- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 leetcode第六题思路
leetcode第六题地址题目描述：将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。比如输入字符串为 “PAYPALISHIRING” 行数为 3 时，排列如下：之后，你的输出需要从左往右逐行读取，产生出一个新的字符串，比如：“PAHNAPLSIIGYIR”。思路：只要获得每个字符的行数即可，行数规律（1…numRows…1…），再利用桶排序的思想就可以一次遍历。代码：class Solution { public String con
2021-09-30 10:00:33
203
原创 知识图谱综述
知识图谱概述1.摘要2.概述2.1 知识图谱2.2 知识图谱设计原则3.知识图谱技术3.1 知识获取与处理3.1.1 命名实体识别技术3.1.2 关系抽取3.2 知识表示3.2.1RDF3.2.2 RDFS/OWL3.2.3 向量Embedding：TranE、TranH、TranR等3.3 知识存储3.3.1jena3.3.2 jena java代码3.4 知识计算与应用3.4.1 推荐系统3.4.2知识图谱加入推荐系统技术3.4.3知识图谱特征学习参考资料1.摘要 知识图谱本质上是
2021-08-17 21:27:49
1583
原创 基于CNN的海面舰船图像二分类
基于CNN的海面舰船图像二分类1.模型依赖的环境与硬件配置2.VGG11的网络架构模型细节3.实验结果3.1网络模型参数3.1.1通用参数3.2.2 调整参数3.2 损失函数随epoch变化曲线3.2.1 N13.2.2 N23.2.3 N33.3分类模型对海面舰船的二分类结果4.实验总结1.模型依赖的环境与硬件配置cuda：1.8.1+cu111GPU： NVIDIA GeForce MX1502.VGG11的网络架构模型细节input：80×80×380\times80\times3
2021-05-25 02:31:05
1247
原创 深度卷积神经网络：GoogleNet、VGGNet、ResNet 学习笔记
VGGnet-深度卷积神经网络Very Deep Convolutional Networks For Large-Scale Image RecognitionAbstract研究卷积网络深度在大规模图片识别中的精确度内容：彻底评估使用3×3的卷积核时，增加网络深度的影响结论：深度提高到16-19时，对现有技术有显著改进研究成果在其他数据集上也有较好的普及1.IntroductionCNN在大规模图像、视频上取得巨大成功原因：1. 大型公开的图片数据库：如ImageNet2.
2021-05-24 01:21:09
1397
原创 IDEA2020.3 删去无效的JDK版本
IDEA2020.3 删去无效的JDK版本一.无效的JDK二.删除步骤1. jdk.table.xml2.具体操作一.无效的JDK强迫症有点难受，IDEA不会自动遗忘这些jdk版本，需要我们手动从XML文档里删除。二.删除步骤1. jdk.table.xml文件位置：C:\Users\LENOVO\AppData\Roaming\JetBrains\IntelliJIdea2020.3\options2.具体操作<jdk version="2"> <name value="
2021-03-30 00:26:42
6782
1
原创 Python 机器学习 线性回归
Python 机器学习 线性回归描述：对于波士顿房价进行学习一. 线性回归1.0版#线性回归import numpy as npfrom sklearn.datasets import load_bostonfrom matplotlib import pyplot as pltfrom openpyxl import Workbookdata,target=load_boston(return_X_y=True)n,m=data.shape#划分训练集和测试集data_trai
2021-03-07 10:09:59
82
原创 汇编2^16以下数字十进制转二进制
汇编2^16以下数字十进制转二进制一.编程环境emu8086二.代码data segment err1 db "error input!please restart!$" jieshu db "get Q or q,exit!$"data endscode segmentstart: mov ax,data mov ds,axp1: call read ;输入函数 mov ah, 02h ;归位 换行 mov dl, 0dh
2020-11-28 21:24:45
391
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人