一、什么是有效地训练? 很多ACMer入门的时候,都被告知:要多做题,做500多道就变牛了。其实,这既不是充分条件、也不会是必要条件。 我觉得一般情况下,对于我们普通学校的大学生,各方面能力的差距不会太大,在这种情况下,训练和学习的方法尤为重要。 其实,500题仅仅是一个标志,而且仅仅表示你做ACM-ICPC有一定的时间,算是入门了吧,而且这500道题目中自己独立思考做出来的有多少,半小时内做出来的有多少,看别人的题解做出来的题目有多少,半年后仍然会做的题目有多少........ 二、训练的目的是什么? 1、提高编程能力 2、学习算法,(读书,读论文,包括做一些题目验证) 3、准备好面临将到来的挑战(熟悉题型,调整心态) 4、启发思维。 三、关于算法学习的一些建议: <1>算法学习是ACM比赛所要推广或者要提倡的一个方面 记得曾经路过某人的blog,上面说他作比赛的时候遇到了一个dijkstra,他没做出来,然后评论到(大意):我才不会花时间去搞明白“这种”算法。 “这种”也许有可能是指:没什么实用性,对吧,这样我就不想评论了(又是有关科学和工程的讨论)。但起码有一点需要明确的:ACM-ICPC比赛时关于计算机科学的比赛,计算机科学是算法的科学,计算机算法中dijkstra有着重要的实际和启发意义,所以比赛一定要考。 你参加这个比赛,要拿奖,就必须学习这种算法。你也许觉得你智商很高,但ACM-ICPC比赛本身不是智力比赛,比赛就是要让你去学习这些东西,所以,如果你不想学的话,我觉得也没有必要参加。说道这,可能偏题有点远,但是希望以上的分析能得出这样一个基础结论:不想学好算法,那没有必要来比赛。 <2>用模板是不好的 现在很多我们弱校的ACM-ICPC选手比较依赖模板,说实话,我也很依赖,但是我起码知道一点,这样是不对的,某种意义上说,这是你没有把算法学明白的一种表现。而且也严重影响编码速度。在我参加过的亚洲区域赛和亚洲区域总决赛(EC Final),那些大佬们从来没有看过模板,全部现场敲。正常的比赛绝对不会考察模板题的,每道题都是3到5个知识点糅合到一起考察的。 我觉得敲代码的时间没有浪费,某大牛曾说:因为每次敲都有可能有不同的错误,所以不用模板是好习惯。我最开始学dancing link的的时候,自己敲出了代码,然后接下来的几道题部分参考了以前的代码,后来基本上是直接copy。现在,当别人问我dancing link算法或有关的题目的时候,我已经是一脸茫然。 所以,用模板是不好的,有时候由于某些原因可能你用了模板,但你起码要知道这要做是不对的,并且有机会要改正。 <3>需要深入学习 像 ACRush、zzy、ahyangyi…等等国家队的天才们,本身难以说我们与他们之间有什么可比性。但是他们的学习方法应该还是值得借鉴的,他们的学习方法当然我们得不到言传身教,但是从他们在国家队集训的论文中和他们搞完ACM-ICPC以后的轨迹中,可以有所体现。那就是:深入学习。 首先,我觉得ACMer学算法不应停留在看看代码实现这个层面,在算法思想上要有清醒的认识,在正确性分析上要也应该要有较好的逻辑。因为网上的代码的实现上的一些细枝末节很可能掩盖了算法本身有的简洁性、美感和思想。因而丧失了对算法整体上的一些认识。还拿dijkstra算法打比方,有些算法不是基于 dijskstra的直接建模,而是需要你修改这个算法,这时你对算法没有真正理解的话,也就一筹莫展了。 所以,要阅读论文和书籍,尤其与英文书籍,窥到它的本质。另一方面,只有这样,你学的的东西才能在ACM-ICPC以外,给你一定的启发——否则你会迅速忘掉它的。
我想说下我的理解。 很多ACMer入门的时候,都被告知:要多做题,做个500多道就变牛了。其实,这既不是充分条件、也不会是必要条件。
距离 ACM模版-f_zyj v 1.1\text{ACM模版-f_zyj v 1.1} 版成工已经一年整了,这一年,我每次发现其中有不足时,都会在我在博客 ACM在线模版-f-zyj\text{ACM在线模版-f-zyj} 中对其进行更新,稀稀拉拉的一年过去了,我发现增删改的地方实在不少,所以总是有朋友问我什么时候会将这些更新整理到 PDFPDF 格式中……
