Mysql数学函数不求人_MySQL
MySQL教程是:Mysql数学函数不求人。所有的数学函数在一个出错的情况下返回NULL。
-
单目减。改变参数的符号。
mysql> select - 2;
注意,如果这个操作符与一个BIGINT使用,返回值是一个BIGINT!这意味着你应该避免在整数上使用-,那可能有值-2^63!
ABS(X)
返回X的绝对值。
mysql> select ABS(2);
-> 2
mysql> select ABS(-32);
-> 32
该功能可安全用于BIGINT值。
SIGN(X)
返回参数的符号,为-1、0或1,取决于X是否是负数、零或正数。
mysql> select SIGN(-32);
-> -1
mysql> select SIGN(0);
-> 0
mysql> select SIGN(234);
-> 1
MOD(N,M)
%
模 (类似C中的%操作符)。返回N被M除的余数。
mysql> select MOD(234, 10);
-> 4
mysql> select 253 % 7;
-> 1
mysql> select MOD(29,9);
-> 2
这个函数可安全用于BIGINT值。
FLOOR(X)
返回不大于X的最大整数值。
mysql> select FLOOR(1.23);
-> 1
mysql> select FLOOR(-1.23);
-> -2
注意返回值被变换为一个BIGINT!
CEILING(X)
返回不小于X的最小整数值。
mysql> select CEILING(1.23);
-> 2
mysql> select CEILING(-1.23);
-> -1
注意返回值被变换为一个BIGINT!
ROUND(X)
返回参数X的四舍五入的一个整数。
mysql> select ROUND(-1.23);
-> -1
mysql> select ROUND(-1.58);
-> -2
mysql> select ROUND(1.58);
-> 2

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds



L’IA change effectivement les mathématiques. Récemment, Tao Zhexuan, qui a prêté une attention particulière à cette question, a transmis le dernier numéro du « Bulletin de l'American Mathematical Society » (Bulletin de l'American Mathematical Society). En se concentrant sur le thème « Les machines changeront-elles les mathématiques ? », de nombreux mathématiciens ont exprimé leurs opinions. L'ensemble du processus a été plein d'étincelles, intense et passionnant. L'auteur dispose d'une équipe solide, comprenant Akshay Venkatesh, lauréat de la médaille Fields, le mathématicien chinois Zheng Lejun, l'informaticien de l'Université de New York Ernest Davis et de nombreux autres universitaires bien connus du secteur. Le monde de l’IA a radicalement changé. Vous savez, bon nombre de ces articles ont été soumis il y a un an.

Un nombre heptagonal est un nombre qui peut être représenté comme un heptagone. Un heptagone est un polygone à 7 côtés. Un nombre heptagonal peut être représenté comme une combinaison de couches successives d'heptagone (polygone à 7 côtés). donc,

Compter semble simple, mais en pratique, c'est très difficile. Imaginez que vous êtes transporté dans une forêt tropicale vierge pour effectuer un recensement de la faune. Chaque fois que vous voyez un animal, prenez une photo. Les appareils photo numériques enregistrent uniquement le nombre total d'animaux suivis, mais vous êtes intéressé par le nombre d'animaux uniques, mais il n'y a pas de statistiques. Alors, quelle est la meilleure façon d’accéder à cette population animale unique ? À ce stade, vous devez dire : commencez à compter maintenant et comparez enfin chaque nouvelle espèce de la photo à la liste. Cependant, cette méthode de comptage courante n'est parfois pas adaptée aux informations pouvant atteindre des milliards d'entrées. Des informaticiens de l'Institut indien de statistique, UNL, et de l'Université nationale de Singapour ont proposé un nouvel algorithme : le CVM. Il peut approximer le calcul de différents éléments dans une longue liste.

