初级会计计算器试题（初级会计考试有计算器）

961年，加利福尼亚州系统实验室，六名NASA科学家正在使用梯子和大黑板计算卫星轨道方程。

1961年，加利福尼亚州系统实验室，六名NASA科学家正在使用梯子和大黑板计算卫星轨道方程。 在60年代，计算机还很初级，科学家们不得不自己画图，手动进行运算，来解决复杂的数学方程。 当时"computer "一词指的不是机器，而是手动进行数学公式和计算的人。人们经常组建团队，分工协作，将冗长乏味的计算工作并行完成。有时候，也会使用一些相当复杂的机电设备作为辅助。 对于一个涉及到时间步长和自我反馈的复杂方程，美国宇航局的著名科学家们将举行 "数学聚会"。每个人负责方程的一个部分，第一个人做完自己的部分后，交给下一个人，最终在经历击鼓传花式的层层计算后，回到第一个人身边，给他新的输入，开始新一轮的循环。 几个小时后，你就可以拥有一个漂亮整齐的图表。这就是第一个核反应堆、核弹和许多航空航天计算的完成方式。

【初级计算机语言真的无关年纪和数学程度】这周我和小M一起在网上上了一些Python的最初级入门课程，大概三个上午这样。刚才，他带我去他房间，看了他电脑里他刚花三个小时写出来的62行代码，他只是一名学习不算很用功，生活很开心的初中生。

对于首次这62行代码，看得出他异常兴奋，讲解给我听的时候，手都有点发抖。

里面有他与我一起学的初级知识，有他上网查的未知知识，有他与程序员哥哥沟通后哥哥给他的一些提示(他哥哥现在用Kotlin，也不是学校学的），然后他做出来了。

其实，这是我早在他10岁时想引导他做的事。那时我给他买了一本亚马逊Python畅销书,当时他悟不到，不感兴趣把书撇一边不再翻读。现在水到渠成，我再推他一把，然后他自己以超乎我想象的速度快速走到了这里。

我不用再每天监督他放学后沉迷玩电脑游戏，去年以来我决定放手，让他自由发挥，自行掌握。

相信他进了这个门，再适当给他一点帮助，他就会以我们无法理解的飞跃速度前进，到时他爱做啥，进不进大学（M爸曾说过小M不念大学[捂脸]），全由他的兴趣。

这一点，他比他的哥哥们还要有天时地利人和的优势，因为他生长在这个合适的时代。

#微头条日签# #生活日记# #互联网#

没考上好大学，对我来说不遗憾！李白说：“天生我才必有用，千金散尽还复来！”谁都有派上用场的时候，真正的遗憾是错过且不能弥补的事，比如子欲养而亲不待，才算得上人生遗憾。

在一项网名调查中，竟然有858.34万人把“错过青春年少时光，没能考入好大学，过着平庸的生活”标榜为人生遗憾，这个结果太令我失望，明知年轻不努力，错失好大学。还耿耿于怀，不改变现状，这更令人遗憾。

我从未想过，考入职业技术大学是遗憾，也不觉得低人一等，反而在3年的大学生涯中更加努力，增加自己的价值，毕业升本，考研，花多一点时间，达到同样的高度，只要肯攀登，哪来遗憾一说。#教育# #洞见教育#

图2是一位毕业于某职业技术学院学生的简历，在学院里是佼佼者，十分优秀，字也写得不错。

但去招聘面试，HR却录用了另一位毕业于211大学、简历没这么丰富的学生，我觉得很不合理，存在学历歧视的行为。

然而，这名女生的简历上，拿得出手的证书有这么几项：英语四级、初级会计、计算机二级、普通话二甲。

但在稍微好一点的大学里，这些都是基本必须达到的基础条件，算不上什么专长。该女生获得的“优秀毕业生”、“一等奖学金”、“三好学生”等奖励，确实能够证明，她在这所大专里足够上进。

