卷积 数论

Conv2Former: A Simple Transformer-Style ConvNet for Visual Recognition * Authors: [[Qibin Hou]], [[Cheng-Ze Lu]], [[Ming-Ming Cheng]], [[Jiashi Feng]] ......

Codeforces Round 910 (Div. 2) D. Absolute Beauty 思路： 将每个 \(a_i\) 与 \(b_i\) 转化为线段，大数在后，小数在前 即 L ( min) —— R (max) 对于 \(b_i\) 和 \(b_j\) 的 交换 ： ​ L1 —— R ......

Codeforces Round 910 (Div. 2) B. Milena and Admirer 思路： 要使数组非递减，则可以先进行倒序遍历，对于当前的 \(a_i\) , 要使 \(a_i\le a_{i+1}\) 我们可以进行贪心，让 \(a_i\) 分完尽可能使每个 \(a_i / k ......

Educational Codeforces Round 139 (Rated for Div. 2) D. Lucky Chains 思路： 假设幸运为k ， 则 gcd(x+k,y+k) ≠ 1 , k取最小整数（k>=0） 由此可设 因子为 d ， (x+k)%d = 0 , (y+k)%d ......

Codeforces Round 891 (Div. 3) F. Sum and Product 思路： 对于x,y：ai+aj=x —> aj=x-ai 因此 ai*(x-ai) = y ——> ai = (x 土 sqr( x^2 - 4y ) ) /2 对应的 ai 就是要的两个值 若两个值不 ......

Educational Codeforces Round 159 (Rated for Div. 2) C. Insert and Equalize 思路： 首先对 \(a\) 进行排序, 然后对所有差值取gcd ，获得可用的最大因子 \(gc\)， 答案有两种情况： 一种是 \(a_{n+1}\) ......

数论分块 求 \(\sum f(i)g(\biggl\lfloor \dfrac{n}{i} \biggr\rfloor)\)，并且 \(f(i)\) 的前缀和可以快速计算。 发现 \(\biggl\lfloor \dfrac{n}{i} \biggr\rfloor\) 的取值只有根号种，暴力做就完 ......

SCConv：用于特征冗余的空间和通道重建卷积 摘要 卷积神经网络（CNN）在各种计算机视觉任务中取得了显着的性能，但这是以巨大的计算资源为代价的，部分原因是卷积层提取了冗余特征。最近的工作要么压缩训练有素的大型模型，要么探索精心设计的轻量级模型。在本文中，我们尝试利用特征之间的空间和通道冗余进行 ......

近年来，在自动驾驶领域，鸟瞰视角（BEV）空间中的3D目标检测作为一种普遍的方法逐渐脱颖而出。尽管与视角视图方法相比，BEV方法在精度和速度估计方面得到了改进，但将BEV技术部署到实际自动驾驶车辆中仍然具有挑战性。这主要归因于它们依赖于基于视觉 Transformer （ViT）的架构，这使得相对于 ......

归不到类，说实话不知道从哪里开始。 积性函数 没啥好说。如果一个定义在 \(N+\) 集合上的函数 \(f\) 满足对于任意一对互质的正整数 \(p,q\) 都有 \(f(pq)=f(p)f(q)\)，则称 \(f\) 为积性函数。若是对于任意正整数 \(p,q\) 都有 \(f(pq)=f(p)f ......

特征提取的另一种方式是将原有模型与一个新的密集分类器相连接，以构建一个新的模型，然后对整个模型进行端到端的训练。这种方法在输入数据上进行整体训练，使模型能够更好地适应数据特性并提取更有效的特征。通过这种方式，模型的性能可以得到进一步提高，同时也能更好地捕捉到数据中的复杂模式。 冻结卷积基 from ......

《STMGCN: Mobile Edge Computing-Empowered Vessel Trajectory Prediction Using Spatio-Temporal Multigraph Convolutional Network》 论文链接：https://doi.org/10. ......

论文精读：基于具有时空感知的稀疏多图卷积混合网络的大数据驱动船舶轨迹预测 《Big data driven vessel trajectory prediction based on sparse multi-graph convolutional hybrid network with spati ......

开篇碎碎念： 在咕咕咕的接近两周时间内看了些数论，但是由于对于latex的不熟悉所以就没有整理笔记出来，总的来说就是学了下exgcd、crt。然后回老家玩了一阵子所以咕咕咕。今天啃一啃欧拉函数&欧拉定理之类的，然后就可以组合数学启动啦！ヽ(✿ﾟ▽ﾟ)ノ 欧拉函数 参考博文：Plozia的欧拉函数 定 ......

2023.12.7 cf 1907E 解题思路 首先明确，如果这三个数加起来发生了进位，那么必然不是好数（一个位换下一个位总和会有损失） 然后，结果n的每一位就可以拆成几个1，或者说几个小球，用两个隔板往小球的空隙插（注意因为0也有可能，所以小球两边也可插，可插空隙个数为num+2） 然后就可以直接 ......

前言 数论分块我实际上在2021年的暑假就已经接触过了，当时是当成了定理来记，所以现在忘得也差不多了。 最近决定重温（从零开始重修）数论分块，利用坐地铁的时间看了几篇关于数论分块的博客文章（源自《洛谷日报》），感觉有些讲得不是非常详细，质量参差不齐。有些往往只放几个性质，然后将结论直接写在下面。这种 ......

