链表倒转Reverse Linked List II 和二叉树BinaryTree倒转专题

在解析这个函数的实现时,我们先来回顾下函数:
Reverse Linked List 。

struct ListNode*  reverseList(struct ListNode* head){
        if(head == NULL)
            return head;
          struct ListNode*  p = head;
          head->next = null;
          p = head ->next;
          while(!p){
             struct ListNode*  tmp = p->next;
             p->next = head;
             head = p;
             p = tmp;
          }
          return head;
}

这个函数的理解比较简单,就是拿两个指针,head,p 不停的往后扫面,指针非空,则进行指向倒转,这里要注意头指针的,head->next = NULL应该是置空值。

现在看看第二种情况:

For example:
Given 1->2->3->4->5->NULL, m = 2 and n = 4,

return 1->4->3->2->5->NULL.

Note:
Given m, n satisfy the following condition:
1 ≤ m ≤ n ≤ length of list.

分析如下:
这个比之前那个稍微复杂一点,是从链表中间的某个节点开始到另一个节点,要进行倒转操作。代码如下

struct ListNode* reverseBetween(struct ListNode* head, int m, int n) {
     if(head == NULL)
        return head;
        struct  ListNode* q = NULL;
        struct  ListNode*  p = head;
        //1.寻找需要倒转链表的首节点,注意位置关系
        for(int i = 0 ;i< m-1 ;i++){
             q=p;
              p = p->next;
         }
         struct  ListNode* end = p;
         struct  ListNode*  pre = p;
          p = p->next;
       for(int i = m+1;i<=n;i++){
           struct ListNode* tmp = p->next;
            p->next = pre;
            pre = p;
            p = tmp;
            }
         end->next = p;
         if(q)
            q->next = pre;
         else
            head = pre;
         return head;
         }

二叉树的翻转:
如何翻转二叉树
4
/ \
2 7
/ \ / \
1 3 6 9

4
/ \
7 2
/ \ / \
9 6 3 1
此题目因为Max Howell 而名声大噪,因为Max Howell不会,直接被谷歌拒绝了,更深层次的原因请读者们自行google。
这里我们会采用两种方法来实现,第一,递归。第二,BFS

struct TreeNode* invertTree(struct TreeNode* root) {
      if(root == null)
         return ;
         // 设定一个tmp 进行互换
         struct TreeNode*  tmp = root.left;
         root->left = root->right;
         root->right = tmp;
         // 左子树递归
         invertTree(root->left);
         // 右子树递归
         invertTree(root->right);

}

接下来我们采用层次遍历方法(BFS)来实现,因为要用到队列,所以这里我们用C++,代码来写

  TreeNode* invertTree(TreeNode* root) {
     if(root == null)
        return root;
        queue<TreeNode*>  tree_queue;
        tree_queue.push(root);
     while(tree_queue.size() > 0){
       // 取出队列头元素
       TreeNode*   pNode = tree_queue.front();
       // 弹出队列头元素
       tree_queue.pop();
       //  设置pleft 存放当前节点的左子节点
       TreeNode*  pleft = pNode->left;
       // 左子节点换成右子节点
       pNode->left = pNode->right;
       // 右子节点换成左子节点
       pNode->right = pleft;
       // 判断再将当前左子节点放入队列
       if(pNode->left)
           tree_queue.push(pNode->left);
       // 将当前右子节点放入队列,因为队列是先进先出的,
       // 下一个循环中,首先弹出的元素肯定也是左子节点元素
       if(pNode->right)
           tree_queue.push(pNode->right);
     }
     return root;
}

        好了,齐活,链表的翻转,与二叉树的翻转解析到此了。
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
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