根号 素数 数论 线性

数据结构与算法 第二章线性表(48课时课程笔记)Data Structure and Algorithms

2.1 线性表的类型定义 一个线性表是n个数据元素的有限序列。 (1)结构初始化 InitList(&L) 构造一个空的线性表L。 (2)销毁结构 DestroyList(&L) (3)引用型操作 (4) 修改型操作 一个算法举例: 假设有两个集合A和B分别用两个线性表LA和LB表示(即:线性表中的 ......
数据结构 课时 线性 算法 Algorithms

世微 AP75XX 低压差线性稳压器 LDO 多种分装

产品描述 AP75XX 是一款采用 CMOS 技术的低压差线性稳压器。最高工作电压可达 24V,有几种固定输出电压值,输出范围为 2.8V~9.0V,具有较低的静态功耗,广泛用于各类音频、视频设备和通信等设备的供电。特点应用领域封装信息输出电压选型 注:(XX 代表输出电压)型号输出电压封装类型SO ......
稳压器 线性 低压 多种 LDO

【算法】【线性表】四数之和

1 题目 给一个包含n个数的整数数组S,在S中找到所有使得和为给定整数target的四元组(a, b, c, d)。 四元组(a, b, c, d)中,需要满足 a<=b<=c<=d,答案中不可以包含重复的四元组。 样例 1: 输入: numbers = [2,7,11,15] target = 3 ......
之和 线性 算法

机器学习-线性回归-SVM支持向量机算法-12

目录1. 铺垫 感知器算法模型2. SVM 算法思想3. 硬分割SVM总结 支持向量机(Support Vector Machine, SVM)本身是一个二元分类算法,是对感知器算法模型的一种扩展。 1. 铺垫 感知器算法模型 什么是感知器算法模型? 感知器算法是最古老的分类算法之一,原理比较简单, ......
向量 线性 算法 机器 SVM

线性表

结构体 结构体基本概念:结构体属于用户自定义的数据类型,允许用户存储不同的类型。 结构体定义与使用: 语法: struct 结构体名{ 结构体成员列表 }; 通过结构体创建变量的三种方式: struct 结构体名 变量名 struct 结构体名 变量名= {成员1值,成员2值……} 定义结构体时顺便 ......
线性

Codeforces Round 910 (Div. 2) D. Absolute Beauty(数论)

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 ......
数论 Codeforces Absolute Beauty Round

Codeforces Round 910 (Div. 2) B. Milena and Admirer(数论)

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 ......
数论 Codeforces Admirer Milena Round

Educational Codeforces Round 139 (Rated for Div. 2) D. Lucky Chains(数论)

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 ......
数论 Educational Codeforces Chains Round

Codeforces Round 891 (Div. 3) F. Sum and Product (数论)

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 ......
数论 Codeforces Product Round 891

Educational Codeforces Round 159 (Rated for Div. 2) C. Insert and Equalize (贪心+数论)

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 \(a_{n+1}\) ......

[最优化方法笔记] 非线性规划 拉格朗日乘子法

1. 拉格朗日乘子法 拉格朗日乘子法 是一种 将约束优化问题 转化 为 无约束优化问题 的方法。其核心思想就是通过 拉格朗日乘子 将 含有 \(n\) 个变量和 \(m\) 个约束条件的带约束优化问题转换为含有 \(n + m\) 个变量的无约束优化问题。 对于如下约束优化问题: \[\begin{ ......
乘子 非线性 笔记 方法

区间素数筛模板

例题素数密度 template<typename T> struct segment_sieve { vector<bool> is_prime, is_prime_small; vector<T> prime; segment_sieve() { is_prime.resize(1000010); ......
素数 区间 模板

机器学习-线性回归-逻辑回归-实战-09

1. 二分类 #!/usr/bin/env python # coding: utf-8 # In[7]: import numpy as np from sklearn import datasets from sklearn.linear_model import LogisticRegress ......
线性 实战 逻辑 机器 09

机器学习-线性回归-softmax回归 做多分类-10

1. softmax回归 伯努利分布(0-1分布 二分类),我们采用Logistic回归(用sigmoid函数映射到 0-1之间 输出预测概率)建模。 那么我们应该如何处理多分类问题?(比如要进行邮件分类;预测病情属于哪一类等等)。对于这种多项式分布我们使用softmax回归建模。 什么是多项分布? ......
线性 机器 softmax 10

机器学习-线性回归-逻辑回归-08

目录1. sigmoid函数2. 伯努利分布(0-1分布)3. 广义线性回归4. 逻辑回归 损失函数的推导5. 代码并绘图 1. sigmoid函数 逻辑回归 logitstic regression 本质是二分类 sigmoid函数 是将 (-无穷, +无穷)区间上的y 映射到 (0, 1) 之间 ......
线性 逻辑 机器 08

Python NumPy 线性代数

​ 1、矩阵和向量积 矩阵和向量积可以用 numpy.dot() 函数来计算。numpy.dot() 函数的两个参数分别是矩阵和向量。 1)矩阵积 矩阵积是两个矩阵相乘的结果。矩阵积的计算方法是将矩阵的每一行与另一个矩阵的每一列相乘,然后将各个相乘结果相加。 示例代码:Python NumPy 线性 ......
线性代数 代数 线性 Python NumPy