如果我是HR，我会选择211大学毕业的人。

如果我是应聘者，我会考虑提升学历，让自己也成为名牌大学的学生，总之没有考上好大学，这不是遗憾，而是明知通过努力还能改变，却没有去努力去改变，那才是遗憾。

你的人生有什么遗憾，跟我们的相同吗？

量子计算机现在还很初级，只能处理少数的特定问题，通用量子计算机的出现，或者强人工智能出现，可能就是奇点的到来[大笑][赞][赞][作揖]

为什么物理学的突破放缓了？ 最近几十年，貌似再也没有听到重大的物理突破了，似乎听到的都是对爱因斯坦这一类大牛百年前的理论验证。 难道这么多年没有伟大的科学家了吗？更多的是团队作战，也没有听到诸如爱因斯坦相对论，量子物理突破等同量级的新理论了，理论物理好像刘慈欣《三体》里面写的，被质子锁死了科技树一样，止步不前了! 当年牛顿推翻亚里士多德，爱因斯坦推翻牛顿，都是石破天惊，26岁的物理牛人一出手，谈笑间一个个物理牛人灰飞烟灭，那实际情况是怎样的呢？听听物理大牛怎么看待吧!

上个世纪末期随着计算机软件的发展，出现了大量光学设计软件，其中使用最广泛的包括zemax等。在这些软件出现以前，人们只能依靠大量理论知识和手动光线追迹进行像质计算，往往一个复杂的设计需要耗时数月甚至数年，而且只有非常高级的设计师才能够完成。在设计软件出现以后，利用计算机的快速计算能力，将大量的光线追迹等计算压缩到几分钟，甚至几秒钟之内，并且在提升计算速度的同时也提升了计算的精度，再配合现在加工精度的提高，越来越多高精度的镜头被设计加工出来。同时光学设计的门槛也降低了非常多，只要拥有初级的光学理论知识，能够利用zemax等软件完成简单的设计。 以上例子是我比较熟悉的领域哈，而且说的可能有点远，说回正题，计算机开发中文是有可能进一步降低使用门槛的，但不至于楼主说的那么极端，完全一个字母都不能够使用。例如文中的:int i=1。int翻译过来确实是整型的意思，但是如果有中文软件一定要用两个汉子表示吗，int作为常用一个词组，用一个简洁的“数”代替或许会更好，可以打开思路啊。另外i=1，就是将数字1赋予给一个任意的代号，汉语现在还有拼音呢，为什么一定要用甲乙丙丁，不能用abcd呢？

多功能类神经突触器件塑造人类感知系统

随着大数据时代的到来，计算机需要储存与计算的数据日益增多，势必导致在现有的计算水平下，计算机需要增大其规模，投入更多的硬件设备，其耗电量大、占地面积大的缺点在数据爆炸的时代愈显突出。相反，人脑仅有约1.5千克，体积约1200立方厘米，但具有1016个神经元，可以在一天内同时处理约8600万条信息，功耗仅有20瓦左右。于是，人们的眼光投向类神经突触器件的研究，通过模仿神经突触的信息处理功能设计出体积小、功耗低的器件。由于类神经突触器件对外界刺激的输入和非易性存储的过程与人类处理外界信号并实时加工记忆的过程十分相似，因此类神经突触器件可以十分有效地塑造模仿人类的感知系统。尽管众多文献对类突触器件的发展做出了完善、及时、建设性的总结和评价，但鲜有学者注意到类神经突触器件在模拟人类感知系统上发挥的重要作用以及已取得的重大成就。

近日，中国科学院化学研究所刘云圻院士课题组总结了类神经突触器件主流的两种器件类型，包括两端忆阻器和三端晶体管，并归纳出不同类型类神经突触器件工作的基本原理。作者从视觉系统、触觉系统、听觉系统、味觉系统、嗅觉系统的塑造五个部分着重讨论了类神经突触器件在塑造人类感知系统上的成就，并对其未来发展进行了展望。

