<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Iseno_V的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Iseno_V</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Iseno_V]]></copyright><item><title><![CDATA[深入理解Softmax回归]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/103213518</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/103213518</guid><author>Iseno_V</author><pubDate>Sat, 23 Nov 2019 21:19:41 +0800</pubDate><description><![CDATA[深入理解Softmax回归
前面介绍的Logistic回归，浅层和深层全连接网络都是以二分类问题为例来介绍的（点击我的头像，找到 机器学习与深度学习 分区，来查看我的其他文章）。二分类模型的特征一般为：以sigmoid函数为输出层的激活函数，且输出层只有一个神经元。
本文主要介绍如何使用Softmax激活函数实现多分类问题。在介绍多分类的全连接网络前，先从介绍最简单的多分类模型Softmax回归开...]]></description><category></category></item><item><title><![CDATA[全连接网络原理]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/103098105</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/103098105</guid><author>Iseno_V</author><pubDate>Sat, 16 Nov 2019 15:19:58 +0800</pubDate><description><![CDATA[全连接网络原理
上一期介绍了只包含单隐层的浅层全连接网络，本期介绍更具有普遍性的深层全连接网络。推荐先看一下上期的内容，将更有助于理解。上一期的链接为：
https://blog.youkuaiyun.com/Iseno_V/article/details/102941210
公式推导部分依旧采用截图的形式，如果需要源文档可以给我留言。
1. 网络结构图
下图为一个2分类问题的四层结构全连接网络。

2. 原...]]></description><category></category></item><item><title><![CDATA[单隐层全连接神经网络原理]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/102941210</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/102941210</guid><author>Iseno_V</author><pubDate>Wed, 06 Nov 2019 19:56:57 +0800</pubDate><description><![CDATA[单隐层全连接神经网络原理
本文主要介绍全连接网络的前向传播和后向传播过程的详细推导，没有用到矩阵求导的相关知识，只用了最基本的线性代数和微积分理论，同时最好先了解下python的广播机制。
csdn上的公式编辑器不太会用，所有公式推导都用截图的形式了，如果需要源文档可以留言。不喜欢看推导可以直接跳到后面看算法总结和代码。
1.网络结构图
所谓单隐层神经网络是一种二层结构的浅层神经网络，如下图所示。...]]></description><category></category></item><item><title><![CDATA[Logistic回归详解]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/102857253</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/102857253</guid><author>Iseno_V</author><pubDate>Fri, 01 Nov 2019 16:42:31 +0800</pubDate><description><![CDATA[logistic回归详解
1 原理讲解
算法结构如下图所示：
1.1 前向传播过程

1.2 反向传播过程

2 向量化实现方法


3 代码实现
为了便于理解，首先采用循环的形式实现。正向传播计算损失函数，梯度下降法反向传播更新参数。代码实现如下:
# -*- coding: utf-8 -*-
"""
Created on Thu Oct 24 21:27:14 2019