一般要做到50行以内的程序不用调试、100行以内的二分钟内调试成功。ACM主要是考算法的,主要时间是花在思考算法上,不是花在写程序与debug上。
看完人家的博客,发现任重道远。。。 一位高手对我的建议: 一般要做到50行以内的程序不用调试、100行以内的二分钟内调试成功.acm主要是考算法的,主要时间是花在思考算法上,不是花在写程序与debug上。 下面给个计划你练练: 第一阶段: 练经典常用算法,下面的每个算法给我打上十到二十遍,同时自己精简代码, 因为太常用,所以要练到写时不用想,10-15分钟内打完,甚至关掉显示器都可以把程序打 出来. 1.最短路(Floyd、Dijstra,BellmanFord) 2.最小生成树(先写个prim
全球最大的计算机领域专业性学术组织ACM刚刚公布2018年最新当选的Fellow,一共56位人工智能、计算机架构、移动网络、机器人和系统安全等领域的计算机科学家当选。
2019年8月19日,为期六天的SIGCOMM 2019在北京香格里拉酒店开幕。SIGCOMM是由ACM SIGCOMM组织举办的通信网络领域的旗舰型会议,也是目前国际通信网络领域的顶尖会议之一。
大学期间,ACM队队员必须要学好的课程有: l C/C++两种语言 l 高等数学 l 线性代数 l 数据结构 l 离散数学 l 数据库原理 l 操作系统原理 l 计算机组成原理 l 人工智能 l 编译原理 l 算法设计与分析 除此之外,我希望你们能掌握一些其它的知识,因为知识都是相互联系,触类旁通的。
所谓“知已知彼,百战不殆”,在网络空间这个大战场中,攻防博弈双方实质上是信息获取能力的对抗,只有获取更多、更全的信息才能制定有效的攻防策略,在网络空间战场博弈中获得优势。作为防御者需要“知彼”,就是回答在网络攻防对抗中谁攻击了我,攻击点在哪以及攻击路径,这便是攻击溯源。通过攻击溯源技术可以确定攻击源或攻击的中间介质,以及其相应的攻击路径,以此制定更有针对性的防护与反制策略,实现主动防御。可见攻击溯源是网络空间防御体系从被动防御到主动防御转换的重要步骤。
编者按:当今,以交换机和路由器为主建立起来的网络连接和拓扑已经构成相当完善的信息基础设施,差异化提供网络个性服务的呼声更加强烈,智能化提升网络综合品质的要求更加迫切,关于“中间设备”(middlebox)的研究和开发必然成为热点。 📷 长期以来,网络领域研究和产品的主流关注,都集中在网包(packet)的转发(forwarding)上,其中交换(switching)和路由(routing)是核心功能。当今,以交换机和路由器为主建立起来的网络连接和拓扑已经构成相当完善的信息基础设施,安全和隐私方面的
此次省赛是acm生涯中的最后一次比赛了,虽然拿到三等奖,但是如果不是策略上的问题是可以拿下二等奖的,略遗憾,在此做下总结: Problem A: 这道题是道水题,但是需要注意每个人的工作效率都是一样的.另外还有个陷阱,推出公式后需要化简(当然如果你觉得你精度控制没问题用double也可以),消除中间值有小数的问题.几分钟看懂题意后推出公式给沈子编码,秒A Problem B: 看了一眼,是道模拟,由于是一眼题,一开始就由沈子编码,也是一次性AC Problem C: 这道题也是模拟,可以做出来,但是直接编
算法工程师成长计划 近年来,算法行业异常火爆,算法工程师年薪一般20万~100 万。越来越多的人学习算法,甚至很多非专业的人也参加培训或者自学,想转到算法行业。尽管如此,算法工程师仍然面临100万的人才缺口。缺人、急需,算法工程师成为众多企业猎头争抢的对象。 计算机的终极是人工智能,而人工智能的核心是算法,算法已经渗透到了包括互联网、商业、金融业、航空、军事等各个社会领域。可以说,算法正在改变着这个世界。 下面说说如何成为一个算法工程师,万丈高楼平地起,尽管招聘启事的算法工程师都要求会机器学习,或数据挖
那道网络流的题目在最短路径理论时间复杂度不可过的情况下,用 SPFA 作为 std 卡掉了不少高水平队伍的 dijstra 算法。
