Rete 算法 笔记

QMK固件OLED显示屏配置教程：从零开始实现个性化键盘显示（实操部分）

本教程详细介绍了如何从零开始配置QMK固件的OLED显示屏，实现个性化键盘显示。首先，文章解释了OLED显示屏的基本概念及其在键盘中的应用，并介绍了I2C和SPI两种通信方式。接着，教程逐步指导用户如何在QMK固件中启用OLED功能，包括在rules.mk中启用OLED、在halconf.h和mcuconf.h中配置I2C功能，以及在config.h中设置I2C和OLED参数。最后，教程展示了如何在keymap.c中编写代码，实现OLED显示内容，并提供了进阶定制功能，如显示当前层信息、按键状态和QMK L

Rete算法初探

关于rete算法的介绍，能找到的资料不少，但是往往对初学者不友好，一上来就是一堆Fact，TypeNode，AlphaNode之类的术语，非常容易劝退。这里总结一下自己的学习过程，希望从问题出发，方便理解rete算法本身。 举个例子： 例如：我们需要将提供“机票+酒店”、“机票+酒店+贵宾休息室”两种类型的产品给旅客。 机票、酒店、贵宾休息室需要满足一些基本的限制条件。并且： “机票+酒店”产品要保障：酒店位于目的地且到达当天可以入住。 “机票+酒店+贵宾休息室”产品要保障：酒店位于目的地且到达当.

微博数据采集python+selenium工程：WBCrawler.zip

本项目使用python+selenium技术，对“微博辟谣”账号的历史微博进行数据采集。项目程序爬取了移动版微博和PC网页版两种渠道数据，用到了单线程和多线程(单页面内多线程爬取内容+多线程异步处理多页面)方式。相关专题可见: 《Python爬虫【零】问题介绍 -- 对“微博辟谣”账号的历史微博进行数据采集》https://blog.csdn.net/u010086122/article/details/114957255 博客专题内对源码分析已经比较清楚和全面了，可以满足学习要求。此资源为抛砖引玉，仅为赶时间速成的同学提供完整的项目案例。------------------------------------------------------------- 执行项目需要提前安装好python环境（anaconda、pycharm）以及selenium依赖包（pip install selenium），同时还需下载selenium对应的浏览器驱动程序（driver.exe），放在本机环境变量路径中。具体可见博客专题中的指导--------------------------------------------------------------本项目工程编译了windows版本执行程序：[微博数据采集python+selenium执行程序：WBCrawler.exe](https://download.csdn.net/download/u010086122/16277506)

规则引擎概述

我是阿里巴巴做规则引擎相关工作多年的java工程师一枚，本文只讲一些个人对“规则引擎”的看法，欢迎大家一起探讨。 1、“规则引擎”的实际用途和价值 2、“规则引擎”的一般实现方式 3、“规则引擎”发展的一些坎坷

Rete算法浅析

Rete算法浅析

Rete算法笔记

今天晚上看了一下rete算法，感觉理解了，记录如下： 1，规则（rule）：例如： "IF P THEN R"就是一条规则。其中P包含一个或多个部分，具体表示如下：IF(P1)(P2)(P3) THEN R。其中P1、P2等部分的表现形式被抽象（泛化）为（^on ）或（^and）等一般形式，类似于c++中的模板类，在rete算法中，我们称之为模式（Patten）。 2，事实（fact

RETE算法笔记

RETE算法正是利用了基于规则的专家系统所具有的时间冗余性。RETE的实现是通过存储不断循环中匹配过程的状态，并且，只重新计算在事实列表中发生了变化，又反映到本次状态中的变化。也就是说，如果在一次执行周期中，一组模式找到三个所需事实中的两个 ，那么在下一周期中，就无需对已经找到的这两个事实进行检查，只有第三个事实才是需要关注的。仅当添加或　删除事实的时候。匹配过程的状态才被更新。如果添加，删除事...

Rete算法学习笔记

     最近在研读Jena的推理机源代码，Jena推理机的实现主要也是用的RETE算法，所以研究了RETE算法的基本流程。RETE算法是由Forgy在他的论文《A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》中提出的。   1 RETE算法的基本思想  RETE算法是一个用于产生式系统的高效...

Drools学习笔记2-RETE算法

前边说了，Drools采用的是RETE算法。那啥是rete算法。 定义：Rete算法由 Carnegie Mellon University 的Dr Charles L. Forgy设计发明，是一个用来实现产生式规则系统（前边提到的production/inference好像就该翻译为产生式规则）的高效模式匹配算法。它可以被分为两部分：规则编译和运行时执行。规则编译是指根据规则集生成推理网络的过

