Noip前的大抱佛脚----赛前任务

赛前任务

tags:任务清单

前言

现在xzy太弱了,而且他最近越来越弱了,天天被爆踩,天天被爆踩
题单不会在作业部落发布,所以可(yi)能(ding)会不及时更新
省选前的练习莫名其妙地成为了Noip前的杂题训练,我也很无奈啊
做完了的扔最后,欢迎好题推荐
这么多题肯定是完不成了,能多做一道是一道吧

DP

yyb真是强得不要不要的辣:http://www.cnblogs.com/cjyyb/category/1036536.html

Anson课件

图论

Anson课件

数据结构

yyb的线段树

菊开课件

dsu on tree (zsy:https://www.cnblogs.com/zhoushuyu/p/9069164.html)

  • [x] [Codeforces600E]Lomsat gelral https://www.luogu.org/problemnew/show/CF600E
  • [ ] [Codeforces570D]Tree Requests
  • [ ] [Codeforces208E]Blood Cousins
  • [ ] [BZOJ4182]Shopping
  • [ ] [Codeforces741D]Arpa’s letter-marked tree and Mehrdad’s Dokhtar-kosh paths
  • [ ] [UOJ388]配对树

自己找的

贪心

菊开课件

分治

菊开课件

分块&莫队

hzwer的分块九题:http://hzwer.com/8053.html

数学

Anson课件

模拟搜索构造

菊开的搜索

字符串

杂题

找虐的时候码码题

学习新内容

  • [ ] 高湘一课件的全部内容
  • [ ] 凸优化DP
  • [ ] 四边形不等式
  • [ ] 莫队/树莫队
  • [x] 分块
  • [ ] dsu on tree
  • [x] 数位DP
  • [ ] 回文树
  • [ ] 线段树合并
  • [x] 0/1最短路
  • [x] 背包
  • [x] 树形背包
  • [ ] 扫描线

网络比赛

[AtCoder Grand Contest 027 https://agc027.contest.atcoder.jp)(大部分题解https://blog.csdn.net/Tiw_Air_Op1721

[AtCoder Regular Contest 102 https://arc102.contest.atcoder.jp

CodeForcesDiv2 1041F www.codeforces.com/contest/1041

CodeForcesDiv2 1042 C/D/E/F www.codeforces.com/contest/1042

可借鉴的博客

好题标签:https://blog.csdn.net/commonc/article/category/6221575

51Nod专题讲解 :https://www.51nod.com/question/index.html#!questionId=2461

一位dalao的洛谷博客:https://www.luogu.org/blog/Imagine/#

转载于:https://www.cnblogs.com/xzyxzy/p/9608303.html

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. **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