会员服务
Notepad++ · binary · Integration · Eclipse · 塑造 ·
2017 年 7 月 5 日
New Symbols for Base-16 and Base-256 Numerals
翻译：Base-16和Base-256 数字的新符号
MacKenzie Cumings,Valdis Vītoliņš
MacKenzie Cumings,Valdis Vītoliņš

A new system of hexadecimal and base-256 numerals is proposed whose digit shapes are based on binary numerals. The proposed numerals are implemented in open source fonts and integrated into popular editors (Notepad++ and Eclipse) to prove the concept.


翻译：提议采用新的十六进制和基本256数字系统,其数字形状以二进制数字为基础。提议的数字以开放源代码字体执行,并纳入流行编辑(注Pad++和Eclipse)以证明这一概念。
0
下载
关闭预览

相关内容

Notepad++ 是一款Windows平台上非常有特色的编辑器，开源软件，可免费使用。 支持的语言: C, C++ , Java , C#, XML, HTML, PHP, Javascript , RC resource file, makefile, ASCII art file (extension .nfo , screenshot1, screenshot2), doxygen, ini file, batch file, ASP , VB/VBS source files , SQL , Objective-C , CSS, Pascal, Perl, Python and Lua.
知识图谱嵌入模型的概率标定,Probability Calibration for Knowledge Graph Embedding Models
专知会员服务
34+阅读 · 2020年5月11日
【ACM综述】工业4.0人机交互综述论文，45页pdf，A Survey on Human Machine Interaction in Industry 4.0
【ACM综述】工业4.0人机交互综述论文，45页pdf，A Survey on Human Machine Interaction in Industry 4.0
专知会员服务
57+阅读 · 2020年2月6日
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
专知会员服务
123+阅读 · 2019年12月13日
【ECML-PKDD 2019】多维时间序列和事件日志的模式挖掘和异常检测框架（A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs）
【ECML-PKDD 2019】多维时间序列和事件日志的模式挖掘和异常检测框架（A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs）
专知会员服务
37+阅读 · 2019年12月1日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【ICDAR2019教程】模式识别和文档图像中基于图的方法，Graph-based Methods in Pattern Recognition and Document Image Analysis
【ICDAR2019教程】模式识别和文档图像中基于图的方法，Graph-based Methods in Pattern Recognition and Document Image Analysis
专知会员服务
29+阅读 · 2019年9月20日
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
已删除
已删除
AI掘金志
7+阅读 · 2019年7月8日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选：基于LSTM的序列推荐实现（PyTorch）
LibRec 精选：基于LSTM的序列推荐实现（PyTorch）
LibRec智能推荐
50+阅读 · 2018年8月27日
【推荐】用Python/OpenCV实现增强现实
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
A Survey on Knowledge Graph-Based Recommender Systems
Arxiv
92+阅读 · 2020年2月28日
The Vadalog System: Datalog-based Reasoning for Knowledge Graphs
The Vadalog System: Datalog-based Reasoning for Knowledge Graphs
Arxiv
5+阅读 · 2018年7月23日
Automatic multi-objective based feature selection for classification
Automatic multi-objective based feature selection for classification
Arxiv
6+阅读 · 2018年7月9日
Strong Baselines for Simple Question Answering over Knowledge Graphs with and without Neural Networks
Arxiv
17+阅读 · 2018年6月5日
Incorporating Literals into Knowledge Graph Embeddings
Arxiv
7+阅读 · 2018年5月25日
Explainable Recommendation: A Survey and New Perspectives
Arxiv
11+阅读 · 2018年5月13日
Baselines and test data for cross-lingual inference
Arxiv
3+阅读 · 2018年3月2日
ParVecMF: A Paragraph Vector-based Matrix Factorization Recommender System
Arxiv
9+阅读 · 2018年1月10日
Beyond Part Models: Person Retrieval with Refined Part Pooling (and a Strong Convolutional Baseline)
Arxiv
7+阅读 · 2018年1月9日
Knowledge-based Word Sense Disambiguation using Topic Models
Arxiv
5+阅读 · 2018年1月5日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Notepad++
binary
Integration
Eclipse
塑造
相关VIP内容
知识图谱嵌入模型的概率标定,Probability Calibration for Knowledge Graph Embedding Models
专知会员服务
34+阅读 · 2020年5月11日
【ACM综述】工业4.0人机交互综述论文，45页pdf，A Survey on Human Machine Interaction in Industry 4.0
【ACM综述】工业4.0人机交互综述论文，45页pdf，A Survey on Human Machine Interaction in Industry 4.0
专知会员服务
57+阅读 · 2020年2月6日
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
【Google可解释人工智能白皮书】27页pdf，AI Explainability Whitepaper ，Introduction to AI Explanations for AI Platform
专知会员服务
123+阅读 · 2019年12月13日
【ECML-PKDD 2019】多维时间序列和事件日志的模式挖掘和异常检测框架（A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs）
【ECML-PKDD 2019】多维时间序列和事件日志的模式挖掘和异常检测框架（A framework for pattern mining and anomalydetection in multi-dimensional time series andevent logs）
专知会员服务
37+阅读 · 2019年12月1日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【ICDAR2019教程】模式识别和文档图像中基于图的方法，Graph-based Methods in Pattern Recognition and Document Image Analysis
【ICDAR2019教程】模式识别和文档图像中基于图的方法，Graph-based Methods in Pattern Recognition and Document Image Analysis
专知会员服务
29+阅读 · 2019年9月20日
热门VIP内容
相关资讯
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
已删除
已删除
AI掘金志
7+阅读 · 2019年7月8日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选：基于LSTM的序列推荐实现（PyTorch）
LibRec 精选：基于LSTM的序列推荐实现（PyTorch）
LibRec智能推荐
50+阅读 · 2018年8月27日
【推荐】用Python/OpenCV实现增强现实
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
相关论文
A Survey on Knowledge Graph-Based Recommender Systems
Arxiv
92+阅读 · 2020年2月28日
The Vadalog System: Datalog-based Reasoning for Knowledge Graphs
The Vadalog System: Datalog-based Reasoning for Knowledge Graphs
Arxiv
5+阅读 · 2018年7月23日
Automatic multi-objective based feature selection for classification
Automatic multi-objective based feature selection for classification
Arxiv
6+阅读 · 2018年7月9日
Strong Baselines for Simple Question Answering over Knowledge Graphs with and without Neural Networks
Arxiv
17+阅读 · 2018年6月5日
Incorporating Literals into Knowledge Graph Embeddings
Arxiv
7+阅读 · 2018年5月25日
Explainable Recommendation: A Survey and New Perspectives
Arxiv
11+阅读 · 2018年5月13日
Baselines and test data for cross-lingual inference
Arxiv
3+阅读 · 2018年3月2日
ParVecMF: A Paragraph Vector-based Matrix Factorization Recommender System
Arxiv
9+阅读 · 2018年1月10日
Beyond Part Models: Person Retrieval with Refined Part Pooling (and a Strong Convolutional Baseline)
Arxiv
7+阅读 · 2018年1月9日
Knowledge-based Word Sense Disambiguation using Topic Models
Arxiv
5+阅读 · 2018年1月5日
Top
微信扫码咨询专知VIP会员
Top