2019年07月_MaloFleur

09月 08月 07月 06月 05月 04月 03月 01月

原创数论分块证明与例题

证明：例题：1257: [CQOI2007]余数之和本质是求∑i=1n(k%i)=∑i=1n(k−i∗⌊ki⌋)=nk−∑i=1n(i∗⌊ki⌋)\sum_{i=1}^n(k \% i)=\sum_{i=1}^n(k-i*\lfloor{\frac{k}{i}}\rfloor)=nk-\sum_{i=1}^n(i*\lfloor{\frac{k}{i}}\rfloor)∑i=1n(k%...

2019-07-24 20:56:36 583

原创 Leetcode进阶之路——Weekly Contest 146

1128. Number of Equivalent Domino Pairs给定一个二维数组，判断其中相同元素的个数相同元素的定义：若对于下标i、j，有dominoes[i] = [a, b], dominoes[j]=[c, d]

2019-07-21 12:44:29 202

原创 leetcode中一些经典动态规划题（不定期更新）

115. Distinct Subsequences状态转移方程：dp[i][j]={dp[i][j−1],s[j]!=t[i]dp[i][j−1]+dp[i−1][j−1],s[j]==t[i]dp[i][j]=\begin{cases}dp[i][j - 1],\qquad\qquad\qquad\qquad\quad s[j] !=t[i] \\\\dp[i][j - 1] + ...

2019-07-19 22:13:41 2420

原创关于weight decay

weight decay的作用主要是令神经网络中的权重变小（趋于0），以防止过拟合如y=∑iwixiy=\sum_{i}{w_ix_i}y=∑iwixi，则因噪声的存在，可能会令其中某几个www偏大，导致无法正确拟合正常输入weight decay的公式为：C=C0+λ2n∑iwi2C=C_0+\frac{\lambda}{2n}\sum_i{w_i^2}C=C0+2nλ∑iwi...

2019-07-18 09:37:35 4743 1

原创 Leetcode进阶之路——Biweekly Contest 4

这大概是打过最简单的一次leetcode…都不用赛后总结直接写博了1118 Number of Days in a Month给定年份Y和月份M，返回这一年这一月共有多少天"难点"就是闰年二月的判断了，直接给代码：class Solution {public: int numberOfDays(int Y, int M) { if(M == 2) ...

2019-07-13 23:01:19 427

原创关于CNN、RNN中的梯度爆炸/梯度弥散

梯度爆炸(gradient explosion) 与梯度弥散(gradient vanishing) 是神经网络研究中常可能遇到的问题，主要体现在训练不收敛，误差、权重波动大，以及出现NaN值，本文以CNN与RNN为例，说明梯度爆炸/弥散的产生原因CNNCNN神经网络的简易图如下：用fff表示卷积函数，忽略pooling层，则每一层的运算可以表示为xn=f(Wnxn−1+bn)x_n=f(...

2019-07-07 21:37:27 2707

原创 Leetcode进阶之路——Weekly Contest 144

1108. Defanging an IP Address很简单的一道题，遍历字符串，给所有的'.'加方括号class Solution {public: string defangIPaddr(string address) { string s = ""; for(int i = 0; i < address.length(); ++i)...

2019-07-07 12:42:59 386

原创 KMP算法递归部分解析

关于KMP算法，比较难以理解的一部分应该是构造next数组：void GetNext(char* p,int next[]){ int pLen = strlen(p); next[0] = -1, next[1] = 0; int k = -1; for(int j = 1; j < pLen; ++j) { int k =next[j]; while(k >=...

2019-07-03 15:49:10 346

原创关于CNN、RNN中的权值共享

CNN卷积相对于全连接卷积神经网络的优势之一，就在于其权值共享大大减少了参数量借用全连接网络到卷积神经网络逐步推导（组图无公式）中的一张图：由于全连接层只能接收一维向量，因此对于输入为M x N的图像，需要先展平为一维的(MxN) x 1因此若得到的特征图feature map大小为P x Q（对应的一维向量为(PxQ) x 1），则map中每个元素需要MxN个权重，分别于输入图对应...

2019-07-02 11:24:39 11569

原创常见面试题整理每位开发者必备系列整合

常见面试题整理–数据库篇（每位开发者必备） - 路人甲的文章 - 知乎常见面试题整理–操作系统篇（每位开发者必备） - 路人甲的文章 - 知乎、常见面试题整理–计算机网络篇（每位开发者必备） - 路人甲的文章 - 知乎...

2019-07-01 14:22:43 204

选择理论》由牛津大学摩德林学院研究员迈克尔•阿林厄姆撰写，深入探讨了各种情境下的理性选择行为，为我们可能面对的各种选择提供指引。国内著名经济学家汪丁丁作序推荐。《选择理论》探讨了各种情境下的理性选择行为：与谁共度余生（确定状态下的选择）；是否接受一次死亡率为25%的手术，在面临恐怖袭击之虞时是否搭乘飞机（不确定状态下的选择，前者概率已知，后者概率未知）；以何种形式管理个人财产（特殊情形的不确定状态，涉及金钱）；一个国家在得知其他国家同样踌躇于是否扩张核能力时，它自己该作何选择（战略选择）；选举活动中“简单多数原则”与比例代表制各自的相对优势（集体选择）。

2019-01-08