紫幕的摸鱼日常~

“注意到……” 相信几乎所有学生，只要是参加过高考的，肯定被“注意到”这两个字折磨过，这两个字陪伴了无数学生因为学习数学而抓狂的晚上。往往有人会说：“真不知道那些学数学的脑子是怎么长的”，而下面往往好多数学专业的学生会跟着回复：“骗你的，学数学的也不会。”有人会调侃，这“注意到”的人可真是“注意力惊人”——其实，这就是所谓的“数感”好。 “注意到？” 当然，这里的数感肯定不是严格定义上的数感，这里的数感，讨论范围仅仅只是在应试方面，指代的更多是一种在复杂问题中提取出关键信息的能力。那么问题就出现了：明明都是“从问题中提取出关键信息”，为什么像语文这样的科目，我很容易就知道我要“注意”的内容是什么，但是我会觉得数学问题我“注意不到”我该“注意到的东西”呢？ 抽象语言的“捉迷藏” 我们先来举一个例子： 定义：确定有限自动机是一个五元组其中：是有穷状态集；是有穷输入字母表；是转移函数；是初始状态；是终结状态集。 我相信很多人第一次看到这个定义的一瞬间，是两眼一发黑的，根本看不出来这是一个图的定义。如果说我把它转译成以下这段话 本质上是一张有向图，是所有的节点，表示起点，表...

GDB 和 MacOS MacOS 的适配这块确实给我气得不轻，LLDB 我又不想用（那谁让 LLDB 哪怕是本地 Debug 都给我上传到 LLDB 服务器上呢？） 具体的话……其实就两个方案，签名和虚拟机/Docker。但是我本人完全不推荐使用签名的方案，这是因为系统架构原因，M 系列的（使用 ARM 体系）的 MacBook 完全没法 Debug x86_64 系统编译而成的文件（反过来也是）——所以我给出的方案是 Docker。（不过说实话这个方案也有够麻烦的） 声明：无论使用什么方案，只要能跑的方案都是好方案，我采用 Docker 的方案只是在电量消耗、性能、复杂程度之间的取舍罢了。如果你的系统不是 ARM 的，那完全可以用签名的方案，那样一劳永逸。 安装 Docker MacOS 上其实我完全非常不建议使用原生 Docker，有个东西叫 OrbStack，可以去下载这个东西，如果你的 Mac 上面有 Brew 的话，直接 brew install 就完事了。 选择镜像 其实选啥镜像都行，我这里给一个我的 Docker Compos...

Hexo 和 Wordpress 诶我草 Wordpress 怎么这么坏啊。 其实我就是被 Wordpress 整烦了，服务器性能又没这么好，干脆换静态的 Hexo 得了。（当然我也不会说是因为 Wordpress 还是标准靶机的原因。 但是，诶我草 Hexo 怎么也这么坏啊—— 反正就是，Wordpress 迁到 Hexo 啥都好说，就数学公式那块，千万别直接用 hexo-renderer-pandoc，会疯掉的，它分式的渲染是有问题的。 有个插件是 hexo-filter-mathjax，那玩意儿可以直接出 svg，避免了 pandoc 把数学公式渲染成 html 出现的矩阵啊，分式啊……一系列的问题，反正就是我用起来好用。 整了一整天的迁移了，摆了，网站就先长这样吧，后面有时间了再继续美化。

前言 阅读本文前，请了解以下事项： 文中内容仅代表个人意见，欢迎理性探讨。 如需考研经验分享，请在阅读整篇文章后再考虑是否需要我的免费建议。 所有观点就事论事，不针对任何个人。 若感到冒犯，请参考条目 3。 考研期间使用的均为正版课程。 本人并非哲学专业学生，所述内容仅基于个人经验，理论能力肤浅，无专业数据佐证，文章内容可能犯形而上学错误。 未受过文案教育，文笔不佳敬请谅解。 文章中不含广告内容。 本文旨在提供一种思考角度，而非绝对真理。希望能引发读者对自身学习方法的反思 失利 本来这篇文章应该是在一个月前写的，看到我的考研分数我都准备开香槟了，然后很遗憾，一志愿没能过院校线，最后走的调剂。本来都想着这篇文章不写了，毕竟没有得到好的结果，出来发文章也显得有些没有说服力。 但是后来想了想，无论我最终考研的分数是多少，都和这篇文章的主题无关，那我这么在意这个成绩干什么呢。更何况，这篇文章是我心心念念想要发出来的。 不过在此之前，我还是先说明一下，本人考研初试总分为 331 分，如果读者觉得，这个分数说的话没有什么说服力，不妨您再往下看一小段，若觉...

先给出结论，常态下玩家的最大移动速度是 4.317m/s，该结论在 MCWiki 上已有记载，本文主要是对其结论进行证明。 特别鸣谢：水晶 在证明过程中给出的支持。 MC 环境 本文参考 forge 1.20.1 版本提供的代码，使用的反混淆为 parchment 反混淆。 证明 定义摩擦系数 f 和移动速度常量 M，其中移动速度常量在代码中由 MOVEMENT_SPEED 常量定义，为三维向量。 根据 LivingEntity#travel 中： 1this.setDeltaMovement(vec35.x * (double)f3, d2 * (double)0.98F, vec35.z * (double)f3); 得到玩家得到移动指令时获取瞬时速度，为方便证明，不妨令方向为 z 轴正方向，即 Min = (0, 0, M * 0.98)T。 而此时根据 LivingEntity#getFrictionInfluencedSpeed 代码： 123private float getFrictionInfluencedSpeed(float p...

背景 在 B 站计算机图形学基础教程 GAMES101 中，闫令琪教授介绍了一个解决数值积分的重要方法——蒙特卡洛积分法。众所周知，计算机只能处理离散的、有限的运算，无法直接计算连续的、无穷的积分。而蒙特卡洛积分法恰恰为这一根本性问题提供了一个优雅的解决方案。 在课程中，闫教授简要介绍了概率论基础知识，并推导出了蒙特卡洛积分法在均匀分布下的基本结论。然而，限于课程时间和难度的考虑，他并未详细展开该方法的理论证明。本文将基于本科工科数学的知识背景，为读者详细推导蒙特卡洛积分法的数学原理，若有超过本科工科数学范围的不严谨性还请读者海涵。 背景知识条件 本文基于本科工科数学知识展开论述，读者需具备以下基础： 积分理论（参考：同济大学《高等数学》第七版上册） 初等概率论（参考：浙江大学《概率论与数理统计》第五版） 命题 设随机变量 X 的连续概率密度函数为 p(x)，在取值范围内恒有 p(x) > 0，f(x) 为定义在 X 取值范围内的可积函数。若从分布 p(x) 中独立抽取 n 个样本 X1, X2, ..., Xn，则： 且当 n → ∞...

紫幕的摸鱼日常建站大成功……嘛？事实是，上一个建的站因为太久没管+备份爆炸导致啥都没了==。 但！好消息是，上一个站除了建站文章意外啥——都没有。为什么？因为考研半年没打理自己的个人站。 嘛不管咋说，这里是紫幕，一个啥都有点兴趣但啥都不会的也不知道是不是技术的宅。 主要呢……写点日常啊，写点开发笔记啊，分享点可能有用的东西啊还是别的什么，反正什么都发。 另外，站点的背景还有咱自己的头像是oc来着，要不要在自己的个人站里面发个癫呢~ 嘛不管怎样，等考研结束了这个站点应该就会开始更新了，敬请期待！