高斯数学

伟大的数学家高斯在9岁那年,用很短的时间完成了从1到100的累加。那原本是老师给学生们出的难题,希望他们能老老实实地待在教室里。
高斯的方法很简单,他发现这是50个101的求和:100+1、99+2、98+3、…、50+51,于是他很快算出结果是101×50=5050。

从1加到100,高斯发现了其中的规律,当然很快就能算出结果。但是计算机很蠢,它不懂什么规律,只能从1老老实实地加到100。
不过,它的强项就是速度,而且不怕麻烦,当高斯还在审题的时候,它就累加出结果了。



jmp near mycode

mydata:
db  ‘1+2+3+4+5...+100=‘

length:
db  0

mycode:
mov ax,0x07c0
mov ds,ax
;初始化数据段寄存器

mov ax,0xb800
mov es,ax ;初始化显存段寄存器

xor ax,ax;  把ax清0
mov cx,1 ;

calc:
add ax,cx
inc cx
cmp cx,100
jbe
calc

;5050 / 10 = 505   余数为0
;505  / 10 = 50   
余数为5
;50   / 10 = 5     余数为0
;5    / 10 = 0     余数为5

;

mov bx,0x0000
mov ss,bx  ;初始化堆栈
mov
sp,0x1234

mov si,10  ;初始化被除数

convert:
xor dx,dx  ;初始化除数
div si
push dx
inc
byte[length]
cmp ax,0
jne convert

;movsb byte ptr [ES:DI],byte ptr [DS:SI]
mov
di,0
mov si,mydata
mov cx,length-mydata

print1:
movsb
mov byte [es:di],0x7
inc
di
loop print1

xor cx,cx
mov cl,byte [length]

print2:
pop ax
add ax,0x30
mov 
[es:di],al
inc di
mov byte [es:di],0x7
inc di
loop print2

stop: jmp near stop
times 510-($-$$) db 0
dw
0xAA55

时间: 2024-10-10 18:14:37

高斯数学的相关文章

数学之路-python计算实战(18)-机器视觉-滤波去噪(双边滤波与高斯滤波 )

高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到.高斯滤波的具体操作是:用一个模板(或称卷积.掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值. #滤波去噪 lbimg=cv2.GaussianBlur(newimg,(3,3),1.8) cv2.imshow('src',newimg) cv2.imshow('dst',lbimg) cv2.waitKey() cv2.destroyAllW

uva 10828 高斯消元求数学期望

Back to Kernighan-RitchieInput: Standard Input Output: Standard Output You must have heard the name of Kernighan and Ritchie, the authors of The C Programming Language. While coding in C, we use different control statements and loops, such as, if-the

数学之路-python计算实战(7)-机器视觉-图像产生加性零均值高斯噪声

图像产生加性零均值高斯噪声,在灰度图上加上噪声,加上噪声的方式是每个点的灰度值加上一个噪声值,噪声值的产生方式为Box-Muller算法生成高斯噪声. 在计算机模拟中,经常需要生成正态分布的数值.最基本的一个方法是使用标准的正态累积分布函数的反函数.除此之外还有其他更加高效的方法,Box-Muller变换就是其中之一.另一个更加快捷的方法是ziggurat算法.下面将介绍这两种方法.一个简单可行的并且容易编程的方法是:求12个在(0,1)上均匀分布的和,然后减6(12的一半).这种方法可以用在很

[CSP-S模拟测试]:炼金术士的疑惑(模拟+数学+高斯消元)

题目传送门(内部题70) 输入格式 第一行一个正整数$n$,表示炼金术士已知的热化学方程式数量.接下来$n$行,每行一个炼金术士已知的热化学方程式.最后一行一个炼金术士想要求解的热化学方程式,末尾记为$H=?$.每个热化学方程式都是规范的,格式如下:$a\ W\ +\ b\ X\ +\ ...\ =\ c\ Y\ +\ d\ Z\ ...\ H=\ h$表示$a$单位的$W$.$b$单位的$X$与......反应生成了$c$单位的$Y$.$d$单位的$Z$和......,吸收$h$/放出$-h$

数学 --- 高斯消元 POJ 1830

开关问题 Problem's Link: http://poj.org/problem?id=1830 Mean: 略 analyse: 略增广矩阵:con[i][j]:若操作j,i的状态改变则con[i][j]=1,否则con[i][j]=0. 最后的增广矩阵应该是N*(N+1),最后一列:对比开光的始末状态,若相同则为0,若不同则为1: 最后的解共有三种:1.无解,既出现了一行中前面N个数为0,第N+1的值非0:2.没有第1种情况出现,存在X行数值全为0,则解的个数为2^X;3,没有1,2

高斯消元模板,整数(数学)

线性代数,原理不讲了... 1 /* 用于求整数解得方程组. */ 2 3 #include <iostream> 4 #include <string> 5 #include <cmath> 6 using namespace std; 7 8 const int maxn = 105; 9 10 int equ, var; // 有equ个方程,var个变元.增广阵行数为equ, 分别为0到equ - 1,列数为var + 1,分别为0到var. 11 int a[

BZOJ 3143 游走 | 数学期望 高斯消元

啊 我永远喜欢期望题 BZOJ 3143 游走 题意 有一个n个点m条边的无向联通图,每条边按1~m编号,从1号点出发,每次随机选择与当前点相连的一条边,走到这条边的另一个端点,一旦走到n号节点就停下.每经过一条边,要付出这条边的编号这么多的代价.现将所有边用1~m重新编号,使总代价的期望最小,求这个最小值. 题解 我们可以求出每条边的期望经过次数,然后贪心地让经过次数多的边编号小即可. 直接用边来列方程求经过次数似乎列不出来,我们借助点来列方程. 设x[u]为从某个点出发的次数的期望,v为与u

数学1——概率与数学期望

1.什么是数学期望? 数学期望亦称期望.期望值等.在概率论和统计学中,一个离散型随机变量的期望值是试验中每一次可能出现的结果的概率乘以其结果的总和. 这是什么意思呢?假如我们来玩一个游戏,一共52张牌,其中有4个A.我们1元钱赌一把,如果你抽中了A,那么我给你10元钱,否则你的1元钱就输给我了.在这个游戏中,抽中的概率是$\frac{1}{13} ( \frac{4}{52} ) $,结果是赢10元钱:抽不中概率是$\frac{12}{13}$,结果是亏1元钱.那么你赢的概率,也就是期望值是$-

学习 opencv---(7) 线性邻域滤波专场:方框滤波,均值滤波,高斯滤波

本篇文章中,我们一起仔细探讨了OpenCV图像处理技术中比较热门的图像滤波操作.图像滤波系列文章浅墨准备花两次更新的时间来讲,此为上篇,为大家剖析了"方框滤波","均值滤波","高斯滤波"三种常见的邻域滤波操作.而作为非线性滤波的"中值滤波"和"双边滤波",我们下次再分析. 因为文章很长,如果详细啃的话,或许会消化不良.在这里给大家一个指引,如果是单单想要掌握这篇文章中讲解的OpenCV线性滤波相关的三个函