- 博客(33)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 启发式算法的通俗解释
启发式搜索算法蕴含着许多人生哲学，它虽不是数学方法，其思想更类似于人类解决问题的思想和一些人生中总结的道理，值得好好体会。最后用网上一段描述各种搜索算法的例子来作为总结:为了找出地球上最高的山，一群有志 的兔子们开始想办法。(1)兔子朝着比现在高的地方跳去。他们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是爬山法，它不能保证局部最优值就是全局最优值。(2)兔子喝醉了。他随机地跳了很长时间。这期间，它可能走向高处,也可能踏入平地。但是,他渐渐清醒了并朝他踏过的最方向跳去。这就是模拟退火。
2022-04-01 11:17:28
295
原创 Soft cache: does rec. really work?
Soft cache: does rec. really work?参考论文：Soft Cache Hits: Improving Performance Through Recommendation and Delivery of Related Content关键问题1、如何实现Soft cache的流程：for the case of YouTube (or, any similar service). If a user requests a content, e.g., by typi
2022-01-28 17:40:14
402
转载 win10+cuda11.0+pytorch1.7.1安装教程
一、电脑配置检查 1. 检查电脑显卡类型 注意电脑显卡不是NVIDIA的忽略这一步，非NVIDIA显卡不能安装CUDA。 在桌面鼠标右键： 点击NVIDIA 控制面板->选择左下角 系统信息->组件 从第三幅图可以看出我的CUDA是11的版本，所以下面我将安装11版本的CUDA 二、更新你的NVIDIA驱动 进入NVIDIA官网：https://www.nvidia.cn/gefor...
2021-12-10 14:45:43
8390
2
原创 GNN图神经网络梳理
一、GCN 图卷积神经网络：Semi-Supervised Classification with Graph Convolutional Networks基于频谱域的图卷积神经网络，原理是通过独立于节点embedding的图拓扑结构定义用于聚集(过滤)邻居节点的权值。：本质仍是聚合邻居节点的信息，只不过可以通过数学变换得到如下的式子统一表示聚合邻居信息的过程。这样可能提高了速度但固定了GCN的聚合邻居信息的方式，导致了直推式学习的弊端。1、GCN的本质确实是利用全图进行节点的特征学习（参考：G
2021-08-17 20:27:40
1311
原创 Localized Small Cell Caching: A Machine Learning Approach Based on Rating Data
Localized Small Cell Caching: A Machine Learning Approach Based on Rating DataAbstractWhat is known:Background:Caching the most popular contents at the wireless network edge such as small-cell base stations (SBSs) is a smart way of reducing duplicat
2021-08-17 17:15:58
363
原创 User-centric ultra-dense networks for 5G: challenges, methodologies, and directions 论文阅读笔记
5G网络中，以用户为中心的超密集组网：挑战，方法的与方向本博客为论文介绍，博主并非论文作者，方便起见部分语言以第一人称说明。论文链接Abstract在这篇文章中，我们基于network serving user (网络服务用户) 的主旨 和 the “de-cellular” method (去中心化方法） 定义了user-centric UDN (UUDN)。基于对挑战的分析和UUDN的需求，本文提出了突破 传统的网络控制用户思想 的一种新型架构。其核心包括：提出动态AP分组作为UUDN的核
2021-03-07 11:34:26
972
原创 Big Data Caching for Networking: Moving from Cloud to Edge 论文分享
Big Data Caching for Networking: Moving from Cloud to EdgeAbstract问题背景： 为应对5G无线网络下的流量爆炸问题，目前解决方法包括开发新的频谱，建立更多基站，增加移动分组核心网络中的节点而基于环境感知5G网络与边缘/云计算和大数据分析的开发可以为移动运营商带来显著收益。主要研究： 本文研究了5G无线网络中的主动内容缓存，提出了一种大数据支持架构。在这个实用的架构中，大数据被用来估计内容的受欢迎程度，并以此制定内容在BSs中的缓存策略，
2021-02-07 10:51:29
947
原创 T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction 用于交通流预测的时序GCN
