原创 NLP筆記 CS224n(1)—— 詞向量

詞向量 NLP 處理文本,所以在進行處理之前,要先解決文本的表示。文本由詞組成,本文討論了表示詞彙的幾種方案。 WordNet 這種方法基於如下思想:用詞彙的意義來代表詞。所以我們可以建立若干個集合,每個集合代表一組同義詞,每個詞

原创 NLP筆記 CS224n (2) —— 詞向量與詞傳感器

傳送門 Word2Vec Optimization 梯度下降,隨機梯度下降。 實質上是無監督學習,每個batch的最小單位可以是一組word2word的映射,輸入值是一箇中心詞,輸出值是一個其對應的outside詞,要學習是從中心

原创 求三點共圓求圓心半徑及其推導(三角形外心)

文章目錄問題引入問題分析公式推導代碼實現例題高維情況三維三角形外心n維度三角形外心 問題引入 給定二維平面上三個不共線的點 A(x0,y0),B(x1,y1),C(x2,y2)A(x_0,y_0),B(x_1,y_1),C(x_2

原创 Codeforces Round #610 (Div. 2) 解題報告

1282A - Temporarily unavailable 這個題目大家都會寫,主要是怎麼寫比較優美。考慮被覆蓋的長度:左端應該是兩者左端的較大值;右端應該是兩者右端的較小值。如果兩者相交不難驗證正確性。如果不相交,其值必定爲

原创 Codeforces Round #573 (Div. 2) 解題報告

A.Tokitsukaze and Enhancement http://codeforces.com/contest/1191/problem/A 本題主要考察選手是否會寫代碼,窮舉即可。 #include<bits/stdc+

原创 高維偏序問題降維的有力武器——cdq分治

目錄問題引入陌上花開[1]分析預備知識偏序和全序逆序對CDQ分治二維偏序計數問題建模以逆序對問題爲例更暴力的解法三維偏序計數問題建模算法流程cdq分治的極限拓展問題偏序+全序求和+全序應用場景總結cdq分治的思想cdq分治的套路

原创 Codeforces Round #646 F - Rotating Substrings (1363F)

Rotating Substrings 題意 給定兩個等長的字符串 a,ba,ba,b (長度至多2000),對第字符串 aaa 可以做如下操作:將一個字串向右旋轉一格,問最少幾次操作將其變成 bbb 字符串。 觀察 旋轉操作過於

原创 成爲計算幾何master之路——記算法競賽中常用的計幾算法及思想

文章目錄成爲計算幾何MASTER(FAKE)之路1 引言1.1 精度1.2 剖分1.3 層次化設計2 點,向量和線2.1 點積和叉積2.2 線段(直線)2.2.1 點在線段上判定2.2.2 線線交求交點2.2.3 線線交判定2.2

原创 Nordic Collegiate Programming Contest 2019 部分題解

目錄[Nordic Collegiate Programming Contest 2019] 部分題解[Flow Finder]題意分析“界面”重新分析結論實現[Game of Gnomes]題意分析思考 Nordic Colle

原创 新生歡樂紅包賽題解

A.EASY0 本體考察選手是否會寫代碼,取模後分類討論即可。 #include<bits/stdc++.h> using namespace std; int main(){ int x; cin>>x; x%=4;

原创 Codeforces Educational Codeforces Round 67

A. Stickers and Toys http://codeforces.com/contest/1187/problem/A 簽到題,給s個便籤,t個玩具,塞進n個蛋裏(暗示奇趣蛋?),保證沒有蛋是空的,問至少取幾個蛋可以保

原创 Codeforces #562 Div.1解題報告

A.二分+貪心 http://codeforces.com/contest/1168/problem/A 題目意思是,給你一個n元數組(ai&lt;ma_i&lt;mai​<m),每次操作,你可以任選一些元素,使其+1 再對m取模

原创 數學0基礎看懂FFT

讀這篇文章的前置條件 1.瞭解函數,多項式等概念 2.瞭解複數以及其乘法運算 3.會寫代碼(其實不會的人也不會來看這篇文章?) 因爲在看其他fft的教程的時候複數讀完就不知道在說啥了,讀了好多篇又抄了std才大致瞭解,所以通俗的講一下

原创 tensorflow自定義結構初步

0.摘要 對輸入值x,標籤y,模型參數c,我們希望習得一個最優的Model-c滿足y=Model(x,c)。機器學習的任務就是要確定這個Model中的參數。但是因爲Model的形狀(如層數,節點個數等)是離散的,處理起來相對麻煩,所以

原创 python axis參數解析

在遇到形如tf.argmax(logits, axis=-1)的代碼時,axis參數的含義非常容易令人疑惑。在二維情形下,axis=0表示求每列的最大值的下標,axis=1表示求每行最大值的下標。但是在更高維度下呢? 我們不妨假設數組