自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(52)
  • 收藏
  • 关注

原创 【Python刷题】搜索插入位置

给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。请必须使用时间复杂度为 O(log n) 的算法。

2024-04-02 15:09:20 188

原创 【Python刷题】将有序数组转换为二叉搜索树

给你一个整数数组 nums ,其中元素已经按 升序 排列,请你将其转换为一棵平衡 二叉搜索树。高度平衡的意思是:二叉树是一颗满足“每个结点的左右两个子树的高度差的绝对值不超过1”的二叉树。

2024-03-30 10:12:54 260

原创 【Python刷题】二叉树的直径

给你一棵二叉树的根节点,返回该树的 直径。二叉树的 直径 是指树中任意两个节点之间最长路径的 长度。这条路径可能经过也可能不经过根节点 root。两节点之间路径的 长度 由它们之间边数表示。

2024-03-28 21:21:38 452

原创 【Python刷题】对称二叉树

给你一个二叉树的根节点 root , 检查它是否轴对称。

2024-03-27 15:19:33 337

原创 下载安装anaconda和pytorch的详细方法,以及遇到的问题和解决办法

首先需要下载Anaconda,可以到官网或者这里提供一个镜像网站去下载,本篇不再赘述。

2024-03-23 13:09:11 1265

原创 【Python刷题】翻转二叉树

给你一棵二叉树的根节点 root ,翻转这棵二叉树,并返回其根节点。

2024-03-20 15:28:41 238

原创 【Python刷题】二叉树的最大深度

给定一个二叉树 root ,返回其最大深度。二叉树的 最大深度 是指从根节点到最远叶子节点的最长路径上的节点数。

2024-03-14 09:39:09 362

原创 【Python刷题】二叉树的中序遍历

给定一个二叉树的根节点 root ,返回 它的 中序 遍历。

2024-03-11 09:10:05 349

原创 【机器学习】Adam优化算法

自适应梯度算法(AdaGrad)维护一个参数的学习速率,可以提高在稀疏梯度问题上的性能(例如,自然语言和计算机视觉问题)。均方根传播(RMSProp)也维护每个参数的学习速率,根据最近的权重梯度的平均值(例如变化的速度)来调整。这意味着该算法在线上和非平稳问题上表现良好(如:噪声)。Adam优化算法的优点包括:自适应学习率:Adam算法可以自适应地调整每个参数的学习率,根据其梯度的一阶矩估计和二阶矩估计进行调节,有助于加速模型收敛。

2024-03-10 17:42:50 1460

原创 【神经网络与深度学习】LSTM(Long Short-Term Memory)神经网络模型

LSTM(Long Short-Term Memory)是一种,通常被用于。因此,LSTM属于深度学习领域中的一种神经网络模型。在深度学习中,LSTM被广泛应用于需要处理长期依赖关系的任务,如语音识别、自然语言处理、时间序列预测等。相较于传统的RNN结构,。

2024-03-10 17:20:32 2627 2

原创 【神经网络与深度学习】深度神经网络(DNN)

深度神经网络(Deep Neural Networks,DNN)是一种。每个隐藏层由组成,这些神经元通过进行信息传递和计算。深度神经网络通过多层的非线性变换,可以学习到更加抽象和复杂的特征表示。每一层都可以将输入数据转化为更高级的表示,从而更好地捕捉数据的特征和模式。通过不断叠加隐藏层,网络可以逐渐学习到更多的抽象特征,提高模型的表达能力。深度神经网络在诸多领域中取得了重大突破和成功应用,如图像识别、语音识别、自然语言处理等。

2024-03-10 10:41:28 1500

原创 【Python刷题】合并两个有序列表

将两个升序链表合并为一个新的 升序 链表并返回。新链表是通过拼接给定的两个链表的所有节点组成的。

2024-03-09 11:29:59 420

原创 【C语言】结构体的相关知识点

int x;int y;}p1;//声明类型的同时定义变量p1//定义结构体变量p2//初始化:定义变量的同时赋初值。struct Stu //类型声明//名字int age;//年龄//初始化int data;//结构体嵌套初始化//结构体嵌套初始化。

2024-03-09 09:17:12 435

原创 【C语言】指针相关知识点

指针(Pointer)是编程语言中的一个对象,利用地址,它的值直接指向(points to)存在电脑存储器中另一个地方的值。由于通过地址能找到所需的变量单元,可以说,地址指向该变量单元。因此,将地址形象化的称为“指针”。意思是通过它能找到以它为地址的内存单元。

2024-03-09 08:55:16 789

原创 【C语言】操作符相关知识点

< 左移操作符>>右移操作符左移操作符 移位规则:左边抛弃、右边补0右移操作符 移位规则:首先右移运算分两种:1.逻辑移位 左边用0填充,右边丢弃2.算术移位 左边用原该值的符号位填充,右边丢弃警告⚠ : 对于移位运算符,不要移动负数位,这个是标准未定义的。

