关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
godop
2017-03-09 07:35
采纳率: 0%
浏览 1296
首页
新手求解 不太明白什么意思
收起
写回答
好问题
0
提建议
关注问题
微信扫一扫
点击复制链接
分享
邀请回答
编辑
收藏
删除
结题
收藏
举报
6
条回答
默认
最新
关注
码龄
粉丝数
原力等级 --
被采纳
被点赞
采纳率
sz_lv
2017-03-09 07:36
关注
class是专有名词不能被声明
本回答被题主选为最佳回答
, 对您是否有帮助呢?
本回答被专家选为最佳回答
, 对您是否有帮助呢?
本回答被题主和专家选为最佳回答
, 对您是否有帮助呢?
解决
无用
评论
打赏
微信扫一扫
点击复制链接
分享
举报
评论
按下Enter换行,Ctrl+Enter发表内容
查看更多回答(5条)
向“C知道”追问
报告相同问题?
提交
关注问题
【
新手
入门】三大MIP
求解
器实战对比:Gurobi、SCIP、Highs代码解析
2025-11-07 01:31
奶茶鉴定专家212的博客
本文为
新手
提供了三大主流MIP
求解
器(Gurobi、SCIP、Highs)的实战代码对比与解析。通过一个具体的混合整数规划(MIP)示例,详细展示了各
求解
器的建模风格、API特点及性能差异,帮助读者根据自身需求(如易用性、...
CVX
求解
器实战:从选型到调优的完整指南
2025-07-03 10:03
熬夜协会会长的博客
本文提供了CVX
求解
器从选型到调优的完整实战指南。针对线性规划、二次锥规划、半定规划等不同问题类型,详细对比了SeDuMi、SDPT3、Gurobi、MOSEK等主流
求解
器的特点与适用场景,并深入讲解了安装配置、精度调整、...
Mathematica
新手
必学:从零基础到方程
求解
的完整指南
2025-10-17 08:56
nft7creator的博客
本文为Mathematica
新手
提供从零基础到掌握方程
求解
的完整指南。内容涵盖工作台认识、基本符号操作、十大核心内置函数详解,并重点手把手教学如何使用Solve和NSolve函数解方程,包括一元方程、方程组及微分方程,帮助...
CST实战:从零构建空心电感模型与RLC
求解
器精准仿真
2025-09-28 04:17
bean的博客
本文详细介绍了如何使用CST Studio Suite从零开始构建空心电感三维模型,并利用其低频
求解
器中的RLC
求解
器进行精准仿真。文章通过手把手的建模步骤,指导用户创建螺旋线圈、设置端口引线,并重点讲解了如何配置...
极限
求解
的实用技巧与常见误区解析
2025-09-28 05:35
python9snake的博客
本文深入解析极限
求解
的核心技巧与常见误区,重点讲解基本极限公式、幂指函数转换和等价无穷小代换等实用方法。通过典型例题,特别强调了等价无穷小在加减法中误用的风险,并提供了泰勒展开等可靠解决方案,帮助读者...
CST Studio Suite:时域与频域
求解
器的实战应用指南
2025-09-28 07:44
数据雪人的博客
本文深入解析了CST Studio Suite中时域与频域
求解
器的核心区别与应用场景。通过雷击仿真、高速信号完整性分析等实战案例,阐明时域
求解
器擅长处理宽带瞬态过程,而频域
求解
器则精于特定频率点的精细分析。文章还介绍...
新手
如何入门轻松学会COMSOL,看完你就
明白
了
2023-03-16 09:53
橙橙爱分享的博客
面对一个课题或者项目,你必须
明白
其中涉及的物理场,以及描述这些物理场的数学方程,相关的约束(或者说边界条件),材料属性,根据理论能否预测出大概的趋势,是否能够推测哪些因素会影响模型的收敛性。...
Python
求解
器实战指南:从SciPy到TensorFlow,哪个更适合你的项目?
2025-10-25 04:41
iii12的博客
本文深入探讨了Python生态中主流
求解
器的选择策略。通过分析问题类型(如线性/非线性、连续/离散、有约束/无约束)与性能规模,对比了从SciPy、NumPy等基础科学计算库,到PuLP、CVXPY等运筹优化工具,再到TensorFlow...
算法
求解
之路
2025-12-31 15:14
YOUEYING的博客
四、避开大一
新手
的经典坑 坑1:过早追求最优解 “我这解法是不是太笨了?”——别这么想!能解决问题的就是好解法。我大一用最笨的排序法交了作业,老师照样给满分。先做对,再做快。 坑2:死磕一道题3小时 卡住1...
写给
新手
的深度学习基础
2025-03-02 17:22
6号程序鱼的博客
其本质上是在进行一个矩阵运算,而我们通过对目前矩阵运算的经过和我们所期望的结果项目向比较,将不相符的程度通过加上正则化项的损失函数来表征预测值和实际情况的差异,随后根据这一差异,利用梯度下降法,来对...
没有解决我的问题,
去提问
向专家提问
向AI提问
付费问答(悬赏)服务下线公告
◇ 用户帮助中心
◇ 新手如何提问
◇ 奖惩公告