传统上,研究人员通过启动多个共享瓶颈链路的流,让这些流尽可能多地发送数据,然后评估流量速率公平性,即这些流是否获得了相等的吞吐量。然而,这种传统的评估设置并不现实,也没有关注用户的实际需求。文章指出,这种传统评估方法存在三个核心问题:
自SDN出现以来,关于SDN的研究一直没有停止,只是不同的阶段关于SDN的研究的重点不同。比如最开始的时候,探讨最多的是SDN的可行性,以及如何将SDN应用到对应的网络场景中。本文是笔者在最近阅读2015年至今的若干SDN论文后总结的SDN最新研究进展,希望对读者提供一些帮助。 SDN/NFV SDN和NFV都是当下网络界研究的热点,而如何将两者整合部署,也是研究的热点之一。设计SDN/NFV整合部署框架的研究是这个研究方向的主要研究切入点之一,比如参考文献[1]中就提出了一个SDN/NFV的整体架构。框
我相信对于在座的萌新程序员来说,可能更想知道的是,为什么我学了新的算法总是容易忘?大牛们都是怎么做到的?今天就和大家聊聊这个话题,希望能够帮助一些同学解除困惑。
1.什么是QoS QoS是一种机制,它给一个网络流赋予一个优先级,并且管理它的最低需求(guarantees),极限能力(limitations)和它相比其他网络流的优先级服务。这是通过一个2/3阶段的过程将用户层的优先级映射到一个硬件层流量类(hardware Traffic Class)上实现的。流量类被赋予QoS属性(缓存分配,流控制,排队,调度,随机早期检测,显式拥塞通知等等),并且不同的流按照这些对应的属性被服务。 2.为什么RoCE网络需要QoS RDMA最初设计用在运行高性能计算应用的in
上海区域赛,打铁而归,最终还是没有比过自己SLG的朋友。要说什么呢?实力的差距,还是说给自己的失败找借口?不能进入金牌区,为什么铜牌区还进不去,自己所有的骄傲,所有的成就似乎被一场比赛击溃。原来自己只是一叶障目不见泰山。
1 研究简介 加密流量分类在网络负载管理和安全威胁检测中逐渐成为自动识别目标应用、服务和协议的主要方式。现有的模型通常使用大规模带有准确标注的会话样本来提取流量深层的可识别特征,比如证书链、包长序列和方向序列。但是在网络环境(例如局域网)中,流量包含的场景多样,这些方法不具备健壮的通用能力来适应不同场景下的迁移,以及在小规模的标注样本下达到预期效果。 在WWW 20222这篇文章中,中科院信工所的研究者提出了一种流量表征模型, ET-BERT,有效学习无标注流量中的隐式关系,从而提升不同场景下流量分类的效
来源:内容由「网络交换FPGA」编译自「nsdi18」,谢谢。Azure是数据中心的行业标杆,其应用规模和技术都是非常值得借鉴的,文中总结了来自产业界宝贵的经验和教训,探讨为何FPGA是最适合数据中心架构的原因。故翻译此文。
近年来,算法行业非常火爆,越来越多的人在学习算法。 目前,计算机的最重要领域之一是人工智能,而人工智能的核心是算法,算法已渗透到互联网、商业、金融业、航空、军事等各个领域,正在改变着这个世界。 在IT领域,数据结构与算法的应用无处不在。数据结构与算法是计算机开发人员的基本功,很多面试都要考查数据结构与算法。 学习数据结构与算法不仅可以培养我们的算法思维,提高我们分析问题、解决问题的能力,还可以让我们快速学习新技术,以更高的视角看待问题。 但是,很多人觉得数据结构与算法太难了,学起来相当枯燥、低效!那么,有没
网络最大流问题属于算法 里面较难的问题,因为牵涉的概念比较多,这一篇可能需要你花比较多的时间去理解,除了看这个,最好能多参考别的书籍或者文章进行比较学习,不然可能容易产生理解的偏差。
info: Zhang H , Chen L , Yi B ,et al.CODA: Toward Automatically Identifying and Scheduling Coflows in the Dark[C]//Conference on Acm Sigcomm Conference.ACM, 2016.DOI:10.1145/2934872.2934880.
