【数据结构与算法】leetcode刷题记录(删除数组元素重复项+移除元素) ---->线性表和链表

删除排序数组中的重复项

java解决

1.排序后比较

对数组进行排序,然后遍历数组,

如果 i +1 = i 的value 就把这个数弹出.

因为排序了,所以 遇到不相等的数以后1,说明后面不会出现相等的数,所以返回.

class Solution {
    public static int removeDuplicates(int[] nums) {
        if(nums.length==0){return 0;}
        if(nums.length==1){return 1;}
        int size = nums.length;
        Arrays.sort(nums);
        for(int i = 0;i<size-1;i++){
            if(nums[i]==nums[i+1]&&i+1!=size) {
                for (int j = i + 1; j < size; j++) {
                    nums[j - 1] = nums[j];
                }
                size--;
                i--;
            }
        }
        return size;
    }
}

2.双指针遍历,

制作内外两个指针,依次比较,每遇到相同的数

就把这个数之后所有数, 往前移一个, 长度指针减1

class Solution {
    public static int removeDuplicates(int[] nums) {
        if(nums.length==0){return 0;}
        if(nums.length==1){return 1;}
        int size = nums.length;
        for(int i = 0;i<size-1;i++){
            for(int j = size-1;j>i;j--){
                if(nums[i]==nums[j]){
                    size--;
                }
            }
        }
        System.out.println(Arrays.toString(nums));
        return size;
}

python

1.排序,循环比较,因为python有list而没有数组,所以这个题可以直接pop

class Solution:
    def removeDuplicates(self, nums: List[int]) -> int:
        a = 0
        b = 1
        nums.sort()
        while b < len(nums):
            if nums[a] == nums[b]:
                nums.pop(a)
            else:
                a += 1
                b += 1
        return len(nums)

2.set集合

集合自身有去重

class Solution:
    def removeDuplicates(self, nums: List[int]) -> int:
        nums[:] = list(sorted(set(nums)))
        return len(nums)

也可以一行搞定

return len(list(set(nums)))

移除元素

java解决方案

1.遍历

当遇到要找的元素时,把后面的所有元素向前移动一个位置

class Solution {
    public int removeElement(int[] nums, int val) {
        if (nums.length==0){
            return 0;
        }
        int size = nums.length;
        for(int i = 0;i<size;i++){
            if(val==nums[i]){
                int p = i+1;
                for(int j = p;j<size;j++){
                    nums[j-1]=nums[j];
                }
                size--;
                i--;
            }
        }
        return size;
    }
}

python解决方案

直接找,找到了弹出去

class Solution:
    def removeElement(self, nums: List[int], val: int) -> int:
        i = 0
        while i<len(nums):
            if nums[i] == val:
                nums.pop(i)
            else:
                i+=1
        return len(nums)
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