 两种方法计数，ip_rcv_finish 在网络层接收中分析过，这里会再一次看到在网络层被跳过的 关于路由相关的代码，下面的代码片段就是上面统计信息被赋值的一个地方： static int ip_rcv_finish(struct sk_buff *skb) { #ifdef CONFIG_IP_ROUTE_CLASSID if (unlikely(skb_dst(skb)->tclassid)) { struct ip_rt_acct *st = this_cpu_ptr(ip_rt_acct); u32 idx = skb_dst(skb)->tclassid; st[idx&0xFF].o_packets++; st[idx&0xFF].o_bytes += skb->len; st[(idx>>16)&0xFF].i_packets++; st[(idx>>16)&0xFF].i_bytes += skb->len; } #endif } 由上面的使用可以知道，定义了基于路由的分类器就会使用该字段。该字段根据 idx 索 引可构成具有 256 个成员的数组。其初始化在 ip_rt_init 中完成。 rt_cache_stat 路由表缓存的统计信息，除了输入输出路由信息统计，还有垃圾回收信息。 fib_result 查找路由表会得到此结构。 struct fib_result { unsigned char prefixlen; unsigned char nh_sel; unsigned char type;

复变复习

matlab的相关基础操作题目（一共十五题），涉及MATLAB基本运算，矩阵的创建，矩阵的运算，多项式求导、求根、求值等运算，数值函数求值、求零点、求最大最小值、求定积分，数值函数作图，符号变量和符号表达式的创建，符号表达式求极限,求导,求积分,泰勒展开,级数求和,方程求根,微分方程求解等，符号表达式化简以及符号表达式替换，二维直角坐标系、极坐标系下的图形绘制，三维曲线、曲面图形的绘制等方面的内容。

自己写的代码实现研赛华为杯建模竞赛题，Python代码 有运行结果 原创 包括部分重要代码，包括各类数据预处理，建模，预测，数据分析等，获奖项目

实验一、Fibonacci数非递归解 Fibonacci数列 的定义如下： 请用递归方法和非递归方法求解该问题，各编写一个函数，要求函数接受 的值，返回 的值。两个程序实现后，分别求 的情况，对比两个程序的执行时间，然后分别对两种算法进行复杂性分析。

大家好，今天给大家带来一个卷积神经网络（CNN）数学图形识别项目(简单入门版)，这个是人工智能解题的基础，机器首先通过题目识别出题目中的文字和图形，读懂题目的含义，这个是个相对复杂的过程。就在今年的1月4日，麻省理工学院等四所高校的联合研究团队，发布了一项最新研究成果：他们开发了一个神经网络，可以解答出微积分、线性代数等大学数学题。不管是要求计算数值，还是写方程式，或者画出函数图形，都能轻易解答，正确率达到了100%。要知道，在短短几个月前，人工智能解答类似的题，最高正确率不到10%。