博客
关于我
md常用语法(慢慢补充)
阅读量:801 次
发布时间:2019-03-25

本文共 758 字,大约阅读时间需要 2 分钟。

常用符号与技术内容整理

常用符号

技术文档中常用以下符号表示:

  • ×(乘法符号)
  • ≈(约等于)
  • ≤(小于等于)
  • ≥(大于等于)
  • ⊂(子集)
  • ⋃(并集)
  • ⋂(交集)
  • ⇒(推导符号)
  • →(箭头)
  • ←(箭头)
  • ⊆(子集)
  • ⋁(联合)
  • ⋀(交集)
  • α(α)
  • β(β)
  • Δ(Δ)
  • μ(斜希)
  • θ(θ)
  • Θ(θ)
  • σ(圣贞)
  • ρ(雷东)
  • δ( delta)
  • ∞(无穷)

技术文档中常用以下分式表示:

  • U = \frac{1}{a}
  • U = \frac{T_{D}}{T_{D} + RTT + T_{A}}

矩阵示例

以下是一个3x3矩阵的示例:[\begin{bmatrix}1 & 2 & 3 \4 & 5 & 6 \7 & 8 & 9 \\end{bmatrix}]标记为Equation 1。

方程组

以下是一个包含三个方程的方程组:[\begin{cases}3x_1 - 2x_2 + x_3 = 3 \5x_1 + 4x_2 - x_4 = 10 \2x_1 + x_2 + x_5 = 5 \\end{cases}]请注意,方程组的标记应完整保留,包括右括号后的点号。

UML图示

TCP三次握手时序图

Title: TCP三次握手发送方->接收方                SYN=1, seq = x接收方->发送方                SYN = 1, ACK = 1, seq = y, ack = x + 1发送方->接收方                ACK = 1, seq = x + 1, ack = y + 1发送方->接收方数据传送接收方->发送方数据传送

参考资料

  • [Foo2005] 例如,参考文献格式可能包含本地引用或外部链接。
  • [Bar2006] 其他类似的引用格式。

转载地址:http://xyayk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>