原创 OverFeat論文解讀
paper鏈接：Integrated Recognition, Localization and Detection using Convolutional Networks 目錄 Abstract Introduction Visi
2020-06-19 02:23:53
原创 凸包的直徑——旋轉卡殼
原文鏈接：https://www.cnblogs.com/cjyyb/p/7260913.html 如果想要知道怎麼求凸包的直徑 先去學習一下怎麼求解凸包點這裏去看凸包 好了 現在知道了凸包是什
2019-10-25 21:25:44
1
原创 Tarjan算法 詳解+心得
原文鏈接：https://www.cnblogs.com/yanyiming10243247/p/9294160.html Tarjan算法是由Robert Tarjan（羅伯特·塔揚，不知有幾
2019-10-25 21:25:23
原创 2932掃描線
原文鏈接：https://www.cnblogs.com/Empress/p/4643074.html 題意：有n個圓 依次給了半徑和圓心座標 保證輸入的圓不相交(只有 相離 和 內含/外含
2019-10-25 21:25:22
4
原创 1811 Prime Test （Rabin-Miller強僞素數測試 和Pollard-rho 因數分解）
Description Given a big integer number, you are required to find out whether it's a prime number. Input The first line
2019-10-25 21:25:22
原创 2429 GCD & LCM Inverse pollard_rho大整數分解
/* 我們知道，對於兩個數a,b和他們的最大公約數gcd以及最小公倍數lcm，有lcm=a*b/gcd，進一步變形可以得到：（a/gcd * b/gcd）*gcd=lcm，即(a/gcd * b/gcd)=lcm/gcd，我們令m=a/
2019-10-25 21:25:22
原创 1930循環小數化分數
/*思路：要用到數論，一開始也不懂，貼在這裏吧 一，純循環小數化分數：循環節的數字除以循環節的位數個9組成的整數。例如： 0.3333……=3/9=1/3； 0.285714285714……=285714/999999＝2/7. 二，混
2019-10-25 21:25:22
原创 1981 單位圓套點
原文鏈接：http://www.hankcs.com/program/algorithm/poj-1981-circle-and-points.html 極限情況 所謂極限情況就是單位圓上有兩
2019-10-25 21:25:22
原创 線段樹
原文鏈接：https://www.cnblogs.com/jason2003/p/9676729.html 線段樹是什麼？？線段樹怎麼寫？？ 如果你在考提高組前一天還在問這個問題，那麼你會與一等
2019-09-26 20:08:08
原创 Fast R-CNN論文解讀
paper鏈接：Fast R-CNN Abstract 與之前的工作相比，Fast R-CNN採用了多項創新來提高訓練和測試速度，同時提高了檢測精度。 速度更快，準確率更高。 Introduction 首先，必須處理許多候選對象位置（通常
2019-09-06 20:08:09
原创 R-CNN論文解讀
paper鏈接：Rich feature hierarchies for accurate object detection and semantic segmentation 目錄 Abstract Introduction Obj
2019-08-08 20:45:26
1
原创 周志華《Machine Learning》學習筆記（16）--概率圖模型
原文鏈接：www.google.com 上篇主要介紹了半監督學習，首先從如何利用未標記樣本所蘊含的分佈信息出發，引入了半監督學習的基本概念，即訓練數據同時包含有標記樣本和未標記樣本的學習方法；接
2019-08-02 20:33:32
4
原创 周志華《Machine Learning》學習筆記（17）--強化學習
上篇主要介紹了概率圖模型，首先從生成式模型與判別式模型的定義出發，引出了概率圖模型的基本概念，即利用圖結構來表達變量之間的依賴關係；接着分別介紹了隱馬爾可夫模型、馬爾可夫隨機場、條件隨機場、精確推斷方法以及LDA話題模型：HMM主要圍繞着
2019-08-02 20:33:32
2
原创 周志華《Machine Learning》學習筆記（15）--半監督學習
原文鏈接：www.google.com 上篇主要介紹了機器學習的理論基礎，首先從獨立同分布引入泛化誤差與經驗誤差，接着介紹了PAC可學習的基本概念，即以較大的概率學習出與目標概念近似的假設（泛化
2019-08-02 20:33:32