Du jour au lendemain, le paradigme de l’apprentissage automatique est sur le point de changer ! Aujourd’hui, l’infrastructure qui domine le domaine de l’apprentissage profond est le perceptron multicouche (MLP), qui place des fonctions d’activation sur les neurones. Alors, au-delà de cela, y a-t-il de nouvelles routes que nous pouvons emprunter ? Aujourd'hui encore, des équipes du MIT, de Caltech, de la Northeastern University et d'autres institutions ont publié une nouvelle structure de réseau neuronal : Kolmogorov-Arnold Networks (KAN). Les chercheurs ont apporté une modification simple au MLP en déplaçant la fonction d’activation apprenable des nœuds (neurones) vers les bords (poids) ! Adresse papier : https://arxiv.org/pdf/2404.19756 Ce changement semble à première vue sans fondement

Vision Avec le développement de la technologie de l'intelligence artificielle, la peinture IA est devenue un sujet brûlant en ce moment. En utilisant des algorithmes d’apprentissage profond, l’intelligence artificielle peut générer des images réalistes pour créer de superbes œuvres d’art. Derrière ces travaux étonnants, il est indissociable du support des connaissances mathématiques. Les modèles mathématiques jouent un rôle essentiel dans la peinture IA. D’une part, les modèles mathématiques sont utilisés pour décrire et représenter les informations des images, permettant ainsi aux ordinateurs de comprendre et de traiter les images. D'autre part, les modèles mathématiques sont également utilisés pour entraîner des modèles d'apprentissage en profondeur afin de générer automatiquement des images. Le modèle d'apprentissage profond apporte une génération d'images de haute qualité. Le modèle d'apprentissage profond est l'élément central de la peinture IA. Il identifie et simule les caractéristiques de l'image en apprenant une grande quantité de données d'image et grâce au traitement des données à plusieurs niveaux.

Ces derniers temps, la peinture IA est devenue très populaire. Même si vous êtes émerveillé par les capacités de peinture de l’IA, ce que vous ne savez peut-être pas, c’est que le modèle de diffusion y joue un rôle important. Prenons l'exemple du modèle populaire DALL·E 2 d'OpenAI. Entrez simplement un simple texte (invite) et il peut générer plusieurs images haute définition 1024*1024. Peu de temps après l'annonce de DALL·E 2, Google a ensuite publié Imagen, un modèle d'IA texte-image capable de générer des images réalistes de la scène à partir d'une description textuelle donnée. Il y a quelques jours à peine, Stability.Ai a rendu public le modèle d'image de génération de texte Stable Diffusi

ChatGPT comprend également les astuces humaines lorsqu'il s'agit de générer des nombres aléatoires. ChatGPT est peut-être un artiste de conneries et un diffuseur de désinformation, mais ce n'est pas un « mathématicien » ! Récemment, Colin Fraser, un scientifique des métadonnées, a découvert que ChatGPT ne peut pas générer de nombres véritablement aléatoires, mais ressemble davantage à des « nombres aléatoires humains ». Grâce à des expériences, Fraser a conclu : « ChatGPT aime beaucoup les chiffres 42 et 7. » Les internautes ont dit que cela signifie que les humains aiment beaucoup ces chiffres. ChatGPT aime aussi « La réponse ultime à l'univers ». Dans son test, l'invite saisie par Fraser est la suivante : « Choisissez un nombre aléatoire ».

Mi-octobre 2022, Justin Gilmer s'est envolé de Californie pour New York pour rendre visite à son ancien mentor Michael Saks, mathématicien à l'université Rutgers, sur la côte Est. Durant la réminiscence, ils n’ont pas parlé de mathématiques. En fait, Gilmer n’a pas sérieusement réfléchi aux mathématiques depuis qu’il a obtenu son doctorat à l’Université Rutgers en 2015. À cette époque, il décide de ne pas poursuivre une carrière universitaire et commence à apprendre la programmation en autodidacte. Au cours d'un dîner avec Saks, Gilmer a parlé à son mentor de son travail chez Google : l'apprentissage automatique et l'intelligence artificielle. Alors qu'il marchait le long du sentier sur le campus, Gilmer a rappelé qu'en 2013, il avait passé plus d'un an à marcher sur ce sentier.