【前缀和模板】：区间求和（前缀和）——题解

前缀和——前缀和模板学习

Bellman-Ford——贝尔曼福特算法

而今天学习的贝尔曼福特算法，是用于计算单源，且可含负边权的最短路径问题。其优于Dijkstra的方面是边的权值可以是负数，但还是那句话鱼和熊掌不可兼得啊，时间复杂度自然有点高。，1的距离+W<1到3的边权>)结果为3，再到k=2，2的距离不变，看2到3的距离min（3，2的最短距离+W<2到3的边权>)结果为2。我们之前学习了Dijkstra算法，用于计算单源，正边权的最短路径。，1的距离+W<1到2的边权>)结果为1，再从1到3的距离min（，接下来k=1，1到2的距离min（

数据结构排序（二）

数据结构讲解

LeetCode 69. x 的平方根（二分查找详解 + Java Python 实现）

x的平方根

米哈游大模型算法实习面试题

(1) 二分类：Binary Cross-Entropy（BCE）：输出经 sigmoid 映射到 [0,1]，损失 = –[y·log(p) + (1–y)·log(1–p)]。(2) 现代 Decoder-only 的关键改进：相比原始 GPT，现代 LLM 标配：Pre-RMSNorm（替代 Post-LayerNorm，训练更稳定）、RoPE（替代绝对位置编码，支持长度外推）、SwiGLU 激活（替代 ReLU/GELU，更强表达）、GQA/MQA（减少 KV Cache，推理提速）。

仪表读数识别算法接入AI视频分析平台全流程与读数误报优化指南（附接口字段与排查表）

在变电站巡检、化工园区及工业制造场景中，基于指针表读数视觉算法的仪表读数识别常常面临视角倾斜变形、表盘玻璃反光、夜间红外模糊以及指针与刻度线粘连等工程痛点。本文立足现场实施工程师视角，梳理从工业摄像机 RTSP/GB28181 视频流接入、表盘透视变换校正、刻度与指针关键点定位到 JSON 结构化读数输出的全流程，并提供标准接口字段示例与 8 种高频读数异常/误报排查清单，帮助工程师快速构建稳定可靠的自动化巡检读数闭环。

算法详解4：买卖股票的最佳时机系列(上)

由于题目要求我们手中只能持有1股，所以在每天结束的时候我们手中就会出现持有股票和没有股票两种状态。那么我们不需要纠结今天到底该不该交易，我们只需要关注今天结束时，这两种状态下我的‘口袋里的现金’分别是多少。卖出股票就是“获得现金”，利润增加。我们将示例1代入到我们的方法中去获取了最小值1，但是最大值是7。我们不获取卖出时候的价格，只获取卖出时候的利润即可。题目要求我们在可以当天多次买卖股票，但是手中最多只能持有1股，然后获取最大利润。题目要求我们在某一天进行买入然后在之后的日子里面卖出从而获取最大利益。

leetcode 2091. 从数组中移除最大值和最小值 中等

将最大值和最小值都移除需要从数组前面移除 2 个元素，从数组后面移除 3 个元素。数组中只有这一个元素，那么它既是数组中的最小值又是数组中的最大值。将最大值和最小值都移除需要从数组前面移除 3 个元素。中有一个值最小的元素和一个值最大的元素。数组中的最大元素是 nums[1] ，值为 10。数组中的最小元素是 nums[1] ，值为 -4。数组中的最大元素是 nums[2] ，值为 19。数组中的最小元素是 nums[5] ，值为 1。你的目标是从数组中移除这两个元素。移除一个元素或从数组的。

排序-堆排序(Heap Sort)

摘要：堆排序是一种基于二叉堆数据结构的原地排序算法，凭借稳定的 O(nlog n) 时间复杂度和 O(1) 的额外空间开销，弥补了冒泡、选择、插入排序在大规模数据下效率低下的短板。本文从堆的底层性质出发，完整讲解堆排序的原理、向上调整、向下调整、建堆逻辑与排序流程，重点剖析「升序建大根堆、降序建小根堆」这一核心口诀的根本原因，并给出可运行的 C++ 代码实现，帮助读者彻底吃透堆排序。

使用递归对数组进行反转操作

明确终止条件时停止递归。缩小问题规模：每次交换首尾元素后，将区间缩小为。初始值表示从数组第一个元素开始交换。递归反转数组虽然直观，但由于空间复杂度为 O(n)，在处理超大数组时可能不如双指针迭代法高效。不过作为递归思想的经典练习，它非常适合帮助理解递归的「递推 + 回归」过程。

算法30，前缀和，和为k的子数组

✅“以前有没有出现过sum - k？有的话，有几个？每一个出现，都对应一个合法子数组。

水位识别算法接入AI视频分析平台全流程与误报优化指南（附接口字段与排查表）

在河道水利、水库防汛与城市排水监控场景中，基于视频水位识别（水位识别算法）的自动化监测常面临水面波浪倒影、夜间红外补光不足、水尺积垢遮挡以及立杆抖动导致的误报和读数偏差问题。本文立足现场部署工程师视角，梳理从工业摄像机 RTSP/GB28181 视频流接入、算法商城部署、水尺刻度/水体交界线分割到结构化水位数据输出的全流程，并提供标准 JSON 接口字段示例与 8 种高频异常排查清单，帮助工程师快速建立高可靠的水位监控闭环。