人工感知系统目前正处于模仿周围神经系统的初级阶段。未来将致力于开发全功能和复杂的人工感知系统，通过与化学、材料工程、计算机科学和医学等领域的结合，突触电子学领域将获得广泛的应用，并将有助于跨学科领域的发展。

该文章以题为“Multifunctional neurosynaptic devices for human perception systems”发表在Journal of Semiconductors上。

图1. 两端忆阻器的工作机理。(a) 电化学金属化机理；(b) 价态转变机理；(c) 相转变机理；(d) 铁电机理。

图2. 三端突触晶体管类型。(a) 浮栅晶体管；(b) 电解质栅晶体管；(c) 铁电场效应晶体管；(d) 光电突触晶体管。

Multifunctional neurosynaptic devices for human perception systems

Wei Wen, Yunlong Guo, Yunqi Liu

J. Semicond. 2022, 43(5): 051201. doi: 10.1088/1674-4926/43/5/051201

【三闲笔记22257】文敏：先做人，后做事。这是很多长辈对晚辈，师长对后学的谆谆告诫。其意无非是德重于才，德先才后，只有这样，才能德才兼备成大器。但它导致这样的误解，似乎做事与做人是可以分开的，还可以分出先后。事实是这样的吗？

什么是做人？汉语里的做人主要包括两个方面。一指待人接物，如金朝董解元著《西厢记诸宫调》卷四有：“如今方验做人难。”明朝李贽著《史纲评要》卷十三有：“锺会不知做人。”二指做正直无私的人；如：“做人要做这样的人”，“悔过自新，重新做人”。关于怎样做人，有很多方面的要求，如：做人要有原则，君子有所为，有所不为；做人要有责任感，铁肩担道义；做人要懂得适可而止，不急功近利；做人要拿得起放得下，不患得患失；做人要胸怀坦荡，不拘小节者方成大器；等等，不一而足。与这些生硬的条条框框相比，一些名人的劝告更加生动。鲁迅先生说：“使一个人的有限的生命，更加有效，也即等于延长了人的生命。”左拉说：“生命的全部的意义在于无穷地探索未知。”苏格拉底说：“世界上最快乐的事，莫过于为理想而奋斗。”

什么是做事？汉语里的做事也主要包括两个方面。一是担任某固定的职务和工作，如：他在研究所做事。二是从事某种工作或处理某项事情；如：他做事一向认真负责。关于怎样做事，也有很多方面的要求，如：要有大局观；要有目标；要分主次；要有忧患意识；等等。关于做事，也有很多有益的忠告，如《道德经》言：天下难事，必做于易；天下大事，必做于细。中国谚语：只要功夫深，铁杵磨成针。马丁·路德说：“昧着良心做事是不安全、不明智的。”苏格拉底说：“做少许事情而做得很好，胜于做许多事情而做得很糟。”李渔说：“大丈夫做事，雷厉风行。”《尉缭子》言：慎在于畏小，智在于治大。

做事要有才，做人要有德。司马光著《资治通鉴》有云：才者，德之资也；德者，才之帅也。君子挟才以为善，小人挟才以为恶。由此可见，有德无才近废物，有才无德是灾难。那么，做人与做事是什么关系呢？一个人到底怎样学会做人与做事呢？

一是在学做事中学做人。上世纪80年代末90年代初，我在某著名大学攻读硕士研究生。这所大学以打破西方技术垄断研制巨型计算机而名扬海内外。在我的毕业设计过程中，师从导师参与到巨型计算机的科研之中，做了一些相关的初级研究工作。由于起点高、研究团队群星璀璨，我的毕业论文写作非常顺利。但除了这一收获之外，在我研究和学习的过程中，深为导师和老师们那种不计名利、攻坚克难，全身投入的献身精神所感染。这一研究学习过程成为我的精神净地，在我以后的工作中，每当遇到名利之事、工作困难，都能回想起这一经历，以导师、老师们的精神鼓舞自己，做出正确的人生选择。

