Huacheng__的博客

原创 算法的开始第二版

算法的开始（改）import numpy as npimport mathimport randomx = np.array([[2104], [1600], [2400], [1416], [3000]])x1 = np.array([[3],[3],[3],[2],[4]])t = np.array([[400], [330], [369], [232], [540]])a = 0.000100error = 0.00001dert = random.random() # 先给

原创 随机数据的梯度下降

import numpy as npimport mathimport random#随机数据的梯度下降x = np.random.choice(np.array([2104, 1600, 2400, 1416, 3000]),5)x1 = np.random.choice(np.array([3,3,3,2,4]),5)t = np.random.choice(np.array([400, 330, 369, 232, 540]),5)a = 0.0000100error = 0.00

转载 图卷积神经网络

import torchimport torch.nn.functional as Ffrom torch_geometric.nn import GCNConvfrom torch_geometric.datasets import Planetoiddataset = Planetoid(root='/tmp/Cora', name='Cora')class Net(torch.nn.Module): def __init__(self): super(Net, s

原创 lda一些公式的推导（作业）

原创 机器学习-决策树

转载 actor 强化学习/

import gym, osfrom itertools import countimport paddleimport paddle.nn as nnimport paddle.optimizer as optimimport paddle.nn.functional as Ffrom paddle.distribution import Categoricaldevice = paddle.get_device()env = gym.make("CartPole-v0") stat

转载 文字识别paddle

import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport osimport numpy as npimport matplotlib.pyplot as plttrain_dataset = paddle.vision.datasets.MNIST(mode='train')train_data0 = np.array(train_dataset[0][0])train_label_0 =

转载 主成分分析

import numpy as npdef pca(X,k): n_samples,n_features = X.shape mean = np.array([np.mean(X[:,i]) for i in range(n_features)]) norm_X = X-mean scatter_matrix = np.dot(np.transpose(norm_X),norm_X) eig_val,eig_vec = np.linalg.eig(scatter_

转载 求解最优天气

states = ('Rainy', 'Sunny')observations = ('walk', 'shop', 'clean')start_probability = {'Rainy': 0.6, 'Sunny': 0.4}transition_probability = { 'Rainy': {'Rainy': 0.7, 'Sunny': 0.3}, 'Sunny': {'Rainy': 0.4, 'Sunny': 0.6},}emission_probability =

原创 改进版欧拉

import numpyimport mathimport matplotlib.pyplot as pltimport pylaby = 1x = 0y1 = []x1 =[]for i in range(100): y = y + 0.1*0.5*((y-((2*x)/y))+((1.1*y - (0.2*x)/y)-(2*(x+0.1)/(1.1*y-((0.2*x)/y))))) x = x+0.1 y1.append(y) x1.appen

原创 推导神经网络反向传播公式

原创 推导概率公式

原创 算法作业二

算法作业二import numpy as npimport randomimport mathx1 = [[1.0,0.0,0.0],[1.0,0.0,1.0],[1.0,1.0,0.0],[1.0,1.0,1.0]]t1 = [0.0,0.0,0.0,1.0]dert = random.random()error = 0.01n = 0.001w1 = [1.0,1.0,1.0]def sigmod(x): return 1.0 / (1.0 + (1.0 / fl

原创 算法的开始

算法的开始```pythonimport numpy as npimport mathimport randomx = np.array([[2104], [1600], [2400], [1416], [3000]])x1 = np.array([[3],[3],[3],[2],[4]])t = np.array([[400], [330], [369], [232], [540]])a = 0.000100error = 0.00001dert = random.ran

转载 numpy的基础用法

numpy的基础用法一import numpyimport randomdata = numpy.array([1,2,3])data.max()print(data.max())print(numpy.ones(3))print(numpy.zeros(3))print(numpy.random.random(3))data2 = numpy.array([1,2])ones = numpy.ones(2)print(ones)print(data2 + ones)

原创 .net framework 创建一个毛坯游戏

**主要应用的是tiemr_tick控件执行界面的刷新using System;using System.Collections.Generic;using System.ComponentModel;using System.Data;using System.Drawing;using System.Drawing.Imaging;using System.Linq;using System.Text;using System.Threading.Tasks;using System

原创 python写个简单的购物车

**python写个简单的购物车**product = [["iphone",6888],["MacPro",14800],["小米6",2499],["Coffee",31],["Book",60],["Nike",699]]print("-------商品列表--------")for i in range(6): print(i,product[i][0],product[i][1])buy =[]#购物车def read():#写一个函数来进行判断输入的是什么 {isd

原创 随机游走（Random Walk）搜索算法

随机游走（Random Walk）搜索算法随机游走算法定义：随机游走，概念接近于布朗运动，是布朗运动的理想数学状态。核心概念：任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律。随机游走算法的基本思想是:从一个或一系列顶点开始遍历一张图。在任意一个顶点，遍历者将以概率1-a游走到这个顶点的邻居顶点，以概率a随机跳跃到图中的任何一个顶点，称a为跳转发生概率，每次游走后得出一个概率分布，该概率分布刻画了图中每一个顶点被访问到的概率。用这个概率分布作为下一次游走的输入并反复迭代这一过程。当满足一定

原创 L1-002 打印沙漏 (20 分)

**L1-002 打印沙漏 (20 分)**本题要求你写个程序把给定的符号打印成沙漏的形状。例如给定17个“*”，要求按下列格式打印***** *** * ********所谓“沙漏形状”，是指每行输出奇数个符号；各行符号中心对齐；相邻两行符号数差2；符号数先从大到小顺序递减到1，再从小到大顺序递增；首尾符号数相等。给定任意N个符号，不一定能正好组成一个沙漏。要求打印出的沙漏能用掉尽可能多的符号。输入格式:输入在一行给出1个正整数N（≤1000）和一个符号，中间以空格分隔。输出

原创 刷题中学习的知识点1

#include<iostream>#include<cstring>#include<cstdio>#include<cstdlib>#include<string>#include <algorithm>//这个是一个常用排序的算法using namespace std;char s[100001];int main(){ int i,j; string a,n; cin >> s;//直接就