算法 深度 规则apriori
深度特征融合相关论文（后续更新）
FCN：Fully convolutional Networks for Semantic Segmentation — CVPR2015 ResNet：Deep Residual Learning for Image Recognition — CVPR2016 FPN：Feature pyram ......
[练习记录] 《算法竞赛进阶指南》打卡活动
89. a^b 题目大意 给 $a,b,p$ 求 $a^b \mod p$。 思路 可以直接快速幂。当模数 $p$ 为 $1$ 的时候特判一下。 代码 ll a, b, mod; ll qpow(ll a, ll b) { ll res = 1; while (b) { if (b & 1) res ......
分块+莫队算法
分块 复杂度$O(n \sqrt n)$ 主要目的是解决一些区间操作问题 把区间拆分成 $\sqrt{n}$ 大小的块 每次碰到修改的操作，对于散块，直接暴力操作，对于整块，那么用一个 $tag$ 进行标记即可 也就是说对于一个操作 $[l,r]$ 来说 我们需要进行操作主要分三步： 暴力操作头散块 ......
Gusfield算法学习
算法详解 等价流树正如其名，树上两点间的路径上的边权最小值为图上两点间的最小割。 Gusfield算法就是建等价流树的一种算法。设当前正在处理的集合为 $S(|S|\ge 2)$，从 $S$ 中任选两个点 $x,y$，求出 $x,y$ 间的最小割也就是最大流 $flow$，此时在最小割树中加入一条从 ......
Berlekamp–Massey 算法 小记
神秘算法，模拟赛对着死磕了3.5h 然后发现是高科技，大家都不会，但是大家都会 T3 ，输麻了。 这个算法是一个增量构造的过程，我们尝试维护前 $i-1$ 项的递推式，然后对于加入 第 $i$ 项后调整。 具体的，假设我们有一个数列 $1,2,4,10,24,50$，最初我们的递推式是 ${}$。 ......
三维重建原理和算法
原理 采集深度图像：使用深度相机采集场景深度信息，并将其转换为深度图像。 点云生成：根据深度图像，将场景中的点云数据进行生成。 点云滤波：对于采集到的点云数据进行滤波处理，去除无效数据点。 点云配准：如果需要将多个点云数据融合为一个完整的点云模型，需要进行点云配准操作，使得各个点云数据之间能够对齐。 ......
Pytorch2 如何通过算子融合和 CPU/GPU 代码生成加速深度学习
动动发财的小手，点个赞吧！ PyTorch 中用于图形捕获、中间表示、运算符融合以及优化的 C++ 和 GPU 代码生成的深度学习编译器技术入门 计算机编程是神奇的。我们用人类可读的语言编写代码，就像变魔术一样，它通过硅晶体管转化为电流，使它们像开关一样工作，并允许它们实现复杂的逻辑——这样我们就可 ......
jQuery轮播图（模仿滑动窗口算法）
``` const status = [ "left:0px;", "left:10px;", "left:20px;", "left:30px;", "left:40px;", ]; const list = $("#carousel > ul > li"); const len = list.l ......
[ML从入门到入门] 支持向量机：SMO算法的收敛性分析
引言 上一篇文章我们介绍了 SMO 算法，作为其姊妹篇，本文将对 SMO 算法的收敛性进行扼要地分析，同时，希望能为读者提供新的角度去理解 SMO 算法的原理。 证明思路来自于《Convergence of a Generalized SMO Algorithm for SVM Classifier ......
sklearn.metrics.auc—使用梯形规则计算曲线下面积(AUC)
参考：https://scikit-learn.org/stable/modules/generated/sklearn.metrics.auc.html 在分类模型的性能评估指标总结章节中，我们讲到AUC曲线是分类模型的性能评价指标之一。接下来将对sklearn库中AUC曲线的具体计算方式进行讲解 ......
基于模拟退火算法的车间调度优化matlab仿真,输出甘特图
1.算法仿真效果 matlab2022a仿真结果如下： 优化目标: 最小平均流动时间 粒子数:100 循环代数:500 变异率:0.35 变异变换对数:3 模拟退火初始值:1000 模拟退火终值:0 最小平均流动时间:43 最大完工时间:61 最小间隙时间:60 最优粒子3 1 3 6 4 5 3 ......
基于LBP人脸特征提取算法的人员身份信息验证matlab仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 LBP（Local Binary Patterns，局部二值模式）是提取局部特征作为判别依据的。LBP方法显著的优点是对光照不敏感，但是依然没有解决姿态和表情的问题。不过相比于特征脸方法，LBP的识别率已经有了很大的提 ......
【深度学习基础】使用libtorch部署pytorch训练的网络
下载安装配置：https://pytorch.org/cppdocs/installing.html 小例程：https://pytorch.org/cppdocs/frontend.html 官方：https://pytorch.org/tutorials/beginner/Intro_to_To ......
Gusfield算法学习
算法详解 感觉最小割树是个很神奇的东西。 最小割树有一个性质：原图上的两点间的最小割大小和方案正好有一种是树上对应两点间的最小割大小和方案。 那么怎么建出这样的树呢？可以用到Gomory-Hu Tree。但我们通常只需要用到大小，这时候我们可以建出等价流树。 Gusfield算法就是建等价流树的一种 ......
