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

数据结构与算法比赛:力扣周赛288

https://leetcode-cn.com/contest/weekly-contest-288/文章目录2231. 按奇偶性交换后的最大数字2232. 向表达式添加括号后的最小结果Java String indexOf() 方法Java substring() 方法2233. K 次增加后的最大乘积2234. 花园的最大总美丽值2231. 按奇偶性交换后的最大数字每个数和后面数判断是否同为奇

#数据结构#算法
代码随想录——动态规划(一)

题目来自《代码随想录》文章目录509. 斐波那契数70. 爬楼梯746. 使用最小花费爬楼梯62. 不同路径63. 不同路径 II343. 整数拆分96. 不同的二叉搜索树509. 斐波那契数https://leetcode-cn.com/problems/fibonacci-number//** 1. 平什么秒过版,递归*/public int fib(int n) {if( n <= 1

#数据结构
数据挖掘——第四章:数据仓库和OLAP

文章目录1. 数据仓库基本概念1.1 数据仓库的定义及特征1.2 数据仓库体系结构1.3 数据模型1.4 粒度2. 数据仓库设计2.1 概念模型设计4.2 逻辑模型设计2.3 物理模型设计3. 数据仓库实现4. 联机分析处理4.1 OLAP相关概念4.2 OLAP操作5. 元数据模型5.1 元数据库5.2 元数据类型5.3 元数据作用5.4 元数据的使用1. 数据仓库基本概念1.1 数据仓库的定义

#数据仓库#数据挖掘#数据库
数据挖掘——第四章:数据仓库和OLAP

文章目录1. 数据仓库基本概念1.1 数据仓库的定义及特征1.2 数据仓库体系结构1.3 数据模型1.4 粒度2. 数据仓库设计2.1 概念模型设计4.2 逻辑模型设计2.3 物理模型设计3. 数据仓库实现4. 联机分析处理4.1 OLAP相关概念4.2 OLAP操作5. 元数据模型5.1 元数据库5.2 元数据类型5.3 元数据作用5.4 元数据的使用1. 数据仓库基本概念1.1 数据仓库的定义

#数据仓库#数据挖掘#数据库
数据挖掘——第二章:数据

文章目录1. 数据的属性1.1 数据对象1.2 属性1.3 属性类型1.4 离散属性vs连续属性2. 数据的基本统计描述2.1 中心趋势度量2.2 数据分散度量2.3 数据图形显示3. 数据的相似性和相异性3.1 数据矩阵与相异矩阵3.2 标称属性的临近性度量3.3 二进制属性的临近性度量3.4 数值属性的相异性3.5 序数属性的邻近性度量3.6 余弦相似性练习1练习21. 数据的属性1.1 数据

#数据挖掘#人工智能
数据挖掘——第一章:概述

文章目录1. 数据分析与数据挖掘1.1 数据分析1.2 数据挖掘1.3 知识发现(KDD)的过程1.4 数据分析与数据挖掘的区别1.5 数据分析与数据挖掘的联系2. 分析与挖掘的数据类型2.1 数据库数据2.2 数据仓库数据2.3 事务数据2.4 数据矩阵2.5 图和网状结构2.6 其他类型数据3. 数据分析与数据挖掘的方法3.1 频繁模式3.2 分类与回归3.3 聚类分析3.4 离群点分析4.

#数据挖掘#数据分析#big data
史上第二简单的WGAN的pytorch实现

文章目录1. GAN的缺点2. WGAN的改进3. 实验效果4. 完整代码1. GAN的缺点上一篇讲了GAN,其实代码中展示的那种生成器G的表达式,有一个很大的缺点,就是梯度消失严重。其实除了上一篇文章写的那种表达式,还有另一种方法,但是第二种方法也面临梯度不稳定和模式崩塌的问题。具体原因建议移步哔哩哔哩找李宏毅老师。基础GAN的生成器和判别器损失迭代10000次数据如下面几张图所示。判别器一开始

#pytorch#人工智能#python
深度学习——线性神经网络:线性回归

文章目录一. 生成数据集二. 批量读取数据集三. 定义模型1.初始化模型参数2.定义模型3.定义损失函数4.定义优化算法四. 训练一. 生成数据集我们使用线性模型参数 w=[2,−3.4]⊤ 、 b=4.2 和噪声项 ϵ 生成数据集及其标签:y=Xw+b+ϵ\mathbf{y}=\mathbf{X} \mathbf{w}+b+\epsilony=Xw+b+ϵ在这里我们认为标准假设成立,即 ϵ 服从

#神经网络#深度学习#pytorch
Java 开发者从零构建多 Agent 系统:AgentTeams、MCP、Pydantic 与 PostgreSQL 实战

如果不能用一句话说清评委应该记住什么,就先不要画架构图。让有风险的 AI 裁决,先经过调查、正反审查、独立裁决和可回放的规则演进。如果让我重新参加一次,我不会先问“用 Java 还是 Python”“要几个 Agent”“要不要上 RAG”。这个任务为什么需要多个角色,而不是一个大模型?哪些信息和权力必须被隔离,协作才有真实价值?在 5—8 分钟内,我能拿出什么可验证证据?

文章图片
#java#postgresql#开发语言
深度学习——基础知识:线性代数

文章目录一.标量和向量二. 矩阵三. 张量及其算法性质四. 降维一.标量和向量标量由只有一个元素的张量表示。import torchx = torch.tensor([3.0])y = torch.tensor([2.0])x + y, x * y, x / y, x**y(tensor([5.]), tensor([6.]), tensor([1.5000]), tensor([9.]))向量视

#线性代数#pytorch#深度学习
    共 13 条
  • 1
  • 2
  • 请选择