logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

二叉树:给定二叉树的前序遍历和后序遍历确定二叉树的个数

文章转载自:https://www.cnblogs.com/code-changeworld/p/4542713.html一、题目描述输入输入有多组数据,每组数据两行,第一行给出前序遍历的访问顺序,第二行给出后序遍历的访问顺序。二叉树的结点用一个大写字母表示,不会有两个结点标上相同字母。输入数据不包含空格,且保证至少有一棵二叉树符合要求。输出输出一个整数,为符合要求的不同形态二叉树的数目。样例输入

#数据结构#算法
机器学习:自己动手实现神经网络,从感知机(perceptron)到多层神经网络

一、神经网络的由来1958年,感知机(Perception)模型横空出世,在上个世纪一度掀起一股AI热。感知机实际上是一个线性的模型,可以理解成只有一层的神经网络。代码实现:import numpy as npclass Perceptron:def __init__(self, N, alpha=0.1):self.W = np.random...

#神经网络#机器学习#深度学习 +2
概率论总结(四): 大数定律及中心极限定理

一、大数定律大数定律是叙述随机变量序列的前一些项的算术平均值在某种条件下收敛到这些项的均值的算术平均值。1.弱大数定理(辛钦大数定理)(1) 什么是随机变量序列?随机变量序列就是一列按某种规则排列的随机变量。这种规则可随意,但强调的是一个次序。例如:若Xi表示第i次抛硬币的结果,那么{Xi}这个序列就是若干次抛硬币的结果序列,X1指第一次抛的结果,Xn指第n次抛的结果。若Yi表示前i次抛硬币正面向

#概率论#大数据#机器学习
机器学习:mAP评价指标

一、前言mAP是目标检测模型中常用的评价指标,它的英文全称是(Mean Average Precision),翻译过来就是平均精确率的平均。首先我们需要知道精确率(Precision)和召回率(Recall),也称为查准率和查全率的定义Precision衡量你的预测有多准确。也就是说,你的预测正确的百分比。Recall衡量您发现所有正例的能力。 例如,我们可以在前K个预测中找到80%的正例。下面是

文章图片
#深度学习#机器学习#python +2
自然语言处理:Word embedding 技术

自然语言处理:Word embedding 技术CBOW, Skip-gramword2vec(是一种概念,而不是技术)?fasttext(fastText模型架构和CBOW模型架构非常相似),glove(我们的模型通过只训练单词-单词共现矩阵中的非零元素来有效地利用统计信息,而不是训练整个稀疏矩阵或大型语料库中的单个上下文窗口。)...

#自然语言处理#机器学习#人工智能 +2
机器学习:神经网络中的梯度消失和梯度爆炸

一、什么是梯度消失和梯度爆炸1. 梯度消失(gradient vanishing problem)我们知道神经网络在进行反向传播(BP)的时候会对参数W进行更新,梯度消失就是靠后面网络层(如layer3)能够正常的得到一个合理的偏导数,但是靠近输入层的网络层,计算的到的偏导数近乎零,W几乎无法得到更新。2. 梯度爆炸(gradient exploding problem)梯度爆炸的意思是,靠近输入

文章图片
#神经网络#深度学习#人工智能 +1
机器学习:损失函数、风险函数、经验风险、期望风险、结构风险

一、损失函数和风险函数的区别理论上模型f(X)关于联合分布P(X,Y)的平均意义下的损失,称之为风险函数(risk function)或期望损失(expected loss).一句话总结就是:损失函数的平均为风险函数二、经验风险、期望风险、结构风险1. 经验风险 empirical risk经验风险就是模型f(X)在训练数据集上的平均损失(损失函数的值),也称之为经验损失。为什么叫经验风险呢?提供

#机器学习#人工智能#深度学习
并行计算:MPI总结

一、MPI简介1.什么是MPIMassage Passing Interface:是消息传递函数库的标准规范,由MPI论坛开发。一种新的库描述,不是一种语言。共有上百个函数调用接口,提供与C和Fortran语言的绑定MPI是一种标准或规范的代表,而不是特指某一个对它的具体实现MPI是一种消息传递编程模型,并成为这种编程模型的代表和事实上的标准2.MPI的特点MPI有以下的特点:消息传递式并行程序设

#MPI
人工智能:搜索策略

贪婪最佳优先搜索该算法(greedy best-first search)试图拓展距离目标最近的结点。完备性:不完备的(也就是说不一定能找到问题的解)算法复杂度:(1)时间复杂度:O(bm)O(b^m)O(bm)(2)空间复杂度:O(bm)O(b^m)O(bm)其中,b是邻居节点的最大数量,m是搜索空间的最大深度。2. A*搜索(1)启发式函数f(n) = g(n) +h(n)g(n)是从开始结点

#人工智能#算法#深度学习
    共 62 条
  • 1
  • 2
  • 3
  • 7
  • 请选择