神经网络模型流程 神经网络模型的搭建流程，整理下自己的思路，这个过程不会细分出来，而是主流程。 在这里我主要是把整个流程分为两个主流程，即预训练与推理。预训练过程主要是生成超参数文件与搭设神经网络结构；而推理过程就是在应用超参数与神经网络。 卷积神经网络的实现 在 聊聊卷积神经网络CNN中，将卷积神 ......

一、原根 性质 性质1 \(a,a^2,...,a^{\delta_m (a)}\)模\(m\)两两不同。 证明 反证，设存在$0 性质2 若\(a^n \equiv 1 \pmod{m}\)，则\(\delta_m (a) \mid n\)。 证明 反证，设$n=\delta_m (a)q+r，0 ......

数论 欧拉函数 定义 欧拉函数 \(\phi(n)\) 表示 \([1,n]\) 之间与 \(n\) 互质的数量。 公式 设 \(n=\alpha_{1}^{p_1} \times \alpha_{2}^{p_2} \times \alpha_{3}^{p_3} \times …… \times \ ......

同余 定义 费马小定理 定理内容：若 \(p\) 是质数，则有：$ \forall a \in Z, a ^ p \equiv a \pmod p$。 推论：当 \(\gcd(a,p) = 1\) 时，\(a ^ {p - 1} \equiv 1 \pmod p\)。 裴蜀定理及拓展欧几里德算法 裴 ......

1.机器学习的定位 AI，是我们当今这个时代的热门话题，那AI到底是啥？ 通过翻译可知：人工智能，而人工智能的四个核心要素： -数据 -算法 -算力 -场景 然后机器学习是人工智能的一部分，机器学习里面又有新的特例：深度学习。 通俗来说机器学习即使用机器去学习一部分数据，然后去预测新的数据所属的某一 ......

卷积神经网络（Convolutional Neural Network，CNN）是一种被广泛应用于图像识别、语音识别和自然语言处理等领域的深度学习模型。与RNN、Transformer模型组成AI的三大基石。 在卷积神经网络中，相比较普通的神经网络，增加了卷积层(Convolution)和池化层(P ......

import torch torch.manual_seed(2021) # in_channels 表示输入特征数量，卷积核的第一个维度 # out_channels 表示输出特征数量，也是卷积核的数量 # kernel_size 是卷积核的第二维度。 卷积核维度为 in_channels * k ......

整除 设 有整数 a,b且 a 不等于 0。 如果存在整数 q，使得 b=aq，那么就说 b 可被 a 整除，记作 a∣b，b 不被 a 整除记作 a∤b。 比如 3∣9的意思是 3能整除 9 ， 而 3∤10是3不能整除 10。 🌰 给定两个正整数a,b(0<a,b<105), 判断 a 能否整 ......

斯坦福大学的FlashFFTConv优化了扩展序列的快速傅里叶变换(FFT)卷积。该方法引入Monarch分解，在FLOP和I/O成本之间取得平衡，提高模型质量和效率。并且优于PyTorch和FlashAttention-v2。它可以处理更长的序列，并在人工智能应用程序中打开新的可能性。 处理长序列 ......

一、什么是平移不变性 1. 不变性 不变性意味着即使目标的外观发生了某种变化，但是你依然可以把它识别出来。这对图像分类来说是一种很好的特性，因为我们希望图像中目标无论是被平移，被旋转，还是被缩放，甚至是不同的光照条件、视角，都可以被成功地识别出来。 所以上面的描述就对应着各种不变性： 平移不变性：T ......

本文将介绍如何在一个小型的数据集上使用卷积神经网实现图片的分类。在这个例子中，我们将使用一个经典的数据集，包含24000张猫狗图片（12000张猫的图片和12000张狗的图片），提取2000张用于训练和验证，1000张用于测试。我们将首先在2000个训练样本上训练一个简单的小型卷积神经网络模型，然后... ......

卷积运算和卷积核 图像运算中经常会碰到卷积运算这个讲法, 初看不知道具体含义, 其实非常简单, 工作原理如下: 首先提供一个小的矩阵, 一般是3*3, 或者是 5*5 或者是 7*7, 一般是方形矩阵, 维度为奇数, 这样中心点可以作为锚点, 矩阵中的元素取值多为很小的整数(或正或负或零), 该矩阵 ......

深度卷积模型：案例探究 为什么要学习一些案例呢？ 就像通过看别人的代码来学习编程一样，通过学习卷积神经模型的案例，建立对卷积神经网络的（CNN）的“直觉”。并且可以把从案例中学习到的思想、模型移植到另外的任务上去，他们往往也表现得很好。 接下来要学习的神经网络： 经典模型：LeNet5、AlexNe ......

卷积神经网络 计算机视觉问题 计算机视觉（computer vision）是因深度学习而快速发展的领域之一，它存进了如自动驾驶、人脸识别等应用的发展，同时计算机视觉领域的发展还可以给其他领域提供思路。 计算机视觉应用的实例：图片分类（识别是不是一只猫）、目标检测（检测途中汽车行人等）、图片风格转移等 ......