原创 刷題筆記（十三）——兩個鏈表的第一個公共節點
刷題筆記（十三）——兩個鏈表的第一個公共節點 題目描述 輸入兩個鏈表，找出它們的第一個公共結點。（注意因爲傳入數據是鏈表，所以錯誤測試數據的提示是用其他方式顯示的，保證傳入數據是正確的） 思路：若兩個鏈表有公共節點，則從第一個公共節點開始
2020-04-16 02:12:07
原创 查看本地IP和服務器端口
查看本地IP和服務器端口 win+x windowspowershell(管理員) netstat 顯示協議統計和當前的 TCP/IP 網絡連接。 -a：顯示所有連接和偵聽端口。服務器連接通常不顯示。 -e：顯示以太網統計。該
2020-04-16 02:12:07
原创 刷題筆記（十）——反轉鏈表
刷題筆記（十）——反轉鏈表 題目描述 輸入一個鏈表，反轉鏈表後，輸出新鏈表的表頭。 思路：採用棧，從頭遍歷將數值入棧，再從頭遍歷出棧給節點賦值。 /* struct ListNode { int val; struct ListNo
2020-04-10 22:58:14
原创 刷題筆記（十一）——合併兩個鏈表
刷題筆記（十一）——合併兩個鏈表 題目描述 輸入兩個單調遞增的鏈表，輸出兩個鏈表合成後的鏈表，當然我們需要合成後的鏈表滿足單調不減規則。 思路：採用遞歸方式 /* struct ListNode { int val; struct
2020-04-10 22:58:14
原创 刷題筆記（八）——矩形覆蓋
刷題筆記（八）——矩形覆蓋 題目描述 我們可以用2*1的小矩形橫着或者豎着去覆蓋更大的矩形。請問用n個2*1的小矩形無重疊地覆蓋一個2*n的大矩形，總共有多少種方法？ 比如n=3時，2*3的矩形塊有3種覆蓋方法： 思路： n=1時有1種
2020-04-10 22:58:04
1
原创 論文筆記 ASYNCHRONOUS FEDERATED OPTIMIZATION
論文筆記 ASYNCHRONOUS FEDERATED OPTIMIZATION 論文中提出了一種異步聯邦優化算法。 聯邦優化的同步特性是不可伸縮的、低效的和不靈活的。同時簽入的設備過多會導致服務器端的網絡擁塞。在每個全局epoch中，服
2020-04-05 10:25:11
39
原创 論文筆記——Client Selection for Federated Learning with Heterogeneous Resources in Mobile Edge
論文筆記——Client Selection for Federated Learning with Heterogeneous Resources in Mobile Edge 本文提出了一種基於邊緣計算的協議來改進聯邦學習算法。 由服
2020-04-05 10:25:11
39
原创 Python學習筆記（二）
Python學習筆記（二） for循環遍歷列表 #for循環遍歷列表 friends=['lisa','jim','john'] for friend in friends: print(friend.title()) prin
2020-04-05 10:25:11
原创 刷題筆記（一）——二維數組中的查找
刷題筆記（一）——二維數組中的查找 題目 在一個二維數組中（每個一維數組的長度相同），每一行都按照從左到右遞增的順序排序，每一列都按照從上到下遞增的順序排序。請完成一個函數，輸入這樣的一個二維數組和一個整數，判斷數組中是否含有該整數。 思
2020-03-24 09:37:37
原创 Python學習筆記（一）
Python學習筆記（一） 1.變量的使用 message1="hello python world" print(message1) 輸出結果： 2.大小寫轉換 首字母大寫 —title name="lisa" print(name
2020-03-24 09:37:37
原创 刷題筆記（二）——替換空格
刷題筆記（二）——替換空格 題目 請實現一個函數，將一個字符串中的每個空格替換成“%20”。例如，當字符串爲We Are Happy.則經過替換之後的字符串爲We%20Are%20Happy。 思路 1.從前向後遍歷字符串，如果遇到空格，
2020-03-24 09:37:37
原创 Client-Edge-Cloud Hierarchical Federated Learning
Client-Edge-Cloud Hierarchical Federated Learning 摘要 聯邦學習是一種協作式機器學習框架，用於在不訪問客戶私有數據的情況下訓練深度學習模型。以前的工作假設一箇中心參數服務器位於雲端或
2020-03-18 06:31:43
24
原创 Federated Learning with Non-IID Data
Federated Learning with Non-IID Data 論文中分析了FedAvg算法在Non-IID數據時，準確率下降的原因。並提出共享5%的數據可提高準確率。 Federated Learning with Non-I
2020-03-04 19:53:18
46
原创 編譯原理 詞法分析 源代碼
#include<iostream>#include<string>#include<fstream>#include<vector>// C++中的一種數據結構,確切的說是一個類.它相當於一個動態的數組,當程序員無法知道自己需要的數組的
2018-08-25 10:08:59
3
原创 編譯原理 LR分析
#include <iostream>#include <cstdio>#include <algorithm>#include <cstring>#include <cctype>#include <ve
2018-08-25 10:08:59