@author: ...]]></description><category></category></item><item><title><![CDATA[01背包的变形问题----背包恰好装满]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/100697105</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/100697105</guid><author>Iseno_V</author><pubDate>Tue, 10 Sep 2019 15:14:16 +0800</pubDate><description><![CDATA[01背包的变形问题----背包恰好装满
在看本文之前建议先看一下我之前发过的01背包详解。
https://blog.youkuaiyun.com/Iseno_V/article/details/100001133
1. 问题的变形
在前面讲到的01背包问题中，现在我们把条件改为 “求当背包恰好装满时候取得的最大价值”。这样的问题其实本质上和原始的01背包问题区别不大，我们只需要做出一点小小的调整。
需要指出...]]></description><category></category></item><item><title><![CDATA[深入理解堆与堆排序]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/100186824</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/100186824</guid><author>Iseno_V</author><pubDate>Wed, 04 Sep 2019 17:47:38 +0800</pubDate><description><![CDATA[堆与堆排序
堆排序是一种另辟蹊径的排序方法，主要是利用了堆的性质来实现的。当理解什么是堆之后，堆排序是很容易理解了。堆是一种特殊的完全二叉树，想要理解堆还得从二叉树说起。
堆排序的时间复杂度：O(n*logn)
堆排序的空间复杂度：O(1)，非常优秀的常数级复杂度
本文的按照完全二叉树，堆，堆排序的顺序来介绍。
一、完全二叉树
1. 二叉树
二叉树是指树的每个节点最多只有两个子节点树（也就是可以有...]]></description><category></category></item><item><title><![CDATA[深入理解单模匹配算法之KMP]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/100114480</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/100114480</guid><author>Iseno_V</author><pubDate>Wed, 28 Aug 2019 10:41:25 +0800</pubDate><description><![CDATA[单模匹配算法KMP
问题的提出
有两个字符串S1和S2，问S1是否是S2的子串。
这样的问题我们称为模式匹配问题。在这里我们称S1为模式串，S2为主串。
所谓单模匹配，指模式串只有一个，对主串的数量则没有要求。
举个单模匹配的例子：
模式串为：“apple”
主串有三个，分别为
主串1 “i like apple”,
主串2 “apple is fruit”
主串3 “banana is also...]]></description><category></category></item><item><title><![CDATA[快速排序法（原理详细分析）]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/100058574</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/100058574</guid><author>Iseno_V</author><pubDate>Sat, 24 Aug 2019 23:31:26 +0800</pubDate><description><![CDATA[快速排序
时间复杂度：平均为O(nlog(n))   最差情况为O(n2)
空间复杂度：O(log(2n)) ~ O(n)
稳定性：不稳定
算法原理
首先给出几个定义
（1）子数组的头指针和尾指针：在一个数组中，假设有一个子数组。这个子数组的第一个值在原数组的下标，我们定义为子数组的头指针。而子数组的最后一个值在原数组的下标，我们定义为子数组的尾指针。
例子：
原序列
{2 3 7 4 3 8 7...]]></description><category></category></item><item><title><![CDATA[01背包问题详解（浅显易懂）]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/100001133</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/100001133</guid><author>Iseno_V</author><pubDate>Wed, 21 Aug 2019 21:59:04 +0800</pubDate><description><![CDATA[01背包问题详解
01背包是一种动态规划问题。动态规划的核心就是状态转移方程，本文主要解释01背包状态转移方程的原理。
问题描述
01背包问题可描述为如下问题：
有一个容量为V的背包，还有n个物体。现在忽略物体实际几何形状，我们认为只要背包的剩余容量大于等于物体体积，那就可以装进背包里。每个物体都有两个属性，即体积w和价值v。
问：如何向背包装物体才能使背包中物体的总价值最大？
为什么不用贪心？
...]]></description><category></category></item><item><title><![CDATA[排序（二）选择排序法]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/92415449</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/92415449</guid><author>Iseno_V</author><pubDate>Sun, 16 Jun 2019 20:39:31 +0800</pubDate><description><![CDATA[选择排序法
选择排序法也是一种经典的排序方法。和冒泡排序法类似，该方法也是一种难度低，耗时高的排序算法。该方法很少出现在面试和比赛中，但在日常编程中会大量使用。
稳定性：不稳定
时间复杂度：O(n2)
空间复杂度：O(1)
算法详解
以从小到大排序为例。
首先选择数组中的第一个数，之后遍历该数之后的所有数，用这个数依此和第二个数，第三个数，一直到最后一个数比较大小，如果是大于，则交换两个数的位置。...]]></description><category></category></item><item><title><![CDATA[排序（一）冒泡排序法]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/92212124</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/92212124</guid><author>Iseno_V</author><pubDate>Sun, 16 Jun 2019 17:50:07 +0800</pubDate><description><![CDATA[冒泡排序法
稳定性： 稳定
所谓排序算法的稳定性，指当原始数据中存在多个相同的值时，在排序后这些值的相对位置不变。
时间复杂度： O(n2)
空间复杂度： O(1)
冒泡排序算法过程并不包括原始数据的存储过程，所以空间复杂度是 O(1)而不是O(n)。
算法详解
以从小到大排序为例，冒泡排序法的思路是：
遍历原始数据，从第一个数开始，到倒数第二个数结束，比较这个数和下一个数的大小，如果这个数比下一...]]></description><category></category></item><item><title><![CDATA[时间复杂度与空间复杂度]]></title><link>https://blog.youkuaiyun.com/Iseno_V/article/details/92192500</link><guid>https://blog.youkuaiyun.com/Iseno_V/article/details/92192500</guid><author>Iseno_V</author><pubDate>Sat, 15 Jun 2019 21:15:26 +0800</pubDate><description><![CDATA[时间复杂度

定义
时间复杂度指在输入数据的维数N为无穷时，程序执行的语句数。当时间复杂度与N无关时，定义为O(1)。
例子

#include &lt;iostream&gt;
using namespace std;
int main()
{
	int n;//执行1次
	cin &gt;&gt; n;//执行1次
	for (int i = 0; i &lt; n; i++)//执行n次
	...]]></description><category></category></item></channel></rss>