如有疑惑，请移步观看课程视频。首先我们要区别程序（program)和进程（process）的区别：程序（program）是静态的文本代码，需要通过编译或解释才能执行。执行时创建动态实体，即进程（process）。在现代计算机中，操作系统通过调度算法（如时间片轮询）管理多个进程的并发运行。同一个程序可以启动多个进程实例，每个实例有独立的内存空间；内存占用（如大小）不同，是由于运行时数据（如用户输入或

本文继续讲解卷积神经网络的关键操作：填充通过在特征图外围补零来保持矩阵尺寸稳定；给出特征图尺寸计算公式；介绍池化操作（平均池化和最大池化）的原理与作用；阐述多通道运算规则，指出卷积核数量需与通道数一致，最终通过叠加生成特征矩阵。这些操作为后续激活函数分类和回归奠定基础，完成卷积神经网络的核心流程介绍。

本文介绍了全连接神经网络的基本原理和关键组件。全连接网络通过层层传递的矩阵运算处理高维向量数据，构建输入层、隐藏层和输出层的网状结构。重点讲解了激活函数的作用及其主要类型（Sigmod、Tanh、ReLU等）的特点，以及前向传播和反向传播的计算过程。文中强调神经网络本质上是利用矩阵运算进行高维空间中的曲线拟合，通过损失函数和梯度下降法不断优化模型参数。最后指出激活函数的选择需要根据具体场景权衡其优

本文讲解了队列的两种实现方式：顺序队列和链式队列。顺序队列通过循环赋值解决"假溢出"问题，使用取余操作实现循环覆盖；链式队列则采用单链表结构实现动态存储。文章详细介绍了两种队列的入队、出队操作原理，并提供了完整的C语言实现代码，包括.h头文件定义和.c功能实现。通过对比栈结构，突出了队列FIFO（先进先出）的特性，最后给出了测试函数验证队列功能。

本文介绍了全连接神经网络的基本原理和关键组件。全连接网络通过层层传递的矩阵运算处理高维向量数据，构建输入层、隐藏层和输出层的网状结构。重点讲解了激活函数的作用及其主要类型（Sigmod、Tanh、ReLU等）的特点，以及前向传播和反向传播的计算过程。文中强调神经网络本质上是利用矩阵运算进行高维空间中的曲线拟合，通过损失函数和梯度下降法不断优化模型参数。最后指出激活函数的选择需要根据具体场景权衡其优

好了，温习过基础深度遍历方法后，我们来介绍广度优先遍历，所谓广度优先遍历就是一层一层的遍历，不再追求走到叶子结点，而是从左到右一步步走完，所以，广度优先遍历多被用于寻找最短路的题目中。好了，介绍完深度优先遍历与广度优先遍历的写法后，我们还有一个拓展知识点——仔细思考一下，如果使用深度优先遍历，如果层数太多我们在写一个搜索时会时常遇到加载慢的问题，而如果我们使用记忆化搜索，随着数据量的增多，不免会积