【C++研发面试笔记】16. 基本数据结构-队列queue与栈stack16.1 STL中stack实现stack 模板类的定义在头文件中。栈中的数据是先进后出的（First In Last Out, FILO）。栈只有一个出口，允许新增元素（只能在栈顶上增加）、移出元素（只能移出栈顶元素）、取得栈顶元素等操作。stack 模板类需要两个模板参数，一个是元素类型，一个容器类型，但只有元素类型是必

【C++研发面试笔记】11. 基本数据结构-红黑树RBT上一节，我们提到了为了解决二叉查找树不平衡问题，我们引入了AVL树，AVL是严格平衡树，但在增加或删除节点时，需要非常多的旋转操作。因此这一节我们介绍红黑树，红黑是弱平衡的，用非严格的平衡来换取增删节点时候旋转次数的降低，其在在增加或删除节点时，旋转操作要比AVL树更少；因此当搜索的次数远远大于插入和删除，则选择AVL树，如果搜索，插入删除次

【C++研发面试笔记】6. 基本数据结构-数组　　数组可以说是我们最初接触到的数据结构，其结构非常简单，主要是由相同数据类型的元素数据按一定顺序排列的集合，这个集合用一个名字命名，称为数组名，而通过编号来区分集合中的元素，称为下标。数组主要分为两类：静态数组和动态数组两者的区别如下：对静态数组名进行sizeof运算，得到的是整个数组占用空间大小；而对动态数组名进行sizeof运算，结果是数组的

word2vec是早期NLP的必要预处理过程，其用于生成词的向量表示（embeding）。其将单词映射为固定长度的向量（embeding向量），GloVe主要在原来loss函数中引入了两点特性。

前段时间抽空学习了《百度强化学习基础课程》强化学习7日打卡营-世界冠军带你从零实践，总共七天的视频+线上作业（视频地址：世界冠军带你从零实践强化学习），让我这个小白基本对于强化学习有了简单的理解，知识虽然是灌进脑袋里，但仍是一团浆糊，本篇文章整理了自己的对于课程的理解，以及自己的发散和思考，从最简单的PG算法，到现在流行的PPO算法。PG算法原理PG算法即是基于策略（Policy-based），不

基于强化学习预算约束出价问题的主要挑战在于如何精细地调整出价系数，以在满足客户预算约束的前提下最大化目标价值。传统的做法是通过线性规划求解预算约束出价问题，本文介绍一种基于强化学习的预算约束出价策略。该策略采用model-free Online DQN方式，通过一个拍卖系统仿真平台进行决策网络的训练和动作探索。

【机器学习算法笔记】0. 机器学习算法分类0.1 凸优化问题凸优化是指一种比较特殊的优化，是指求取最小值的目标函数为凸函数的一类优化问题。其中，目标函数为凸函数且定义域为凸集的优化问题称为无约束凸优化问题。而目标函数和不等式约束函数均为凸函数，且定义域为凸集的优化问题为约束优化问题。凸优化问题的特性：1、凸问题的局部最优解就是全局最优解。2、许多非凸问题通过一定的手段可以化归为凸问题。3、

【机器学习算法笔记】2. 学习算法与最小均方算法（LMS）最小均方算法是一个非常流行的在线学习算法。其是建立在自适应滤波和自适应调整权重上的。2.1 迭代下降思想三种以迭代下降思想为基础的无约束最优化方法：2.1.1 最速下降法：在最速下降法中，对权值向量的调整是在最速下降的方向进行的，即它是与梯度向量方向相反的，梯度向量记为：最速下降法一般表示为：其原理是根据一阶泰勒展开式：

【机器学习算法笔记】1. 回归器模型回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法。回归算法是统计机器学习的利器。常见的回归算法包括：最小二乘法（线性回归），逻辑回归，逐步式回归，多元自适应回归样条等。1.1 线性回归器所谓线性回归：对于一组输入值X=[x1,x2,…,xn]，存在输出y，为了代表输入与输出的函数关系，假定输出估计线性回归器所要求的问题：一元线性回归

卷积神经网络是深度学习的基础，但是学习CNN却不是那么简单，虽然网络上关于CNN的相关代码很多，比较经典的是tiny_cnn（C++）、DeepLearnToolbox（Matlab）等等，但通过C语言来编写CNN的却比较少，本人因为想在多核DSP下运行CNN，所以便尝试通过C语言来编写，主要参考的代码是DeepLearnToolbox的内容，DeepLearnToolbox是用Matlab脚本编