二是在学做人中学做事。钱学森是我国航天领域泰山北斗级的科学家。他在深情回忆自己的导师冯·卡门时，特别强调其无私的学术精神。每有新的发现和创新思想，冯·卡门都会毫无保留地与同事们共享，有的学生和同事有些不解，说您这样做，不怕别人赶上或者超过您吗？冯·卡门坦然地说：“我不怕，等别人赶上我达到这一点上时，我已经远远地跑到更前面去了。”为此，冯·卡门没有任何时候停止思考、研究与创新，事实上，他的这种无私的学术精神，是以自己的永远坚持不懈地跑在科学研究的最前列为支撑的。你要学他的为人，就必学他怎样做事。

做事先做人，是因为人格在空间上决定了做事的空间；做人先做事，是因为人的各种素质，只能在做事中才能形成：人的本质，只能在做事中才能展开；人的潜能，只能在做事中才能开发；人的能力，只有做事中才能发挥；人的成就，只能在做事中才能取得；人的梦想，只有做事中才能实现。做事即做人，做人即做事，二者是内在统一的，没有先后之分。

人的成功是做人与做事的辩证、对称发展的过程。做人是主导，做事是基础。真正的成功，必然是做人成功与做事成功的综合。没有做事，做人没有根基；做事是我们立身成人之本。没有做人，做事没有方向；做人是我们立身成人的路标。

细说Linux基础知识 推荐：本书为学习Linux操作系统的入门参考书，全书共9章，内容涵盖了初学Linux所需的所有知识点，讲解了Linux日常管理操作的方方面面，由浅入深，内容全面，案例丰富，实战性强。本书从Linux系统的前世今生讲起，详解了Linux系统的特点和各个发行版本，以及作者的学习建议；使用虚拟机构建Linux学习环境，常用Linux工具软件的使用，无人值守安装及网络安装；Linux服务器在生产环境中的管理建议；Linux常用命令；文本编辑器Vim的使用与进阶技巧；Linux源码包与二进制包的安装、升级、卸载及管理，软件包部署的建议；Linux用户和用户组的管理命令、配置文件；Linux权限管理，ACL访问控制列表，系统特殊权限和文件属性权限，管理员授权；Linux文件系统介绍，文件系统管理常用命令，系统分区规划与操作等。本书广泛适用于各种基于Linux平台服务部署及运维、开发的技术人员，以及大学计算机相关专业的学生，也是云计算学习的必备入门书籍。

最近遍地都是元宇宙，好奇心使然，刚好得到上有一门关于元宇宙的课程，听完后有了大概了解，里面的一个概念让我想起了之前看的一本书《失控》，这个概念是＂去中心化＂。当时的情况是要做分享，所以我把这本书读了两遍（电子书），当时是有些当任务来完成，但kk的远见真的令人拜服，预言家。了解完元宇宙，我又入手了kk三部曲纸质版书，其中《失控》是我买过最厚的书，但真的值得反复读。

其中的一些句子:

●当我开始写这本书的时候，还没有万维网，因特网刚刚进入实用阶段；仿真处于初级阶段；计算机绘图还很少见；电子货币尚不为人知。虚拟生活、去中心化的力量以及由机器构成的生态等概念，即使是在美国，也没有太多意义。这些故事和逻辑看上去太抽象、太遥远。

●人造与天生的联姻正是本书的主题。KK指出，人造物与自然生命之间有两种趋势正在发生：

1. 人造物表现得越来越像生命体；

2. 生命变得越来越工程化。

●九律

我试着把它们整合成一种类似结构化的东西：

因为客观环境是多变的，个体只能被迫迎接挑战，所以要多做不同方面的准备。这就决定了「分布式」「自下而上的控制」「边界最大化」「不求最优但求多目标」是必要的。

做准备还不够，最好还能有自动去做更多方面准备的能力。所以，要注重「变自生变」，要让自己的知识体系、技能树，变得尽可能复杂，实现自动复杂化。在这个过程中，要「喜欢犯错误」，要「谋求持久的不均衡态」。

