原创 NumPy個人學習筆記【持續更新】

NumPy個人學習筆記【持續更新】 來源:快速入門教程 - NumPy中文文檔 目錄 基礎知識 數組的創建 打印數組 基本操作 通用函數 索引、切片和迭代 形狀操作 更改數組的形狀 將不同數組堆疊在一起 將一個數組分成幾個較小的數組 複製

原创 SciPy個人學習筆記【持續更新】

SciPy個人學習筆記【持續更新】 來源:SciPy教程 目錄 SciPy子包 SciPy常量  SciPy快速傅里葉變換 一維離散傅里葉變換 離散餘弦變換  SciPy積分 單積分 雙重積分 SciPy插值  一維插值 SciPy輸入和

原创 GAN的基本總結和小型demo

GAN的基本總結和小型demo 關於GANS(Generative Adversarial Networks) 屬於生成模型(generative models) 屬於無監督學習(unsupervised learning) 在不給定目的

原创 算法設計與分析課程複習筆記2——遞歸關係

算法設計與分析課程複習筆記2——遞歸關係 遞歸關係 遞歸關係描述的是自然數上的函數關係 對於某個n>0的函數值,通過小於n的函數值表示出來 爲什麼要分析遞歸關係? 許多算法,特別是遞歸算法,時間開銷函數都可以用遞歸關係來描述 求解

原创 算法設計與分析課程複習筆記7——動態規劃

算法設計與分析課程複習筆記7——動態規劃 動態規劃 和分治法一樣,是一種算法設計技術。 子問題非獨立。 分治法通過遞歸方式解決性質相同的子問題, 而動態規劃每次解決一個子問題,並將結果存儲在表格中。 用於優化類問題。 算法:

原创 算法設計與分析課程複習筆記9——圖的算法(含BFS、DFS)

算法設計與分析課程複習筆記9——圖的算法(含BFS、DFS) 圖的算法 圖:物體與物體之間的連接關係 圖的背景知識 圖:節點+邊 表示方法:圖G=(V,E) 節點V,|V|=n,節點數目 邊E,|E|=m,邊數目 圖的其他類型

原创 算法設計與分析課程複習筆記10——最小生成樹

算法設計與分析課程複習筆記10——最小生成樹 最小生成樹MST 修路問題 一個小鎮有一些房子和一些路,每條路連接且僅連接2座房子,連接u和v房子的路的維修代價爲w(u,v), 現在要維修僅夠需求的道路,使得:每兩座房子之間保持連通

原创 算法設計與分析課程複習筆記4——分治法

算法設計與分析課程複習筆記4——分治法 分治法 回顧:合併排序 分割、遞歸處理、合併 分治法 將一個問題分割成幾個規模小、性質相同的獨立的子問題 通常通過遞歸方法解決子問題 合併每個子問題的解得到整個問題的解 前提假設:原始問題

原创 算法設計與分析課程複習筆記5——隨機化算法

算法設計與分析課程複習筆記5——隨機化算法 隨機化算法 僱傭問題 問題描述: 通過中介招聘新職員 一天面試一箇中介介紹的候選人 優勝劣汰 Hire-Assistant(A)  current ← an infinitely u

原创 算法設計與分析課程複習筆記6——統計算法

算法設計與分析課程複習筆記6——統計算法 統計算法 修路問題 Given (x,y) coordinates of N houses, where should you build road parallel to x-axis

原创 算法設計與分析課程複習筆記1——算法基礎(含插入、合併排序)

算法設計與分析課程複習筆記1——算法基礎(含插入、合併排序) 算法概述 算法的定義 非正式地說,算法是任何良定義的計算過程,該過程取某個值或值的集合作爲輸入併產生某個值或值的集合作爲輸出。 算法是對一個過程的一步一步的描述,如果嚴

原创 算法設計與分析課程複習筆記3——線性時間的排序法

算法設計與分析課程複習筆記3——線性時間的排序法 線性時間的排序法 排序法回顧 插入排序: 易於實現,適合小規模輸入(一般小於50個元素),對近似排序好的輸入效果好 最壞情況:O(n2) 合併排序: 分治:分割、遞歸處理、線性時間

原创 算法設計與分析課程複習筆記11——單源最短路徑

算法設計與分析課程複習筆記11——單源最短路徑 單源最短路徑 最短路徑問題 輸入:有權有向圖G=(V,E) 路徑p={v0,v1,...,vkv_0, v_1, . . . , v_kv0​,v1​,...,vk​}的權: ∑i=

原创 算法設計與分析課程複習筆記8——貪婪算法

算法設計與分析課程複習筆記8——貪婪算法 貪婪算法 與動態規劃方法相似,是更簡單的解決優化問題的方法,通常用於求解優化問題 如有選擇,選擇眼下看起來最優的那個(局部最優→全局最優) 貪婪算法不能保證一定得到最優解 對於具有某些特

原创 Voting for Voting in Online Point Cloud Object Detection 論文筆記

摘要 這篇論文提出了一種將計算機視覺中常用的滑動窗口(sliding window)方法應用於三維數據的有效方案。 具體來說,該問題的稀疏性通過投票方案(voting scheme)得以利用,從而能夠在任何方向上對所有假定的對象位