摘要: 痛,太痛惹~我的CF。。。 首先在终端执行 xcode-select --install 然后它就会去下载安装命令行工具 安装完了再执行: sudo xcode-select -s /Library/Developer/CommandLineTools 即可! 阅读全文
posted @ 2022-08-17 01:13 往哉生生 阅读(26) 评论(0) 推荐(0) 编辑
摘要: 例1. https://codeforces.com/gym/103640/problem/B 例2. https://ac.nowcoder.com/acm/contest/33186/H 例3. https://ac.nowcoder.com/acm/contest/33187/E 例4. ht 阅读全文
posted @ 2022-07-23 17:48 往哉生生 阅读(42) 评论(0) 推荐(0) 编辑
摘要: 痛,太痛了~ 两天,3道bitset, 学!都可以学! 例1. https://acm.hdu.edu.cn/contests/contest_showproblem.php?pid=1003&cid=1044 题解: 代码: #include <iostream> #include <algori 阅读全文
posted @ 2022-07-21 20:32 往哉生生 阅读(26) 评论(0) 推荐(0) 编辑
摘要: 信道编码定理 编码构建 解码构建 基于联合典型集解码 误差估计 即存在一种码本使误差趋于0 并且根据证明过程我们可以获得调整码本的方法: 有反馈时信道容量并不能增加 哲学意义? 证明: 由: 我们有: 信源信道独立定理 对恢复源信息的建模 最后,我们希望在丢失或发生错误的情况下也能恢复源信息,那就要 阅读全文
posted @ 2022-06-04 18:44 往哉生生 阅读(253) 评论(0) 推荐(0) 编辑
摘要: Discrete Memoryless Channel (无记忆对称信道) (X,p(y|x),Y),无记忆性体现在p(y|x)不变。 信道容量 C=max(p(x)) I(X ; Y) BSC(二进制信道) C=1-H(p) BEC(二进制删除信道) C=1-H(p) 关于信道容量的建模 信道模型 阅读全文
posted @ 2022-06-04 16:18 往哉生生 阅读(478) 评论(0) 推荐(0) 编辑
摘要: 随机变量生成 一种从具体到抽象的建模 这种建模可以用多叉树表示,每一个树叶表示一个事件。 关于这种树的深度有如下性质和定理: 关于树的深度 这和熵的对数特征是吻合的。 我们当然希望树的深度尽量小。 树深度估计 特殊情况(dyadic)下取等 非特殊情况 (根据Kraft不等式知其存在) Shanno 阅读全文
posted @ 2022-06-04 00:13 往哉生生 阅读(98) 评论(0) 推荐(0) 编辑
摘要: 学到这一讲不禁再一次被信息论的魅力所征服~ 同时也感到优秀的大学的课程资源确实更好,羡慕。。。 Huffman编码 这里并不局限于两两合并,三三合并等也是可以的。 Huffman编码的平均码长是最优的。 Huffman编码的结果不唯一。 如果出现编码元素不够的情况可以增加空内容来解决: 由于每次合并 阅读全文
posted @ 2022-06-01 20:38 往哉生生 阅读(439) 评论(0) 推荐(0) 编辑
摘要: 从编码开始: 用D个字母来编码,要求一定是单射。 前缀码:没有一个元素的编码是另一个元素的前缀。它是即时码。对应有后缀码。 产生前缀码的方法 1.树; 性质:一个节点选择后其不能再扩展; 每个节点有D个子节点。 2.线段区间; 性质: 接着到了最有意思的 Kraft不等式 证明: 扩展到无限维: 无 阅读全文
posted @ 2022-06-01 13:39 往哉生生 阅读(296) 评论(0) 推荐(0) 编辑
摘要: 这讲还好,不是很难。 | | 理解:基数越少事件信息增量越大,增到最后信息增量等于平均信息量。 巧妙的例子: 关于映射的熵: 阅读全文
posted @ 2022-05-31 23:44 往哉生生 阅读(67) 评论(0) 推荐(0) 编辑
摘要: 这一讲研究的是独立同分布的样本空间。 首先定义样本空间中某件事情的概率: 即组成成分的概率的和。(独立性使然) 大数定理 渐进均分性 基于此,我们能推出 这个式子说明,n充分大时,p(X1,X2...Xn)趋于1。 于是我们可以把所有事件分为两类:概率小的和概率大的。 概率大的部分我们称为: 典型集 阅读全文
posted @ 2022-05-31 13:01 往哉生生 阅读(383) 评论(0) 推荐(1) 编辑