实际执行中，要记得「模块化生长」。这不光是说要系统学习各个模块，还强调了要坚持「不求最优但求多目标」的原则，以便让自己「边界最大化」，从而逼近「分布式」。

如果能把这样的线性决策，导向「递增收益」，就有可能构建出一个闭环：

为了「变自生变」而先变复杂，以便让复杂自动引导出更复杂；

为了复杂而努力学习各种模块，一块接一块地学习；

每个模块在熟练后都能带来自己模块对应的边际收益（递减）；

但模块之间的溢出效应使边际学习成本下降，同时（变现知识时的）边际流量成本也下降，最终实现了整体的边际收益递增（未必是赚钱，也可能是省钱，或者省事）；

这个时候，变得更复杂带来了足够大的好处，会引导着个体走向更复杂的方向，自然就「变自生变」了。

#读书笔记# 《计算之魂》

学习算法的第一课，老师要教的肯定是如何分析一个算法的时间复杂度。但对于初学者来说，很有可能会对这个概念的理解产生偏差。因为初学者会从时间出发来理解，例如实现同样功能的算法，如果一个耗时100毫秒，另一个耗时200毫秒，那么会认为第一个算法在时间复杂度上一定优于第二个。

但也许这两个算法的时间复杂度是一样的。那么要如何评判算法的时间复杂度，我们还是要先从数学上进行探讨。首先要对数量级变化有清晰的理解。初学编程者需要培养这种对数字的感觉。

例如问到int32与int64所容纳的数量，它们之间的比例应该是什么样的？初学者脑子里也许会出现芝麻和西瓜的对比。但实际上芝麻和地球来对比才更准确一些。

建立了数量级增长的理解之后，再来看第二个问题，那就是计算机被发明出来是要解决什么类型的问题？计算机的特点是运算逻辑简单，但是速度超快。所以人类世界中凡是能够建立可计算的数学模型的问题，都可以实现为计算机程序。

那么考察一个算法的时间复杂度，实际上是在假定问题中的数量向着无穷大的方向增长时，解决问题的算法所体现出的性能差异。那么此时会有一个疑问，就是现实中并不存在无穷大的情况，这样假设有意义吗？

网络上经常讨论程序员是否要学好数学，其意义就在于此了。对于算法的学习，一定要从数学的层面出发，这样才能知道解答的边界在哪里。否则在工作中就很容易出现两种极端情况，一是写出了一段程序，虽然解决了问题，但耗费了太多资源，却不知道还可以再优化，还以为这就是最佳答案； 另一方面是不知道答案的极限在哪里，总是在枉费功夫去想不可能实现的方案。

基于以上的认识，我们选取排序算法中的插入排序进行分析。插入排序的思路是每次从待排序列中取出一个数，在新的有序队列中逐个比较，确定位置后插入数据。写成程序则是需要两重嵌套循环，实现对待排序列的读取与有序队列的插入，我们将这个算法抽象为f(n)。

我们使用O()的形式来标记f(n)的时间复杂度。如果对数据的访问时间值是固定的，则标记为O(1)，例如读取数组中的某个值array[10]。如果要对一个序列进行一次遍历，则标记为O(n)；嵌套循环遍历则为O(n^2)；每次处理的是序列中一半的元素，则为O(logN)。

经过思考，我们知道插入排序的双重循环对两个队列都要进行遍历计算，因此其时间复杂度为O(n^2)。在考察算法的过程中，会出现常数项的因子与差数，例如2n^2-c，记住我们假设的是数据趋于无穷大的增长情况，所以常数项会被忽略，结果标识为O(n^2)。

现在大家可以按照这个思路去考察自己所写算法的时间复杂度了。

【吴军系列图书】计算之魂