算法与数据结构的复习——哈希表

1、哈希表是一种数据结构、他提供快速的插入操作和查找操作。基于数组来实现。

2、哈希化

       1)直接将关键字作为索引    2)将单词转化为索引 :字母转化为ASCII码取和、幂的连乘、压缩可选值。

/**
 * 
 */
package ch11;

/**
 * @author lixin
 * @date 2018年7月31日
 * @Description TODO
 */
public class Info {
	private String key;
	private String value;
	
	public Info(String key, String value) {
		super();
		this.key = key;
		this.value = value;
	}
	public String getKey() {
		return key;
	}
	public void setKey(String key) {
		this.key = key;
	}
	public String getValue() {
		return value;
	}
	public void setValue(String value) {
		this.value = value;
	}
	
}
/**
 * 
 */
package ch11;

import java.awt.image.IndexColorModel;
import java.math.BigInteger;

/**
 * @author lixin
 * @date 2018年7月31日
 * @Description TODO
 */
public class HashTable {

	private Info[] arr;

	public HashTable() {
		arr = new Info[100];
	}

	public HashTable(int maxsize) {
		arr = new Info[maxsize];
	}

	public Info[] getArr() {
		return arr;
	}

	public void setArr(Info[] arr) {
		this.arr = arr;
	}

	// 插入数据
	public void insert(Info info) {
		arr[hasCode(info.getKey())] = info;
	}

	// 查找数据
	public Info find(String key) {
		return arr[hasCode(key)];
	}

	// 将键值转化为整数值
	// 迷得乘积之后压缩可选值
	public int hasCode(String key) {
		// 转化为ASCII码相加
		// 这种方法当键值转化的ascii码和相等的时候会出现问题 如abc和bbb
		// int hashValue = 0;
		// for(int i =key.length()-1;i>=0;i--){
		// hashValue+=key.charAt(i)-96;
		// }
		// return hashValue;

		// 采用幂的连乘压缩可选值来解决问题
//		int hashValue = 0;
//		int power27 = 1;
//		for (int i = arr.length - 1; i >= 0; i--) {
//			int letter = key.charAt(i) - 96;
//			hashValue += letter * power27;
//			power27 *= 27;
//		}
//		return hashValue % arr.length;
		
		//大整数解决整数类型幂越界
		BigInteger hashVal = new BigInteger("0");
		BigInteger pow27 = new BigInteger("1");
		for(int i = key.length() - 1; i >= 0; i--) {
			int letter = key.charAt(i) - 96;
			BigInteger letterB = new BigInteger(String.valueOf(letter));
			hashVal = hashVal.add(letterB.multiply(pow27));
			pow27 = pow27.multiply(new BigInteger(String.valueOf(27)));
		}
		return hashVal.mod(new BigInteger(String.valueOf(arr.length))).intValue();
	}

	public static void main(String[] args) {
		HashTable hashTable = new HashTable(10);
		hashTable.insert(new Info("abc", "张三"));
		System.out.println(hashTable.find("abc").getValue());
	}
}

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小损失函数。 11. **正则(Regularization)**:技术如 Dropout、L1/L2 正则等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值