2023-2024-1 20231402《计算机基础与程序设计》第十周学习总结

作业信息

教材学习内容总结

《计算机科学概论》

• 12章主要介绍了电子数据表，数据库管理系统，13章则介绍了人工智能，讲了图灵测试，知识表示，专家系统，生物神经网路和人工神经网络，以及机器人学，14章介绍了模拟，模型和游戏。

《C语言程序设计》

• 这章主要讲了指针变量，按值调用和模拟按引用调用，函数指针及其应用。

教材学习中的问题和解决过程

• 问题1：为什么要尽量在公式中使用常量？

• 问题1解答：
  在计算机编程中，尽量在公式中使用常量而不是硬编码的数字有一些重要的原因：

  1. 可读性和可维护性： 使用常量可以增强代码的可读性。通过使用具有描述性名称的常量，代码更易于理解。硬编码的数字可能不够清
     晰，并且在多次使用相同数值时，如果需要进行修改，可能需要在多个地方进行更改。使用常量可以使代码更容易维护，因为只需在一个地方进行修改即可。
  2. 易于调整： 如果在公式中使用硬编码的数字，当需要更改数值时，你必须找到每一个使用该数值的地方进行修改。而使用常量，你只需修改常量的定义，整个程序中使用该常量的地方都会得到更新。这降低了出错的可能性。
  3. 提高代码的灵活性： 使用常量可以提高代码的灵活性。如果将常量用作公式中的参数，可以轻松调整这些参数，而不必修改公式本身。这样的设计使得程序更容易适应不同的需求。
  4. 数值精度： 在一些科学计算或需要精确数值的情况下，使用常量可以确保数值的一致性。硬编码的数字可能会导致舍入误差或其他数值问题。
  5. 符号表达： 常量的使用可以增加代码中的符号表达，使得代码更易理解。例如，如果你在代码中看到PI代表圆周率，就比看到3.14159更容易理解。
  6. 代码重用： 使用常量可以促进代码的重用。如果某个数值在不同的地方多次使用，将其定义为常量可以方便地在其他地方重用，而不必复制粘贴相同的数字。

  总的来说，使用常量可以提高代码的可读性、可维护性，降低出错的概率，增加代码的灵活性，促进符号表达，以及方便代码重用。这些因素都有助于编写更高质量的、易于理解和维护的代码。

• 问题2：如何解决词法二义性和句法二义性给计算机带来的问题？

• 问题2解答：
  词法二义性和句法二义性是自然语言处理中常见的问题，它们给计算机处理语言带来了挑战。以下是解决这些问题的一些方法：
  词法二义性（Lexical Ambiguity）：

  1. 上下文分析： 利用上下文信息可以帮助解决词法二义性。通过考虑词语在句子中的位置以及与其他词语的关系，可以更准确地确定词语的含义。
  2. 词性标注： 使用词性标注可以帮助消除一些词法二义性。对于同一个词，根据其在句子中的词性，可以更好地确定其含义。
  3. 语法分析： 通过与句法分析结合，可以更全面地理解句子的结构，从而减少对词法的二义性。

  句法二义性（Syntactic Ambiguity）：

  4. 上下文分析： 类似于词法二义性，上下文分析在解决句法二义性时也是有效的。通过考虑整个句子的结构和语境，可以更好地理解句子的含义。
  5. 使用语法规则： 制定和使用明确的语法规则可以帮助解决句法二义性。定义更精确的语法规则可以减少模糊性。
  6. 概率模型： 使用概率模型（例如，隐马尔可夫模型、条件随机场）来处理句法结构可以考虑多个可能的解析，并为每种可能性分配一个概率。这样可以在多个可能性之间做出权衡。
  7. 语言模型： 使用语言模型可以帮助理解句子的合理性。如果一个解析在语言模型中更为自然，那么它可能更有可能是正确的。
  8. 语义分析： 考虑句子的语义结构，可以帮助排除一些句法二义性。语义分析可以提供关于句子含义的信息，有助于选择正确的语法结构。

  在处理自然语言时，通常会综合运用这些方法，选择最适合特定应用场景的策略。这可能涉及到机器学习、深度学习和基于规则的方法的组合。解决词法和句法二义性是自然语言处理领域的一个重要挑战，需要不断的研究和改进。

• 问题3：微分方程的输入是怎样影响不同模型输出结果的好坏的？

• 问题3解答：
  微分方程是描述变化和变动的数学工具，它在建模动态系统和自然现象时非常有用。微分方程的输入可以是系统的初始条件和外部驱动力，这些输入对于模型的输出结果有着重要的影响。
  以下是微分方程输入如何影响不同模型输出结果的好坏的一些方面：

  1. 初始条件： 微分方程的解依赖于初始条件。初始条件是指在时间 t=0 时系统的状态。不同的初始条件可能导致系统在时间的演化中产生不同的行为。因此，对于同一个微分方程，如果初始条件不同，模型的输出结果也会不同。
  2. 外部驱动力： 一些微分方程模型包括外部驱动力或输入项，这些项表示系统受到的外部影响。外部驱动力的幅度、频率和时间特性会直接影响系统的响应。对于某些系统，外部驱动力可能是决定系统行为的关键因素。
  3. 参数： 微分方程中的参数也对模型输出产生显著影响。调整参数的值可能会改变系统的动态特性。在某些情况下，参数可以表示系统的特性，如阻尼比、质量、弹性系数等。调整这些参数可以模拟不同条件下系统的响应。
  4. 系统复杂性： 输入如何影响输出还取决于微分方程模型的复杂性。一些系统可能对初始条件和外部驱动力非常敏感，而另一些可能对这些因素相对不敏感。在一些情况下，系统可能对某些输入变化非常稳定，而对其他输入变化则非常敏感。
  5. 数值求解方法： 对微分方程进行数值求解时，选择的数值方法也可能影响模型的输出结果。一些数值方法可能对某些类型的微分方程更有效，而对另一些可能不太适用。数值误差的累积也可能在模拟的长时间尺度内引入一些不确定性。

  总体来说，微分方程模型对输入的敏感性取决于具体的方程形式和系统特性。通过仔细选择合适的初始条件、外部驱动力和参数值，以及合适的数值方法，可以更好地理解和预测微分方程模型的行为。

基于AI的学习

代码调试中的问题和解决过程

• 问题1：没标列数
  

• 问题1解决方案：在定义函数时标明二维数组的列数。

上周考试错题总结

• Which of the following describes a CPU scheduling algorithm in which each process is given a small amount of time to use the CPU before being forced to wait until its turn comes around again?
  A. Shortest-job-next B. First-come, first-served
  C. Time slice D. Round robin
  E. Turnaround time
  正确答案： D
  你的作答： C
• An operating system uses nonpreemptive CPU scheduling when a process moves from the waiting state to the ready state.
  正确答案： 错误
  你的作答： 正确
• A text file contains bytes of data that represent characters from a particular character set such as ASCII or Unicode.
  正确答案： 正确
  你的作答： 错误

学习进度条

• 计划学习时间:20小时

• 实际学习时间:22小时