[ML&DL] 深度学习的实践层面
深度学习的实践层面 训练集 验证集 测试集 过程 神经网络的训练是一个需要不断迭代的过程，一般先提出idea，然后编码实现、测试，根据测试结果再次调整思路...... 分组与比例 数据集通常分为3个部分：训练集、验证集和测试集。 训练集用于训练模型的参数。 验证集用于选择最好的模型。 测试集用于评估 ......
JAVA AES 加密算法实现
import javax.crypto.Cipher; import javax.crypto.spec.IvParameterSpec; import javax.crypto.spec.SecretKeySpec; import java.nio.charset.StandardCharsets ......
利用深度学习实现序列模型
利用深度学习实现序列模型 序列问题的含义是接收一个序列作为输入，然后期望预测这个序列的后续。例如继续预测2,4,6,8,10...。这在时间序列中是相当常见的，可以用来预测股市的波动、患者的体温曲线或者赛车所需的加速度。 从原理上说，==卷积神经网络可以有效处理空间信息，那么循环神经网络则能更好处理 ......
关于深度思考
对任何领域要达到专家水平境界是一个非常困难的事情。对多数人而言，首要的是理解摆在他们面前的大量工作，并通过学习并获得直觉感悟，这些感悟促成了见识、格局的增长。 自我境界（含见识、格局）的提升是一个漫长的过程，且是一个无法自我衡量的过程。但从大部分的生涯中总一下，其过程符合一下曲线： 但，本次我想讨论 ......
二分查找算法讲解及其C++代码实现
二分查找算法是一种常用的查找算法，也被称为折半查找。它可以在有序的数组或列表中快速查找需要的元素。 算法描述： 首先确定数组的中间位置mid=(left+right)/2； 然后将要查找的值key与中间位置的值进行比较； 如果key等于中间位置的值，则查找成功，返回mid； 如果key小于中间位置的 ......
C# 卡车装车算法2
1. 创建一个货物类，包含长、宽、高、重量、颜色、标签等属性，并定义一个列表用于存储所有货物对象。 public class Cargo { public float length; public float width; public float height; public float weig ......
深度了解group分组查询
使用group by的简单例子 group by 工作原理 group by + where 和 group by + having的区别 group by 优化思路 group by 使用注意点 一个生产慢SQL如何优化 1. 使用group by的简单例子 group by一般用于分组统计，它表 ......
《啊哈 算法》读书笔记 附PDF #C2
《啊哈算法》这本书是由Northeastern大学的教授哈林顿（Harrrington）所著，是一本在自学算法中十分有用的工具书。阅读完此书后，我颇有感触，下面就来谈谈我的读后感体验。 首先，本书的内容非常易懂。作者通过通俗易懂的语言和生动形象的图片，将复杂的算法理论一步步讲解，使人们能够轻松理解难 ......
Redis+lua 实现令牌桶限流算法
使用 lua := redis.NewScript(script) args[0] = strconv.Itoa(fillInterval) args[1] = strconv.FormatInt(time.Now().Unix()*1000, 10) res, err := lua.Run(con ......
【动手学深度学习】第五章笔记：层与块、参数管理、自定义层、读写文件、GPU
为了更好的阅读体验，请点击这里 由于本章内容比较少且以后很显然会经常回来翻，因此会写得比较详细。 5.1 层和块 事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。例如，在计算机视觉中广泛流行的ResNet-152 架构就有数百层，这些层是由层组（groups of layers）的 ......
【C++】引用、引用初始化、引用折叠规则
引用引用就好像存储数据的一块内存区域（变量）的一个名字，定义引用就好像声明了一个变量名并把它绑定到已存在的变量上，变量名附带属性（包括但不限于类型、存储期），变量名附带的属性由声明变量名时使用的声明指定符决定。需要注意的是，用于声明左值引用的 & 和用于声明右值引用的 && 不属于声明指定符，它们是 ......
关于深度学习中的两个概念weights和checkpoint
WEIGHT和checkpoint都是深度学习中的概念，但它们的含义和作用有所不同。 WEIGHT通常指的是神经网络中的参数。在训练过程中，神经网络的参数会不断更新以提高模型的准确性。这些参数通常被存储在称为“权重”的数组中。因此，当我们保存模型的权重时，我们实际上是将神经网络的参数保存到文件中，以 ......
一棵广度和深度都未知的树，存储于数据库的表中，节点存储顺序随机...
public class DeleteNode { public static void main(String[] args) { Node node = new Node(1, 1, "aa"); Node node1 = new Node(2, 3, "bb"); Node node2 = n ......
深度学习--GAN实战
深度学习--GAN实战 DCGAN import torch from torch import nn, optim, autograd import numpy as np import visdom import random #用python -m visdom.server启动服务 h_di ......
2. 例子--深度学习
构建一个简单的网络，先从线性函数开始： 1. 从输入 >输出的映射 图片（32*32*3=3072） 经过 f(xi|W)+b 映射 每个类别的得分 我们来解析一下这个映射函数：f(xi|W)=Wx+b a: xi 是输入的参数，在此例中就是图片像素点矩阵（32*32*3=3072），根据计算机的存 ......
借助尾号限行 API 实现限行规则应用的设计思路分析
尾号限行 API 是一种提供已知所有执行限行政策的城市（如中国大陆等地）未来一段时间内机动车尾号限行数据查询的接口 ......