T-GCN: A Temporal Graph Convolutional Network for Traffic PredictionAbstract准确、实时的交通预测是智能交通系统的重要组成部分，对城市交通规划、交通管理和交通控制具有重要意义。然而，由于受城市路网拓扑结构和动态随时间变化规律的制约，交通预测一直被认为是一个开放的科学问题。为了同时捕获网络的时空相关性，本文提出了一种基于神经网络的交通预测方法——时间图卷积网络(T-GCN)模型，该模型与图卷积网络(GCN)和门控递归单元(GRU)相
2021-02-06 15:17:41
4291
2
原创 基于multiprocessing map实现python并行化（全局变量共享 map机制实用向分析 常见问题 pandas存储数据）
基于multiprocessing map实现python并行化之前从来没考虑python可以并行化，最近有一个项目需要计算100*100 次的遗传算法适应度，每次计算都要用到700000+的数据，每次计算不并行的话得用几十分钟，根本顶不住，因此调研并学习了一下并行化处理，还是很有效的，现在每次计算基本控制在2分钟以内。首先看一个并行化实现for循环的博客，适合刚刚接触python并行化的伙伴。[python]map方法与并行执行我的并行化启蒙就是源自上面博客中的代码，果然Talk is cheap
2020-11-17 21:25:30
4627
原创 EvolveGCN:动态图的参数演化图卷积网络 AAAI2020
EvolveGCN: Evolving Graph Convolutional Networks for Dynamic Graphs论文链接.Abstract由于深度学习在欧几里得数据中的广泛应用，图表示学习重新成为一个趋势，它激发了非欧几里得领域(尤其是网络图)神经网络的各种创造性设计。随着这些图神经网络(GNN)在静态设置中的成功，我们进一步考虑图动态演化的实际场景。现有的方法通常利用节点嵌入，并使用递归神经网络(一般为 RNN)来调节嵌入和学习时间动态。这些方法需要了解一个节点的全部时间跨度(
2020-11-04 14:24:39
8341
10
原创 基于多任务深度学习的时空网络流量预测 IEEE TKDE 2019
Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning文章链接: Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning.Abstract时空网络中的流量预测(如车辆、人群和自行车的流量)在交通系统中起着重要的作用，它包括一个节点的进出流量和不同节点之间的过度。然而，这是一个非常具有挑战性的问题，它受到多种复
2020-10-24 17:10:40
3273
3
原创 机器学习中的正则化
机器学习中的正则化以多核支持向量机说起以上函数为一个基于多核的支持向量机的目标函数 d是多核函数的参数 r(d)为正则项。根据今天深度机器学习课程所介绍，正则项的目的是尽量减小参数的数值大小，从而避免过拟合，即：以上目标函数可以直观表述为：其中，可以通过多项式近似法则得到：下面这张图展示了不同的拟合效果模型的分类能力正则化的思考过程模型对该数据的拟合能力越强，一定程度上反映了模型对特征的提取程度，图3分类全部是正确的，但是明显出现了过拟合，其实用性很低。同时，学习的时候需要更多的参
2020-10-12 22:38:50
170
原创 Graph Neural Networks for social Recommendation基于图神经网络的社交推荐系统 by JD.com WWW会议
Graph Neural Networks for social RecommendationAbstract传统社交推荐系统中的数据可以表示为用户-用户社交图(user-user social graph)和用户-项目图（user-item graph），本文针对此提出应用GNN提高推荐的效果并解决了如下挑战：1、用户-项目图对交互及用户意见的编码;2、社会关系异质性的表示;3、两种图形的综合考虑。在本文中，提出了一个新颖的社交推荐图神经网络框架(GraphRec)。另外，作者提供了一种建模方法来联
2020-10-07 16:24:59
2036
5
原创 深度神经网络模型（DNN）与前向传播算法
原文见：深度神经网络模型（DNN）与前向传播算法这里具体写一下摘要及感想1、DNN（深度神经网络）简介：从DNN按不同层的位置划分，DNN内部的神经网络层可以分为三类，输入层，隐藏层和输出层,如下图示例，一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。输入层的每个神经元输入样本数据x的一维层与层之间是全连接的，也就是说，第iii层的任意一个神经元一定与第i+1i+1i+1层的任意一个神经元相连。虽然DNN看起来很复杂，但是从小的局部模型来说，还是和感知机一样，即一个线性关系
2020-09-05 09:09:37
487
原创 神经网络实战中的一些基础概念（迭代、批量batch、偏移项、标准化数据）
1、迭代理解迭代，只需要知道乘法表或者一个计算器就可以了。迭代是 batch 需要完成一个 epoch 的次数。记住：在一个 epoch 中，batch 数和迭代数是相等的。比如对于一个有 2000 个训练样本的数据集。将 2000 个样本分成大小为 500 的 batch，那么完成一个 epoch 需要 4 个 iteration。2、批量批量，即Batch，是深度学习中的一个重要概念。批量通常是指两个不同的概念——如果对应的是模型训练方法，那么批量指的是将所有数据处理完以后一次性更新权重或者参数
