What I can not create, I do not understand
teach to learn,repeat for mastery
Bayesian network贝叶斯神经网络及其改进 Bayesian network贝叶斯神经网络及其改进
秋招补一下Intel实习期间看的东西 经典的神经网络一般是最大化数据集$\mathcal{D}=(x_i,y_i)$下的最大似然$P(\mathcal{D} \mid \mathbf{w})$ ,即在网络权重为$w$时让输入$x_i$时输出
2021-09-20
模板总结 模板总结
一般笔试题的时间限制是1秒或2秒,操作次数需要控制在 $<=10^8$。 $n \leq 30$, 指数级别, $dfs$+ 剪枝, 状态压缩dp $n \leq 100$ => $O\left(n^{3}\right)$,
区间DP 区间DP
区间dp看到题有什么特点可以用区间dp? 提示1 时间复杂度可以O(n^2)-数组长度≤1000 提示2 状态转移与两端有关 区间dp应该怎么思考 提示1 递归回溯型思考 提示2 类似递归回溯 左右子区间f
arxiv 2020 NAS-adversarial attacks arxiv 2020 NAS-adversarial attacks
一篇还挂在arxiv上的很有意思的神经网络架构搜索(NAS)论文链接-自解释用于神经网络架构搜索 这里主要介绍它的思路 首先总结文章的主要思想:通过搜索一个解释网络A“更好的解释目标任务”,解释的准则是通过对抗攻击样本学一个像素位置权重$\
数位DP 数位DP
数位dp模板typedef long long ll int k[n.length]; //n的10/2进制上界数组 ll dp[n.length]; //记忆化数组 ll dfs(int pos,int
CVPR2020 Geometric Adversarial Attacks and Defenses on 3D Point Clouds CVPR2020 Geometric Adversarial Attacks and Defenses on 3D Point Clouds
CVPR2020 Geometric Adversarial Attacks and Defenses on 3D Point Clouds摘要深度神经网络很容易出现恶意攻击,这些攻击会恶意更改网络的结果。在这项工作中,我们从几何角度探索对
codeforces codeforces
codeforces思维题1450A要求字符串的子序列中不包含”trygub” 如何快速解? trygub是非正序的,所以只要我们对字符串进行排序就可以得到满足要求的字符串
HRNet-OCR by Pytorch HRNet-OCR by Pytorch
HRNet-OCR的原代码将各种超参数和训练超参数冗杂在一起,导致不用于其他数据集会很不方便,为了方便调用模型,对模型的超参进行抽离后得到简易版模型实现。 OCR如下图 # ---------------------------------
网络流 网络流
1. 基本概念 1.1 流网络,不考虑反向边 源点-流量无限的海 图的边-河流容量c(u,v) 图节点-河流交汇处 1.2 可行流,不考虑反向边 定义的流量f(
状压DP 状压DP
看到题目有什么特点可以用状压? 提示1 集合类状压 可以用比较少(小于30)的集合表示当前某些数/物品 用(多少)/没用 的状态 提示2 连通类状压 棋盘/树(长或宽小于30)中按某种规则放置固定长度的 物品 集合类状态
贪心 贪心
贪心55跳跃游戏(可达性)/45跳跃游戏2(最小步)55 可达性维护一个rmax class Solution: def jump(self,nums): rmax = 0 n = len(nums)
lucas定理 lucas定理
卢卡斯定理 $Lucas Theory O(log_{p}Nplogp)$acwing887求组合数3 C_{a}^{b} ≡ C_{amodp}^{bmodp}C_{\frac{b}{p}}^{\frac{a}{p}}(mod{~}p)
1 / 2