原创 HDU 小兔的棋盤（卡特蘭數）
小兔的棋盤Problem Description小兔的叔叔從外面旅遊回來給她帶來了一個禮物，小兔高興地跑回自己的房間，拆開一看是一個棋盤，小兔
2020-06-27 10:04:36
原创 CNN——卷積、池化與誤差反向傳播
卷積神經網絡（CNN） 組成：輸入層、卷積層、激活函數、池化層、全連接層 卷積神經網絡中重要概念就： 深度：深度大小就等於所用的filter的個數[卷積層]，也可以理解爲提取的層數。 權值共享：給一張輸入的圖片用同一個filter
2020-06-27 10:04:26
1
原创 機器學習前期知識點整理(已停更)
一、貝葉斯公式 二、後驗概率，最大後驗概率 三、激活函數（rule，sigmid，tanh） 四、BP算法思想 五、損失函數（均方誤差mse、自定義損失函數、交叉熵） 六、K近鄰算法（曼哈頓距離、歐式距離、夾角餘弦、卡爾德相似係數
2020-06-27 10:04:26
原创 Python 數組
原文鏈接：https://blog.csdn.net/zydz/article/details/78149982 1、Python的數組分三種類型： (1) list 普通的鏈表，初
2019-10-25 13:58:57
原创 Crazy Rows(2009 Round2 A)
Problem You are given an N x N matrix with 0 and 1 values. You can swap any two adjacent rows of the matrix. Your g
2019-09-03 08:30:58
1
原创 最小生成樹之最大生成樹
原文鏈接：https://www.yuanmas.com/info/jmaNlegeOq.html poj 3723 Conscription 【最大生成樹|最大權森林】 題目
2019-08-28 13:57:48
原创 2019算法從頭來
1.DFS 1.1部分和問題 1.2LakeCounting （POJ 2386） 2.BFS 2.1迷宮之最短路徑 2.2剪枝問題 3.貪心算法 3.1 硬幣問題 3.2 區間問題 3.3 字典序最小問題 3.4 其他（POJ
2019-08-23 08:41:45
原创 0-1揹包與完全揹包的區別
0-1揹包 重要部分：每次每個物品最多隻能選擇一次。 題面：有n個重量和價值分別爲 Wi 與 Vi 的物品，現在從這些物品中挑選出總重量不超過 s 的物品，並且要求總價值最大。 輸入： n=4 S=5 (w,v) = {（2,3
2019-08-23 08:41:44
原创 JAVA知識點總結（更新中）
一、類與對象 1、概念 類：一種事物的統稱，比如：人類、鳥類······ 對象：指一個具體實物，比如：桌子、狗······ 2、面向對象的三大特徵：封裝、繼承、多態。 3、對象中只含屬性跟方法兩個方面，屬性的話可以理解爲字面意思，
2019-08-08 08:48:10
原创 HTML知識點總結（更新中）
一、各個標籤的作用 1、<hr><hr><hr></hr></hr></hr>：畫一條橫線 2、<br/><br/><br/>：單標籤換行符 3、空格符：&
2019-08-06 08:18:03
原创 機器學習測試二總結
1、卷積神經網絡計算公示： 卷積層與池化層輸出矩陣大小 C=[(T-F+2*P)/S]+1 C爲輸出矩陣尺寸，T爲待處理矩陣的尺寸，F爲濾波器矩陣尺寸，P爲填充矩陣（pooling），S爲步長 2、MLP是完全連通的有向圖，連接數
2019-08-01 13:52:32
原创 CNN——池化與誤差反向傳播
卷積神經網絡（CNN） 組成：輸入層、卷積層、激活函數、池化層、全連接層 卷積神經網絡中重要概念就： 深度：深度大小就等於所用的filter的個數[卷積層]，也可以理解爲提取的層數。 權值共享：給一張輸入的圖片用同一個filter
2019-08-01 09:05:23
原创 L1 L2正則化
原文鏈接：https://www.cnblogs.com/lyr2015/p/8718104.html 正則化項L1和L2的區別 https://blog.csdn.net/
2019-08-01 09:05:23
原创 python中yield的用法
原文鏈接：https://blog.csdn.net/mieleizhi0522/article/details/82142856 首先，如果你還沒有對yield有個初步分認識，那麼你先
2019-07-31 10:15:22
原创 機器學習——決策樹
在看了大佬的博客以後我再這裏來說一下自己的理解，有不對的地方希望大家能夠指正，謝謝 一、決策樹的分類 決策樹按照數據類型可以分爲分類決策樹跟迴歸決策樹，二者的區別在於：分類決策樹是對離散的數據變量來進行決策的，迴歸決策樹是對連續
2019-07-31 10:15:22