---- 新智元报道 编辑:LRS 【新智元导读】在浮躁的机器学习领域,仍然有人致力于研究基础算法。 由Jeff Dean领衔的Google Research年终总结系列「Google Research, 2022 & beyond」第五期,本期的主题是算法上的进步(algorithmic advances),撰写作者是谷歌研究院的副总裁Vahab Mirrokni. 往期链接: 超详超硬Jeff Dean万字总结火热出炉!图解谷歌2022年AIGC、LLM、CV三大领域成就 谷歌2022年度
问题表述:给定一幅图(n个结点,m条边),每一条边有一个容量,现在需要将一些物品从结点s(称为源点)运送到结点t(称为汇点),可以从其他结点中转,求最大的运送量。
在打开手机看短视频的过程中,你知道中间会有多少机器学习模型在做优化吗?点开 APP 后我们想要看到最感兴趣的视频,观看的视频的时候我们想要最流畅与清晰的体验,参与直播中我们希望有更流畅且不卡顿的视频体验。
1.网络拥塞问题 在网络交换机中,当入口流量大于出口流量的带宽时会发生网络拥塞。典型的例子是多个发送方同时向同一个目的地发送网络数据。交换机的缓存可以处理暂时的拥塞,但是当拥塞太久时,交换机的缓存就会过载。当交换机缓存过载时,下一个收到的新的数据包就会被丢弃。丢包会降低应用性能,因为重传和传输协议的复杂性会带来延迟。无损网络实现了流控制机制,它可以在缓存溢出前暂停入口流量,阻止了丢包现象。然而,流控制本身会造成拥塞传播的问题。 为了理解拥塞传播问题,考虑下面的图示。假设交换机1上的端口A到E都在向端口G发送
作者|李梅 编辑|陈彩娴 陈怡然,杜克大学电子与计算机工程系教授,美国国家科学基金委(NSF)下一代移动网络与边缘计算研究院(Athena)主任,NSF 新型与可持续计算(ASIC)校企合作研究中心(IUCRC)主任,杜克大学计算进化智能研究中心(DCEI)联合主任。 陈怡然是清华大学电子系1994级本科生,2001年获得清华大学硕士学位,2005年获得普渡大学博士学位。他的研究兴趣包括新的记忆和存储系统、机器学习、神经形态计算和移动计算系统。他曾发表500多篇论文,出版1部专著,并在各种会议上获得几次最佳
为检索没有文本描述的短视频寻求解法。 作者 | 施方圆 编辑 | 陈彩娴 2022年10月12日晚,ACM Multimedia 大会官方公布了最佳论文等多个奖项。本届 ACM Multimedia 于 2022 年 10 月 10 日至 14 日在葡萄牙里斯本举办,会议共接收到了 3009 篇投稿论文,共有13篇论文入选高分论文。 有 5 篇论文入围最佳论文奖(Best Paper Award)候选,其中,哈工大聂礼强教授团队获得了备受瞩目的最佳论文奖。 聂礼强教授的获奖论文题目为“Search-orie
导读:文艺复兴以来,源远流长的科学精神和逐步形成的学术规范,使西方国家在自然科学的各个领域取得了垄断性的优势;也正是这样的优势,使美国在信息技术发展的六十多年间名家辈出、独领风骚。
CTF(Capture The Flag)中文一般译作夺旗赛,在网络安全领域中指的是网络安全技术人员之间进行技术竞技的一种比赛形式。
泊松抽样是随机抽样的一种,由于它不易产生同步问题,可以对周期行为进行精确测量;也不易受其它新加抽样的影响,因此,IPPM 将泊松抽样推荐为网络流量抽样的使用方法。
蒋暕青,华东师范大学研究生学历,先后于思博伦通信、上海宽带技术及工程研究中心、九州云就职。
在Deno项目的源代码中,deno/ext/crypto/import_key.rs文件是负责导入密钥的功能。
而且,不超过1e9的乘积不过5000多个,于是预处理出来,然后每次二分找就可以了。
我们结合2017年的 FPGA 和 ISSCC 会议上的代表性工作,给出了神经网络的一些新热点和研究趋势。
“授人以鱼不如授人以渔”,为了提升黑盒模型的透明度,提升模型在高度动态网络环境下的鲁棒性、可维护性,我们通过无监督学习、可解释人工智能(eXplainableAI, XAI)、字符序列相似性分析等方法,实现了自动化的攻击特征提取工具——XAIGen。目前,XAIGen项目已经开源,项目地址为https://github.com/oasiszrz/XAIGen,项目开源信息可见前文《XAIGen:自动化攻击特征提取的项目开源啦》。