2024-03-08 17:21:14 923

原创 【C语言】求一个整数存储在内存中的二进制中1的个数

本代码使用了"位操作"的方法来计算一个整数的二进制表示中包含多少个 1。具体来说,程序通过不断将整数除以 2,并判断余数是否为 1 的方式,逐位判断整数的二进制表示中每一位是否为 1,从而统计出整数中包含多少个 1。

2024-03-07 21:20:02 402

原创 【Python刷题】环形链表

给你一个链表的头节点 head ,判断链表中是否有环。如果链表中有某个节点,可以通过连续跟踪 next 指针再次到达,则链表中存在环。为了表示给定链表中的环,评测系统内部使用整数 pos 来表示链表尾连接到链表中的位置(索引从 0 开始)。注意:pos 不作为参数进行传递。仅仅是为了标识链表的实际情况。如果链表中存在环 ,则返回 true。否则,返回 false。

2024-03-07 20:38:39 517

原创 【C语言】斐波那契数列的C语言代码实现

斐波那契数列(Fibonacci sequence)是一个非常经典的数列,在数学和计算机科学中都有重要的应用。这个数列以 0 和 1 开始,后续的每一项都是前两项之和。换句话说,从第三项开始,每一项都等于前两项的和。斐波那契数列的形式如下: 1, 1, 2, 3, 5, 8, 13, 21, …

2024-03-06 15:22:05 596

原创 【C语言】冒泡排序

概念冒泡排序(Bubble Sort)是一种简单的排序算法,它重复地遍历要排序的列表,一次比较两个元素,并且如果它们的顺序错误就把它们交换过来。通过多次的遍历和比较,最大(或最小)的元素会逐渐“浮”到数列的顶端,因此得名“冒泡排序”。代码方法一:数组#include<stdio.h>void Print(int arr[], int size){ for (int i = 0; i < size; i++) { printf("%d ", arr[i]); }

2024-03-06 14:58:43 444

原创 【C语言】初始C语言的基础概念知识

statement;//语句项 } ret_type 返回类型fun_name 函数名para1 函数参数函数声明:告诉编译器有一个函数叫什么,参数是什么,返回类型是什么。但是具体是不是存在,无关紧要。函数的声明一般出现在函数的使用之前。要满足先声明后使用。函数的声明一般要放在头文件中的。函数定义:函数的定义是指函数的具体实现,交待函数的功能实现。

2024-03-06 11:00:04 1014

原创 【Python刷题】回文链表

给你一个单链表的头节点 head ,请你判断该链表是否为回文链表。如果是,返回 true;否则,返回 false。

2024-03-05 09:41:27 314

原创 【机器学习】生成对抗网络GAN

生成对抗网络(Generative Adversarial Network,GAN)是一种深度学习模型架构,由生成器(Generator)和判别器(Discriminator)两部分组成,旨在通过对抗训练的方式生成逼真的数据样本。GAN 的基本思想是让生成器和判别器相互竞争、不断优化,以达到生成高质量数据的目的。生成器的任务是生成尽可能逼真的数据样本,而判别器的任务是区分真实数据和生成器生成的假数据。通俗的讲,就是让生成器生成的数据更真,真到能把判别器“骗”过去。

2024-03-04 19:22:29 551

原创 【神经网络与深度学习】时间卷积网络(TCN)

时间卷积网络(TCN)的总体概述,膨胀卷积以及感受野等相关名词解释

2024-03-04 10:25:14 2103

原创 【Python刷题】反转链表(双指针和递归两种方法)

给你单链表的头节点 head ,请你反转链表,并返回反转后的链表。输入:head = [1,2,3,4,5]输出:[5,4,3,2,1]

2024-02-28 10:03:11 345

原创 【神经网络与深度学习】概率神经网络PNN

概率神经网络是一种神经网络模型,与传统的神经网络不同,它在模型设计和训练过程中引入了概率论的概念,以处理不确定性和随机性的数据。PNN总体框架:概率神经网络的典型应用包括回归、分类、生成模型等任务。它在处理带有噪声、不完整数据或者需要考虑不确定性的场景下具有很好的效果。

2024-02-27 17:18:19 1364

原创 灰色预测模型的详细内容及代码示例

是一种基于灰色系统理论的预测模型,主要用于处理具有少量数据、缺乏规律性和不确定性的时间序列数据。什么是:如果某一系统的全部信息已知为白色系统;全部信息未知为黑箱系统;,那么这一系统就是灰色系统。灰色预测模型的基本思想是通过建立灰度微分方程,对原始数据进行处理,从而实现数据序列的规律性揭示和未来趋势的预测。主要应用于具有短期数据、少样本和不完整信息的情况。

2024-02-27 16:14:24 1284

原创 ARIMA模型的详细解读

ARIMA模型的详细内容

2024-02-26 20:57:36 1185

原创 【神经网络与深度学习】激活函数

本篇内容来源于B站视频。

2024-02-04 10:00:36 928

原创 Python代码生成的图像显示不出字体的解决办法

【代码】Python代码生成的图像显示不出字体的解决办法。

2024-01-30 15:22:44 533

原创 【机器学习】常见的聚类算法——K-means算法

K-means算法是一种无监督学习的聚类算法,用于将一组数据点划分为K个簇(cluster)。它基于数据点之间的相似性度量,将相似的数据点归为同一个簇,不相似的数据点归为不同的簇。算法的概念和定义如下:簇中心(Cluster Center):每个簇都有一个中心点,用于表示该簇的位置。初始时,K-means算法需要随机选择K个点作为初始的簇中心。

