LeetCode : 4. Median of Two Sorted Arrays 两个有序数组的中值

试题
There are two sorted arrays nums1 and nums2 of size m and n respectively.

Find the median of the two sorted arrays. The overall run time complexity should be O(log (m+n)).

You may assume nums1 and nums2 cannot be both empty.

Example 1:

nums1 = [1, 3]
nums2 = [2]

The median is 2.0
Example 2:

nums1 = [1, 2]
nums2 = [3, 4]

The median is (2 + 3)/2 = 2.5

代码
分析
在这里插入图片描述

class Solution {
    public double findMedianSortedArrays(int[] A, int[] B) {
        int m = A.length;
        int n = B.length;
        
        // 约定A长度<=B长度,如果A长度>B长度,那么在A取较后位置是可能会出现j小于0情况。
        if (m > n) {
            int[] temp = A; A = B; B = temp;
            int tmp = m; m = n; n = tmp;
        }
        
        //二分查找数组A
        // 数组A长度为m,共有m+1个分割点,其中0表示都属于右边,m表示都属于左边
        int iLeft = 0, iRight = m;
        while (iLeft <= iRight) {
            //数组A的二分位置
            int i = (iLeft + iRight) / 2;
            // 根据中位值特点,数组B中j的对应位置
            int j = (m + n + 1) / 2 - i;
            
            
            // 如果i在最终结果i的的左边,那么对应的j就在最终结果j的右边,
            // 此时存在A[i] < B[j-1],那么此时应该考虑右边区间
            if (i < iRight && B[j-1] > A[i]){
                iLeft = i + 1;
            // 如果i在最终结果i的的右边,那么对应的j就在最终结果j的左边,
            // 此时存在A[i-1] > B[j],那么此时应该考虑左边区间
            }else if (i > iLeft && A[i-1] > B[j]) {
                iRight = i - 1;
            // 反之也就是B[j-1] <= A[i] && A[i-1] <= B[j],那么说明找到结果了
            }else {
                int outLeft = 0;
                //如果i=0,那么说明A中元素全属于右边
                if (i == 0) { outLeft = B[j-1]; }
                //如果j=0,那么说明B中元素全属于右边
                else if (j == 0) { outLeft = A[i-1]; }
                // 正常情况
                else { outLeft = Math.max(A[i-1], B[j-1]); }
                // 如果是奇数,结果在左边最大值
                if ( (m + n) % 2 == 1 ) { return outLeft; }

                
                int outRight = 0;
                // 如果i=m,那么说明A中元素全属于左边
                if (i == m) { outRight = B[j]; }
                // 如果j=n,那么说明B中元素全属于左边
                else if (j == n) { outRight = A[i]; }
                // 正常情况
                else { outRight = Math.min(B[j], A[i]); }

                // 如果是偶数,结果取均值
                return (outLeft + outRight) / 2.0;
            }
        }
        return 0.0;
    }
}
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. **优化算法(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,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,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 1
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