庞琳卓的博客

适用场景Dantzig-Wolfe分解的适合用于求解一些具有特定结构的LP & MILP原始问题其中，第一个等式约束为conflicting constrain，剩余的约束都是独立的blocks。Minkowski-Weyl’s representation theorem采用这一定理，可以将多面体中的任意一个点都用多面体的extreme points及extrem...

问题一-Decomposition in conflicting variablesprimal decomposition算法思想primal decomposition算法步骤dual decomposition思想dual decomposition算法步骤算法思想的interpretation问题二-Decomposition in co...

from mergeSort_recursion import mergesortimport randomdef partion(a, m, m_index): #对a进行排序，使得比m小的元素放在m前面，比m大的元素放在m后面 #输入：m_index（m在a中的index） #返回m前面, m后面各自元素的数目,以及m在新数组中的index #将m与数组第一个元素交换位置，然...

这 是 一 个 伪 代 码!!!写这篇文章的目的在于理解kd树在KNN算法中的应用, 弄清楚整个搜索和回溯过程首先, 定义kd树结点的结构体#include <stdio.h>typedef struct KD_Node{ int kindex; //关键点直方图方差最大向量系列位置 int kvalue;//直方图方差最大向量系列中最中间模值 int n; //...

#include <stdio.h>#include <stdlib.h>#include <stdbool.h>#define MAX_NODE_NUM 10typedef int ElemType;typedef enum {DG,UDG} GKind;typedef void (*VISIT)(ElemType); //定义一个函数指...

#include <stdio.h>#include <stdlib.h>#include <cstring>using namespace std;typedef struct HuffNode{ int weight; int parent, lchild, rchild;}HuffNode, HuffTree;void select(...

回溯算法的基本思想是：从一条路往前走，能进则进，不能进则退回来，换一条路再试。#include <stdio.h>#include <math.h>#include <stdlib.h> #define N_size 7#define INITIAl -1000int N=N_size;int count = 0;void init(...

#include <stdio.h>#define MAX_SIZE 20#define MAXR 10typedef int ElemType;typedef struct Triple{ int i; int j; ElemType e;}Triple;typedef struct SparseMatrix{ Triple data[MAX_SIZE]; int rpos[MAXR...

*base:数组元素基址,以二维数组A为例,将数组(按行或者按列)拉成一个向量L所组成的线性结构的首地址.*bounds:数组维界地址,指向一个一维数组B,它存放了数组A各维度元素的数目.假设数组A是(3,4,5)大小的, 则数组B=[3,4,5]*constants:数组映像函数常量基址,指向一个数组C, 它存放了"数组A各个维度上的数字加一时, 元素在线性结构L上所移动的距离".举个栗子吧!首...

服务器端负责接收并保存客户端传来的彩色图和深度图:/************************************************************************* > File Name: C++/socket/image.cpp > Author: Linzhuo Pang > Mail: panglinzhuo@gm...

服务器端:#include <sys/types.h> #include <sys/socket.h>#include <netinet/in.h>#include <netdb.h>#include <stdio.h>#include <iostream>#include <arpa/inet.h>

#include #include #define INIT_SIZE 10#define ERROR -1#define OK 1typedef int ElemType;typedef bool Status;typedef Status (*CALL_FN)(ElemType);typedef struct list{ ElemType* elem; ElemT

#include #include #include void display(int* a, size_t size){ for(int i = 0; i<=size-1; i++) printf("%d ", a[i]); printf("
");}void Merge(int* a, int lo, int mid, int hi){ int* tmp = (

#!/usr/bin/env python3from bs4 import BeautifulSoupimport requestsimport csvimport bs4import codecs#检查url地址并返回网页contentsdef check_link(url): try: r = requests.get(url)

Meta learning就是learning to learn，字面意思就是学会学习。想一下人是怎么学会学习的： 采用一种学习方法（比如刷题/背题/背概念等）进行学习，然后得到反馈（成绩是否提高），如果是正的反馈（成绩不断提高），说明这种学习方法是有效的。 那么神经网络是如何学会学习的呢？ 采用一种学习方法（对于神经网络来说，就是模型的参数）进行学习，然后得到反馈（误差关于参数的梯度），

Purpose **To formalize the impact of a training point on a prediction, we ask the counterfactual: what would happen if we did not have this training point, or if the values of this training point w

策略梯度方法 策略梯度方法中，目标函数是使得整个episode得到的reward的均值最大： maximizeθEπθ[∑t=0T−1γtrt]{\rm maximize}_{\theta}\; \mathbb{E}_{\pi_{\theta}}\left[\sum_{t=0}^{T-1}\gamma^t r_t\right] 由于： ∇θE[f(x)]=∇θ∫pθ(x)f(x)dx=∫pθ

什么是优化算法？ 给定一个具有参数θ的目标函数，我们想要找到一个w使得目标函数取得最大值或最小值。优化算法就是帮助我们找到这个θ的算法。 在神经网络中，目标函数f就是预测值与标签的误差，我们希望找到一个θ使得f最小。优化算法的种类一阶优化算法 它通过计算目标函数f关于参数θ的梯度（一阶偏导数）来最小化代价函数。常用的SGD、Adam、RMSProp等基于梯度的优化算法都属于一阶优化算法。

什么时候用softmax？ softmax是一种归一化函数，用于将向量中元素的值都归一化0～1之间，并保持其加和为1。 公示表达为： 根据公式和图片可看出，前一层的激活值越大，经过softmax函数后的值也就越大，又因为softmax的所有输出加和为1，因此，常利用softmax层将激活值与概率实现映射。 多元分类（multi-class classification）中，每个样本只

马氏距离 用来度量一个样本点Ｐ与数据分布为Ｄ的集合的距离。 假设样本点为： 数据集分布的均值为： 协方差矩阵为Ｓ。 则这个样本点Ｐ与数据集合的马氏距离为： 马氏距离也可以衡量两个来自同一分布的样本x和y的相似性： 当样本集合的协方差矩阵是单位矩阵时，即样本的各个维度上的方差均为１．马氏距离就等于欧式距离相等。 当协方差矩阵