2020-09-05 08:52:51
1373
原创 图卷积神经网络GCN-在交通预测中考虑网络拓扑 STGCN-A Deep Learning Framework for Traffic
论文：Spatio-Temporal Graph Convolutional Networks A Deep Learning Frameworkfor Traffic出处：IJCAI 2018大体思路：使用Kipf & Welling2017的近似谱图卷积得到的图卷积作为空间上的卷积操作，时间上使用一维卷积对所有顶点进行卷积，两者交替进行，组成了时空卷积块，在加州PeMS和北京市的两个数据集上做了验证。但是图的构建方法并不是基于实际路网，而是通过数学方法构建了一个基于距离关系的网络。原文
2020-08-29 11:03:56
1119
原创 并行程序模拟（Concurrency Simulator, ACM/ICPC World Finals 1991, UVa210)
题目链接：UVA210.1、题意要求使用的其实是双端队列（deque） 具体操作包括：1.创建时，和其他容器一样的格式，如deque a; 也可以限定元素个数和内容，详细见上述网页；注意要使用头文件deque2.常用函数： a.push_front() a.push_back() a.pop_front() a.pop_back()从队首或队尾入队或出队自己在做题时因为还不知道deque所以冒险采用了人工出入队列使得元素插入到队列头，有超时风险，这道题没事while(exe.front()!=
2020-08-27 11:33:49
226
原创 机器学习中的GCN原理
Deep Learning 中的GCN**Deep learning中的Convoulution就是要设计含有trainable共享参数的kernel,从(f∗h)G=U(λ1...λn)UTf(f*h)_G=U\begin{pmatrix}\lambda_1 & & \\ &...& \\ & &\lambda_n\
2020-08-20 18:27:01
829
原创 基于频谱的GCN 图卷积神经网络数学原理
以下内容多为个人理解，如有错误感谢批评指正。参考链接：如何理解GCN？知乎回答：从热传导模型到GCN从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）GCN问题本质图中的每个结点无时无刻不因为邻居和更远的点的影响而在改变着自己的状态直到最终的平衡，关系越亲近的邻居影响越大。GCN的实质是在一张Graph Network中特征（Feature）和消息（Message）中的流动和传播！研究GCN的原因CNN无法处理非欧几里得结构数据，因为此种结构没有平移不变性，卷
2020-08-19 19:26:01
1930
转载 矩阵的行列式的计算
计算n阶行列式之前，我们首先需要知道余子式与代数余子式的概念：在n阶行列式中，把元素aij所在的第i行和第j列划去，留下来的n-1阶行列式叫做元素aij的余子式，记作Mij，令Aij=(-1)i+jMij，并称之为aij的代数余子式。例如，四阶行列式a11 a12 a13 a14a21 a22 a23 a24a31 a32 a33 a34a41 a42 a43 a44中a32的余...
2019-12-14 10:34:28
13594
原创 高精度数运算加法乘除阶乘c++的实现总结
高精度数在c语言中实现的核心思想是1、利用数组按位存储高精度数2、利用循环等结构模拟基础的数学运算1、高精度数加法#include <iostream>#include <string>#include <vector>#include <algorithm>#include <stdexcept>#include &l...
2019-11-06 10:58:12
531
原创 UVA1592 数据库 Database 题解
核心思想：利用map数据结构优化搜索1、题意：给出一个n行m列的数据库，是否存在两个不同行r1,r2和两个不同列c1,c2，使得这两行和这两列相同(即(r1,c1)和(r2,c1)相同，(r1,c2)和(r2,c2)相同)。2、思路：枚举2列的组合，遍历行。通过map<string,int>为字符串赋予id通过map<pair<int,int>,in...
2019-11-06 10:43:38
278
原创 算法竞赛入门经典(刘汝佳)——常用STL数据结构总结
1、stingC++ 标准库提供了 string 类类型，支持C语言风格的字符串数组所有的操作，另外还增加了其他更多的功能。string类型的具体的函数与其他数据结构的函数有许多重复，在此不做系统总结，只区分一下c++三个关于string的头文件：1）文件cstring，和string.h对应，c++版本的头文件，包含比如strcpy之类的字符串处理函数2）文件string.h，和cst...
2019-11-05 12:41:55
521
原创 天大夏令营题目——IP地址转化（uva1590）
原英文题目.题目翻译（取自洛谷）：亚历克斯是IP网络的管理员。他的客户每个人有一组单独的IP地址，他决定将所有IP地址分组到最小可能的IP网络中。每个IP地址有四个部分组成，每个部分用小数点分离。格式如a,b,c,d每个部分都是一个十进制的数（0≤这个数≤255）且没有多余的前导零。IP网络由两个4各部分的数字——网络地址和网络掩码组成。网络地址和网络掩码和IP地址写入方式相同。为了理解...