前言 大家好,祝大家2017年身体健康,万事如意,开年第一篇blog网路流,希望大家指正。 网路流问题介绍 描述 设给定有向图G=(V,E),其边的容量为cvw.(这些容量可以代表通过一个管道的水的流量或者马路上的交通流量) s为发点,t为收点,最大网络流问题是求从s到t可以通过的最大流量。 性质 在既不是发点s,也不是收点t的任意顶点v,总的进入流必须等于总的发出流。 实际应用举例 最大网络流可以解决二分匹配问题. 二分匹配问题定义 找出E的最大子集E`使得没有顶点含在多于一条的边中。 图解说明 imag
1996 年, 美国计算机科学家 David R Karger 连同其他研究者在论文《 A new approach to the minimum cut problem》中提出了一个令人惊讶的随机算法 Karger 算法,其在理论计算机科学中非常重要,尤其适用于大规模图的近似最小割问题。
---- 新智元报道 编辑:桃子 拉燕 【新智元导读】2019年,华为发布全球招募令,计划在全世界招募20-30名华为天才少年。至今,已经有20位天才少年加入华为。近日,又有2名来自西安交通大学的博士成功入选。 谁将有幸入选今年的华为天才少年呢? 前几天,华为刚刚发布了新一轮的「天才少年」招募计划。 这不,4月24日又有2名西安交通大学的2022届博士毕业生入选此项计划。 华为此前曾在招聘信息中表示,对应聘者不限学历,不限学校,但要求在数学、计算机、物理、材料、芯片、智能制造、化学等相关领域有特
巴伐利亚算法(Bavarian Sketching)是一种基于哈希表的数据结构,可以高效地实现近似计数和查询。
以网络为中心的计算可将计算和数据处理从CPU卸载到并分解到CPU,以支持不断增长的吞吐量,大数据量和数据中心的信息复杂性。一个新兴的范例是采用SmartNIC进行以网络为中心的计算,它在主机的网络接口上引入了特定于用户的处理。在本文中,我们将进一步采取主动行动,以解决网络核心(交换机)中当前的专有处理和计算问题。我们提出了一种新的硬件架构,称为自适应交换机。基于对其支持三个用例的原型的测试,我们证明了在可适应的交换机上可以同时实现高吞吐量和处理灵活性。
本文将介绍RYU中的网络感知服务,与基于网络服务的最短路径应用,主要内容包括网络资源感知模块,网络监控模块和基于网络信息的最短路由模块介绍。在一个真实的网络环境下,需掌握网络的实时动态,包括网络的资源以及网络流量状况,其中网络的信息包括交换机,端口,主机的信息,以及基于流的流量统计信息和基于端口的流量统计信息。在掌握这些关键的网络信息后,控制器就可以根据这些信息作出当下最正确的路由决策,完成网络的通信。 网络资源感知 网络资源感知模块用于感知网络资源的实时变化,包括拓扑信息以及主机信息的变化。任何网络应用,
(一)初步认识 >>>> 前言 网络领域顶级会议SIGCOMM2016一次性发表了两篇关于多租户数据中心拥塞控制的论文“Virtualized Congestion Control”及“AC/DC T
本篇翻译自论文:Lightweight Asynchronous Snapshots for Distributed Dataflows,Flink的容错快照模型即来源于该论文。原文地址:https://arxiv.org/pdf/1506.08603.pdf
以手机为例,手机包含两种上网方式,蜂窝移动数据网络(2G,3G,4G)和WIFI网络。我们希望在有WIFI的时候尽量使用WIFI,这样可以节省成本,没有WIFI的时候自动切换到蜂窝移动网络,避免断连。同样在PC端,我们希望有线网卡和无线网卡可以同时上网,提高网速。但是使用TCP协议是无法实现上述功能的。
朱麟,携程酒店研发部排序算法组资深算法工程师,主要负责携程酒店排序相关的AI项目,多年行业相关经验。博士毕业于中国科技大学,专注于推荐系统算法的应用和研发。
题目:一个艺术风格化的神经网络算法 效果图 文章地址:《A Neural Algorithm of Artistic Style》. arXiv:1508.06576 Github链接:https
SEC是由ACM和IEEE联合举办的边缘计算顶级会议(ACM/IEEE Symposium on Edge Computing,SEC),是全球首个以边缘计算为主题的科研学术会议。至今已举办4届,SEC 2019 于2019年11月7日至9日在美国华盛顿隆重召开。
领取专属 10元无门槛券
手把手带您无忧上云