2024-01-26 18:40:39 780

原创 【机器学习】常见的聚类算法——双聚类算法(Biclustering algorithm)

算法采用不同的方式给双向簇分配行列,这导致了不同的双向聚类结构。当将行和列划分为区块时,将出现块对角或棋盘结构。如果每一行和每一列恰好属于一个二元组,则重新排列数据矩阵的行和列将显示对角线上的二元组。这是此结构的示例,此结构的双向簇具有比其他行列更高的平均值:通过分隔行和列形成的双向簇的示例在棋盘结构的例子中,每一行属于所有的列簇,每一列属于所有的行簇。

2024-01-19 17:42:01 1145

原创 【机器学习】常见的聚类算法——凝聚型层次聚类算法(Agglomerative Clustering)

本文为常见的聚类算法之层次算法,主要研究了凝聚型层次聚类算法(Agglomerative Clustering),给出了概念、实例,以及可运行的代码及结果。使用鸢尾花数据集聚类的例子进行实验。

2024-01-19 16:18:38 1876

原创 在新建Python文件时自动生成文件信息注释

2.选择"Settings"(设置)-> “Editor”(编辑器)-> “File and Code Templates”(文件和代码模板)。3.在弹出的窗口中,选择"Python Script"(Python脚本)。1.打开PyCharm编辑器,点击菜单栏的"File"(文件)。

2024-01-17 18:29:15 502

原创 【Python刷题】相交链表

给你两个单链表的头节点 headA 和 headB ,请你找出并返回两个单链表相交的起始节点。如果两个链表不存在相交节点,返回 null。

2023-11-21 20:13:35 61 1

原创 【ARDL】自回归分布滞后模型

AIC偏向于选择复杂模型,而BIC倾向于选择简单模型。在实际例子中,AIC和BIC可以用来选择最适合特定数据集的统计模型。接下来我会以线性回归模型为例,说明如何使用AIC和BIC进行模型选择。假设我们有一个包含多个自变量的数据集,并且我们想要建立一个线性回归模型来预测因变量。我们可以建立不同数量和类型的自变量的多个模型,然后使用AIC和BIC来确定哪个模型最适合我们的数据集。首先,我们拟合不同的线性回归模型,每个模型使用不同的自变量组合。然后,对每个模型计算其对应的AIC和BIC值。最后,我们。

2023-11-10 10:06:02 2712 1

原创 【神经网络与深度学习】神经网络基础知识(下)——线性模型、KL散度、Logistic回归、感知器、支持向量机(SVM)等

线性可分问题示例:与、或、异或问题与:(0,0)(0,1)(1,0)中没有1,就分为0那一类,两个都为1的(1,1),就分为1那一类;或:只要有一个1,就分为1那一类;没有1就分为0那一类异或:两个值一样的为1类,不一样的为0类,无法线性分类。

2023-11-10 09:14:16 93 1

原创 【神经网络与深度学习】神经网络或机器学习的相关基础概念(上)

通过构建具有一定“深度”的模型,可以让模型来自动学习好的特征表示,从而最终提升预测或识别的准确性。深度学习=表示学习+决策(预测)学习。

2023-11-08 16:22:16 70 1

原创 【Python刷题】移动零

给定一个数组 nums,编写一个函数将所有 0 移动到数组的末尾,同时保持非零元素的相对顺序。请注意 ,必须在不复制数组的情况下原地对数组进行操作。

2023-11-03 09:33:54 35

原创 【神经网络与深度学习】Transformer模型

因为在Transformer的编码器结构中,并没有针对词汇位置信息的处理,因此需要在Embedding层后加入位置编码器,将词汇位置不同可能会产生不同语义的信息加入到词嵌入张量中,以弥补位置信息的缺失。无论是源文本嵌入层还是目标文本嵌入层,都是为了将文本中词汇的数字表示转变为向量表示,希望在这样的高维空间捕捉词汇间的关系。通过上面的内容,我们已经完成了所有组成部分的实现,接下来就来实现完整的编码器-解码器结构。我们将通过一个小的copy任务万层模型的基本测试工作。接着将基于以上结构构建用于训练的模型。

2023-10-26 22:44:50 100

原创 【python】两数之和

i 表示从第一个数开始算起,比如一段数组【2,3,4,7】,i 首先指向2,tmp从 i 后的数依次遍历,首先 tmp 表示 3 ,判断 2+3 是否等于 9 ,若等于,输出数字 2 和 3 的下标;若不等于,让 tmp=4 继续向下判断。若一轮过后仍未等于,则让 i 指向 3 ,然后继续判断。创建两个嵌套循环,依次遍历两数之和是否等于target,若等于,则输出下标,若不等,则继续循环遍历。

2023-10-12 08:38:13 265 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除