2019-11-01 22:14:11
225
原创 uva_1589象棋模拟题
输入] 输入数据≤40组，对于每组数据，第一行有三个数：第一个数代表红方棋数 N(2≤N≤7)，第二三个数代表黑将的坐标 接下来N行每行一个字符两个数，代表每个红子的详细信息，字符为棋子种类车(®,马(H),炮©)，数字为坐标. 输入所有棋子的位置,保证局面合法并且红方已经将军。[输出] 对于每组输出数据，如已经将死 ，输出‘YES’，反之输出‘No’模拟类问题的问题解决思路很重要，根据题...
2019-11-01 17:07:47
245
原创 python学习——pandas数据清洗
本次学习主要针对pandas下的dataframe数据结构进行，采用数据为之前下载过的iris鸢尾花数据，首先利用pd.read_csv（）读取原表格数据。需要将原表格放在py文件的同目录下方便读取。file_path = "D:\Anaconda3\envs\pytorch\projects\Pandas学习\iris.csv"data_before = pd.read_csv(file_p...
2019-10-20 11:50:28
456
原创 uva_1103 刘汝佳《算法竞赛入门经典》例6-13象形文字识别（连通图的综合应用）
连通图问题 较为综合性题目：#象形文字判断#问题描述：Figure C.1 shows six hieroglyphs and their names. In this problem, you will write a program to recognize these six characters.题意： 输入以16进制形式矩阵表示的0 1（0代表白色像素点，1代表黑色像素点...
2019-07-24 11:47:37
314
原创 UVa220黑白棋问题
1.13 黑白棋问题以下是自己写题时遇到的问题点：1、注意题意中不存在合法下棋位置时的操作2、对与合法位置的判断，尽量保持原意，判断坐标是否在范围内3、对合法下棋位置的判断：对棋盘上每个可下点，对其8个方向进行扩展判断，判断时带上方向作为参数，这样方便之后进行吃棋时对该方向上的棋进行吃操作4、获取输入时，如果有多类型输入（单纯字母和字母加数字，可以用数组存储）具体思路见下面的代码:...
2019-07-16 20:47:16
312
1
原创 UVa1589 象棋问题 刘汝佳算法竞赛入门经典
[输入] 输入数据≤40组，对于每组数据，第一行有三个数：第一个数代表红方棋数 N(2≤N≤7)，第二三个数代表黑将的坐标 接下来N行每行一个字符两个数，代表每个红子的详细信息，字符为棋子种类车(®,马(H),炮©)，数字为坐标. 输入所有棋子的位置,保证局面合法并且红方已经将军。[输出] 对于每组输出数据，如已经将死 ，输出‘YES’，反之输出‘No’注意模拟类问题的思路很重要，尽量一步...
2019-07-16 20:38:08
199
原创 算法竞赛入门经典(刘汝佳)——基础篇心得
1、基础篇1.1 变量类型的影响对于如下程序#include<stdio.h>using namespace std;int main(){ printf("%f\n",8/5); return 0;}函数不会进行任何类型转换，它只是从内存中读出你所提供的元素的值（按照%d，%f等控制字符提示的格式）。printf("%c\n",48);会输出0C...
2019-06-30 21:21:36
1460
原创 acm使用set解决newspaper headline问题
* 俩个字符串 s1,s2 s1可以是n个s1相加，然后 从s1中去掉一些字符，可以让这个字符串等于s2。* -1表示无法生成s2* 其他情况下输出需要的s1个数输入abc xyz abcd dabc输出-1 2思路：1、首先判断s2是否可以由s1得到2、然后要确定所需s1的个数具体解决办法：可以看出s1,s2的规模较大，这种情况下一般的存储方法会导致搜索超时，...
2019-06-26 11:51:16
197
原创 背包问题（北大图形实验室2008考研复试）
贪心算法解决背包问题有几种策略：(i)一种贪婪准则为：从剩余的物品中，选出可以装入背包的价值最大的物品，利用这种规则，价值最大的物品首先被装入（假设有足够容量），然后是下一个价值最大的物品，如此继续下去。这种策略不能保证得到最优解。例如，考虑n=2,w=[100,10,10], p =[20,15,15], c = 105。当利用价值贪婪准则时，获得的解为x= [ 1 , 0 , 0]，这...
2019-06-22 11:23:16
154
原创 上交研究生机试最短路径问题
N个城市，标号从0到N-1，M条道路，第K条道路（K从0开始）的长度为2^K，求编号为0的城市到其他城市的最短距离输入：第一行两个正整数N（2<=N<=100）M(M<=500),表示有N个城市，M条道路 接下来M行两个整数，表示相连的两个城市的编号输出：N-1行，表示0号城市到其他城市的最短路，如果无法到达，输出-1，数值太大的以MOD 100000 的结果输...
2019-06-21 11:25:14
232
gowalla.zip
2020-08-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人