数论学习笔记

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 ......
数论 笔记

线性探测法的查找函数 整型关键字的散列映射

一、 实验目的 掌握哈希表 二、 实验内容 实验题目 线性探测法的查找函数 整型关键字的散列映射 三、 设计文档 1. 2. 四、 源程序 1. Position Find( HashTable H, ElementType Key ) { int flag=0; Position p,q; p=H ......
线性 函数 关键字 关键

数论

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 ......
数论

【算法】【线性表】最接近的三数之和

1 题目 给一个包含 n 个整数的数组 S, 找到和与给定整数 target 最接近的三元组,返回这三个数的和。 样例 1: 输入: numbers = [2,7,11,15] target = 3 输出: 20 解释:2+7+11=20 样例 2: 输入: numbers = [-1,2,1,-4 ......
之和 线性 算法

线性探测法的查找函数

#include <stdio.h> #define MAXTABLESIZE 100000 /* 允许开辟的最大散列表长度 */typedef int ElementType; /* 关键词类型用整型 */typedef int Index; /* 散列地址类型 */typedef Index P ......
线性 函数

【算法】【线性表】三数之和

1 题目 给出一个有 n 个整数的数组 S,在 S 中找到三个整数 a, b, c,找到所有使得 a + b + c = 0 的三元组。 在三元组 (a, b, c),要求 a≤b≤c。结果不能包含重复的三元组。数组可能包含重复元素,但同一个索引下标的元素不可重复使用 样例 1: 输入: numbe ......
之和 线性 算法

机器学习-线性回归-多项式升维-07

目录1. 为什么要升维2 代码实现3, 总结 1. 为什么要升维 升维的目的是为了去解决欠拟合的问题的,也就是为了提高模型的准确率为目的的,因为当维度不够时,说白了就是对于预测结果考虑的因素少的话,肯定不能准确的计算出模型。 在做升维的时候,最常见的手段就是将已知维度进行相乘来构建新的维度,如下图所 ......
多项式 线性 机器 07

【算法】【线性表】两数之和

1 题目 趁着 RocketMQ在打包,做道算法题。 给一个整数数组,找到两个数使得他们的和等于一个给定的数 target。 你需要实现的函数twoSum需要返回这两个数的下标, 并且第一个下标小于第二个下标。注意这里下标的范围是 0 到 n-1。 样例 1: 输入: numbers = [2,7, ......
之和 线性 算法

机器学习-线性回归-损失函数+正则化regularization-06

目录1. 为什么要加上正则项2 L1稀疏 L2平滑3. 代码1--L2正则4 代码2--L2正则25. 代码3--l1正则 1. 为什么要加上正则项 防止模型的过拟合 需要在损失函数LOSS(MSE或者交叉熵)再加上正则项 常用的惩罚项有L1正则项或者L2正则项 其实L1和L2正则的公式数学里面的意 ......
正则 regularization 线性 函数 损失

【算法】【线性表】最长单词

1 题目 给一个词典,找出其中所有最长的单词。 样例 1: 输入: { "dog", "google", "facebook", "internationalization", "blabla" } 输出: ["internationalization"] 样例 2: 输入: { "like", " ......
线性 算法 单词

世微 AP5101C 兼容vas1086 高压线性降压恒流车灯驱动IC 宽压5-100V LED电源

产品描述 AP5101C 是一款高压线性 LED 恒流芯片 , 外围简单 、 内置功率管 , 适用于6- 100V 输入的高精度降压 LED 恒流驱动芯片。最大电流2.0A。AP5101C 可实现内置MOS 做 2.0A,外置 MOS 可做 3.0A 的。AP5101C 内置温度保护功能 ,温度保护 ......
车灯 线性 高压 电源 5101C

【算法】【线性表】最长公共前缀

1 题目 给k个字符串,求出他们的最长公共前缀(LCP) 样例 1: 输入: k个字符串 = ["ABCD", "ABEF", "ACEF"] 输出: "A" 解释:公共最长前缀是"A". 样例 2: 输入: k个字符串 = ["ABCDEFG", "ABCEFG", "ABCEFA"] 输出: " ......
前缀 线性 算法

【算法】【线性表】最长连续序列

1 题目 给定一个未排序的整数数组num,找出最长连续序列的长度。 样例 1: 输入: num = [100, 4, 200, 1, 3, 2] 输出: 4 解释:这个最长的连续序列是 [1, 2, 3, 4]. 返回所求长度 4 2 解答 public class Solution { /** * ......
线性 序列 算法

机器学习-线性回归-样本归一化处理-05

目录1. 为什么要对样本进行 归一化2. 归一化的方式一 最大最小值3. 归一化的方式二 标准归一化 1. 为什么要对样本进行 归一化 样本之间的数量级是千差万别 有量纲的 例如: theta1 >> theta2 数值小的 theta2 反而能快速的 收敛 数值大的 theta1 收敛较慢 出现 ......
线性 样本 机器 05
共1000篇  :4/34页 首页上一页4下一页尾页