原创 藍橋杯-芯片檢測
思路：如果一個芯片是好芯片，那麼它被檢測的結果肯定是好多於壞。如果一個芯片是壞芯片，那麼它被檢測的結果肯定是壞多於好。根本原因是好的芯片比壞的芯片多。 但是如果單純看芯片檢測其他芯片的結果是沒用的，無論好壞芯片，檢測結果都有可能是
2020-04-15 06:58:03
原创 leetcode刷題（30天）-16. 最接近的三23. 買賣股票的最佳時機 III
class Solution { public int maxProfit(int[] prices) { if (prices.length == 0) { return 0; }
2020-03-08 12:14:36
原创 leetcode刷題（30天）-27. 移除元素
class Solution { public int removeElement(int[] nums, int val) { int i = 0; for (int j = 0; j
2020-03-04 18:19:18
原创 leetcode刷題（30天）-15. 三數之和
class Solution { public List<List<Integer>> threeSum(int[] nums) { List<List<Integer>> arr = new
2020-03-04 18:19:18
原创 leetcode刷題（30天）-兩數之和
public class task01_01 { public int[] twoSum(int[] nums, int target) { if(nums.length == 0){ thro
2020-03-03 13:27:11
原创 AI公益學習-Generative Adversarial Networks
1.Generative Adversarial Networks 1.1、網絡結構 1.2、discriminator 1.3、generator 爲了避免由於上面的損失函數存在梯度消失的問題，我們對調整損失函數。 M
2020-02-26 21:09:29
原创 AI公益學習-批量歸一化和殘差網絡
1、批量歸一化（BatchNormalization) 1.1、對輸入的標準化(漸層模型) 處理後的任意一個特徵在數據集中所有樣本上的均值爲0、標準差爲1。 標準化處理輸入數據使各個特徵的分佈相近 1.2、批量歸一化(深度模型）
2020-02-25 17:45:50
原创 AI公益學習-優化與深度學習
1、深度學習中的優化 1.1、優化 優化方法目標：訓練集損失函數值 深度學習目標：測試集損失函數值（泛化性） 1.2、優化在深度學習中的挑戰 局部最小值 鞍點 梯度消失 1.2.1、鞍點 x = np.arange(-2.0,
2020-02-25 17:45:50
原创 計算智能筆記（四）
1、競爭學習神經網絡 一種無監督的學習方法。 1.1、網絡基礎知識 自組織網絡結構屬於層次型網絡 特點：都具有競爭層 1.2、競爭學習出現的由來 1.2.1、基本概念 1.2.3、學習規則 1.3、競爭學習原理 1
2020-02-22 22:38:06
原创 AI公益學習-機器翻譯及其相關技術
機器翻譯 機器翻譯（MT）：將一段文本從一種語言自動翻譯爲另一種語言，用神經網絡解決這個問題通常稱爲神經機器翻譯（NMT）。 主要特徵：輸出是單詞序列而不是單個單詞。 輸出序列的長度可能與源序列的長度不同。 import sys
2020-02-21 13:07:20
原创 Python——迭代器和生成器
迭代器 迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會後退。 迭代器有兩個基本的方法：iter() 和 next()。 字符串，列表或元組對象都可用於創建迭代器。 迭代器可以也可以使用常規fo
2020-02-21 13:07:20
原创 Python——模塊
如果你從 Python 解釋器退出再進入，那麼你定義的所有的方法和變量就都消失了。 爲此 Python 提供了一個辦法，把這些定義存放在文件中，爲一些腳本或者交互式的解釋器實例使用，這個文件被稱爲模塊。 模塊是一個包含所有你定義的
2020-02-21 13:07:20
原创 pandas——dataFrame
dataFrame 一個簡單的dataFrame如下： 列索引 DataFrame的列索引可以直接獲取數據： 兩種方式： 行索引 loc 可以獲取多行數據，但是無法使用切片操作獲取數據。 單行數據獲取 使用切片操作會出現
2020-02-21 13:07:20
原创 AI公益學習-過擬合、欠擬合及其解決方案
1、模型的選擇 1.1、驗證數據集 從嚴格意義上講，測試集只能在所有超參數和模型參數選定後使用一次。不可以使用測試數據選擇模型，如調參。由於無法從訓練誤差估計泛化誤差，因此也不應只依賴訓練數據選擇模型。鑑於此，我們可以預留一部分在
2020-02-21 13:07:20