2013谷歌笔试题






代码:

[cpp]  view plain copy
  1. //转载请标明出处,原文地址:http://blog.csdn.net/hackbuteer1/article/details/8017703  
  2. bool IsPrime(int n)  
  3. {  
  4.     int i;  
  5.     if(n < 2)  
  6.         return false;  
  7.     else if(2 == n)  
  8.         return true;  
  9.     if((n&1) == 0)    //n%2 == 0  
  10.         return false;  
  11.     for(i = 3 ; i*i <= n ; i += 2)     //只考虑奇数  
  12.     {  
  13.         if(n % i == 0)  
  14.             return false;  
  15.     }  
  16.     return true;  
  17. }  
  18.   
  19. /* 
  20. 考虑到所有大于4的质数,被6除的余数只能是1或者5 
  21. 比如接下来的5,7,11,13,17,19都满足 
  22.  
  23. 所以,我们可以特殊化先判断2和3 
  24. 但后面的问题就出现了,因为并非简单的递增,从5开始是+2,+4,+2,+4,....这样递增的 
  25. 这样的话,循环应该怎么写呢? 
  26.  
  27. 首先,我们定义一个步长变量step,循环大概是这样 for (i = 5; i <= s; i += step) 
  28. 那么,就是每次循环,让step从2变4,或者从4变2 
  29. 于是,可以这么写: 
  30. */  
  31. bool IsPrime2(int n)  
  32. {  
  33.     int i, step = 4;  
  34.     if(n < 2)  
  35.         return false;  
  36.     else if(2 == n || 3 == n)  
  37.         return true;  
  38.     if((n&1) == 0)    //n%2 == 0  
  39.         return false;  
  40.     if(n%3 == 0)      //n%3 == 0  
  41.         return false;  
  42.     for(i = 5 ; i*i <= n ; i += step)  
  43.     {  
  44.         if(n % i == 0)  
  45.             return false;  
  46.         step ^= 6;  
  47.     }  
  48.     return true;  
  49. }  
  50.   
  51. void print_prime(int n)  
  52. {  
  53.     int i , num = 0;  
  54.   
  55.     for(i = 0 ; ; ++i)  
  56.     {  
  57.         if(IsPrime2(i))  
  58.         {  
  59.             printf("%d  " , i);  
  60.             ++num;  
  61.             if(num == n)  
  62.                 break;  
  63.         }  
  64.     }  
  65.     printf("\n");  
  66. }  


代码:

[cpp]  view plain copy
  1. //转载请标明出处,原文地址:http://blog.csdn.net/hackbuteer1/article/details/8017703  
  2. void myswap(int a , int b , int* array)  
  3. {  
  4.     int temp = array[a];  
  5.     array[a] = array[b];  
  6.     array[b] = temp;  
  7. }  
  8.   
  9. //利用0和其它数交换位置进行排序  
  10. void swap_sort(int* array , int len)  
  11. {  
  12.     int i , j;  
  13.     for(i = 0 ; i < len ; ++i)          //因为只能交换0和其他数,所以先把0找出来  
  14.     {  
  15.         if(0 == array[i])  
  16.         {  
  17.             if(i)   //如果元素0不再数组的第一个位置  
  18.                 myswap(0 , i , array);  
  19.             break;  
  20.         }  
  21.     }  
  22.   
  23.     for(i = 1 ; i < len ; ++i)     //因为是0至N-1的数,所以N就放在第N的位置处  
  24.     {  
  25.         if(i != array[i])    //这个很重要,如果i刚好在i处,就不用交换了,否则会出错  
  26.         {  
  27.             for(j = i + 1 ; j < len ; ++j)  
  28.             {  
  29.                 if(i == array[j])  
  30.                 {  
  31.                     myswap(0 , j , array);   //把0换到j处,此时j处是0  
  32.                     myswap(j , i , array);   //把j处的0换到i处,此时i处是0  
  33.                     myswap(0 , i , array);   //把i处的0换到0处  
  34.                 }  
  35.             }//for  
  36.         }  
  37.     }//for  
  38. }  


代码:
[cpp]  view plain copy
  1. //转载请标明出处,原文地址:http://blog.csdn.net/hackbuteer1/article/details/8017703  
  2. int mymin(int a , int b , int c)  
  3. {  
  4.     int temp = (a < b ? a : b);  
  5.     return temp < c ? temp : c;  
  6. }  
  7.   
  8. int min_edit_dic(char* source , char* target)  
  9. {  
  10.     int i , j , edit , ans;  
  11.     int lena , lenb;  
  12.     lena = strlen(source);  
  13.     lenb = strlen(target);  
  14.     int** distance = new int*[lena + 1];  
  15.     for(i = 0 ; i < lena + 1 ; ++i)  
  16.         distance[i] = new int[lenb + 1];  
  17.     distance[0][0] = 0;  
  18.     for(i = 1 ; i < lena + 1 ; ++i)  
  19.         distance[i][0] = i;  
  20.     for(j = 1 ; j < lenb + 1 ; ++j)  
  21.         distance[0][j] = j;  
  22.     for(i = 1 ; i < lena + 1 ; ++i)  
  23.     {  
  24.         for(j = 1 ; j < lenb + 1 ; ++j)  
  25.         {  
  26.             if(source[i - 1] == target[j - 1])  
  27.                 edit = 0;  
  28.             else  
  29.                 edit = 1;  
  30.             distance[i][j] = mymin(distance[i - 1][j] + 1 , distance[i][j - 1]  + 1 , distance[i - 1][j - 1] + edit);  
  31.             //distance[i - 1][j] + 1             插入字符  
  32.             //distance[i][j - 1]  + 1            删除字符  
  33.             //distance[i - 1][j - 1] + edit      是否需要替换  
  34.         }  
  35.     }  
  36.     ans = distance[lena][lenb];  
  37.   
  38.     for(i = 0 ; i < lena + 1 ; ++i)  
  39.         delete[] distance[i];  
  40.     delete[] distance;  
  41.   
  42.     return ans;  
  43. }  
int median( int a, int b, int c )  
{  
    int min,max;  
    if ( a < b )  
    {  
        min = a;  
        max = b;  
    }  
    else   
    {  
        min = b;  
        max = a;  
    }  
    // 此时有 min<=max  
    if ( max <= c )  
        return max;  
    else // min <= max, c <max,   
    {  
        // 比较min和c  
        if ( min <= c ) // min <=c < max  
            return c;  
        else   
            return min; // c< min <= max  
    }  
}  

int median( int a, int b, int c )
{
    int min = a, max =a;
    if( b < min )
        min = b;
    else
        max = b;

    if( c < min )
        min = c;
    else if( c > max )
        max = c;

    return a + b + c - min - max;
} 


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