\(\text{-1前言}\)\(\text{-1.0日志}\)24.08.24：启动本文企划，正式着笔。\(\text{-1.1本文记号说明}\)本文使用\(\cdot\)表示乘号，\(*\)表示卷积，\(\mathbb{P}\)表示质数集。\(\text{0基础函数科技}\)单位函数\({\bf1}(x)=1\)。幂函数\(id^k(x)=x^k\)。恒等函数（幂

ACMP:Allen-CahnMessagePassingwithAttractiveandRepulsiveForcesforGraphNeuralNetworksICLR2023Abstract​ 神经信息传递是图结构数据的基本特征提取单元，考虑到网络传播中相邻节点的特征，从一层到下一层。我们用一个具有吸引力和排斥力的相互作用的粒子系统以及

历史 相关概念  概念 三维狄利克雷分布 原理 作用 

引言LDA(LatentDirichletAllocation)称为潜在狄利克雷分布，是文本语义分析中比较重要的一个模型，同时，LDA模型中使用到了贝叶斯思维的一些知识，这些知识是统计机器学习的基础。为了能够对LDA原理有清晰的认识，也为了能够对贝叶斯思维有全面的了解，在这里对基本知识以及LDA的相关知识进

传送门求\(b_k=\sum\limits_{i|k}{a_i}\)考虑\(i=p_1^k,j=p_1^{k+1}\)，若我们已经求出了\(b_i\)，则易知\(b_j=b_i+a_j\)然后根据上面的方法，考虑对于所有的\(k=p_1^{k1}p_2^{k2}...p_l^{kl}\)，若\(j=p_2^{k2}...p_l^{kl}\)，我们已经求出所有的\(c_k=a_j+a_{p1\timesj}+a_{p1^2\time

Dirichlet学习笔记Dirichlet前缀和狄利克雷前缀和是求解形如\[b_k=\sum\limits_{i|k}a_i\]的式子首先我们可以想到枚举\(i\)，再枚举\(i\)的倍数\(j\)$$b_j=b_j+a_i$$此时的时间复杂度为\(n/1+n/2+n/3+...+n/1\)。由于调和级数，时间复杂度为\(O(nlogn)\)进一步分析