- 博客(16)
- 收藏
- 关注
RSS订阅
原创 二叉树的建立与基本操作(北理工数据结构与算法设计题目)题解
在输出凹入表示的二叉树时，先输出根结点，然后依次输出左右子树，上下层结点之间相隔 3 个空格。扩展二叉树先序序列：ab#d##ce###。左、右子树相互交换后的二叉树的先序序列、中序序列、后序序列。4) 将二叉树中所有结点的左、右子树相互交换。左、右子树相互交换后的二叉树的凹入表示。二叉树的先序序列、中序序列、后序序列。2) 二叉树的先序、中序、后序遍历。3) 求二叉树的叶子结点个数。
2024-11-21 09:43:12
223
1
原创 行编辑（北京理工大学数据结构与算法设计题目）题解
早期的操作系统均是字符操作界面，那时只能采用简单的行编辑器进行文字处理，于是也只能使用行命令来编辑文本文件。假设现在要开发一个字符界面的编辑器，对文本的编辑操作是通过输入一个一个的“行编辑命令”完成的。
2024-11-19 21:33:16
955
原创 数学分析必背基础公式
这是笔者大一学习数学分析时整理自用的基础公式集锦，所有公式分门别类，涵盖了泰勒展开、积分、三角函数、常微分方程等板块，并在必要处点明了公式间的联系和推导。
2024-09-13 23:20:08
1989
1
原创 POSIX基础文件IO实战：文件加密与解密
Posix规定的一系列基础文件IO的系统调用，如read、write、lseek等，允许用户通过C语言对文件进行细粒度的操作。本文利用文件操作相关的常用API（open、read、write、lseek），通过对原文件各字节数据的重新排列和还原，实现了简单的文件加密和解密，从而为Posix下，文件IO常用API的使用方法、命令行交互程序的设计和基于Makefile的多源文件程序管理进行举例说明。
2024-07-13 23:45:19
820
1
原创 一个可以对基于Pytorch搭建的模型的训练过程进行全程追踪的模块
本文所述的Trace模块实现了对损失和准确率的全过程跟踪，并在生成损失与准确率统计图的同时实现损失、准确率和模型本身的同步存储，这使得即使训练间断，训练过程中的数据仍然可以被保留和呈现。
2023-12-30 23:00:21
2234
1
原创 代码解析：（官方）“Tensorflow2.0入门”-MNIST手写数字识别系统的卷积神经网络实现
本文的注释原本是笔者为了自己加深理解而写的，且为方便理解，对源代码的一些表述进行了适当调整，使之更清晰地呈现每个函数和方法的功能。
2023-12-10 19:11:57
544
1
原创 基于前馈网络的手写数字识别系统
这个项目建立了一个含一个隐藏层（50个神经元）的前馈网络。对数字采用One-hot编码，因此输出层设置10个神经元；又因为mnist数据集中图像大小为28*28，故输入层设置784个神经元。
2023-11-24 12:49:31
888
2
原创 波士顿房价多元线性回归模型的Python实现
利用梯度下降法，对房间数、与市中心距离、是否被河流穿过和当地师生比例四个因素建立四元回归模型。构造矩阵X，行数404（训练集中数据条数），列数5。前四列分别为以上述四个自变量为元素的列向量，第四列为全1列向量（作为偏置中的系数）。，前四个元素为上述四个自变量对应的权重，最后一个元素与1的乘积作为偏置。不过由于tensorflow自带计算各元素幂的函数，所以编程中没有使用第二个方程。用Y表示因变量组成的列向量，于是对于上述矩阵，有。
2023-11-05 14:26:21
475
1
原创 C语言作业：计算后续日期
先将N加到输入的“日”上，然后判断“日”的值是否超过了当月最大的天数，若为真则月+1；判断“月”是否超过了12，若为真则年+1，月=1。循环往复，知道“日”小于等于当月的最大天数。
2023-11-01 21:03:04
532
2
原创 基于前馈神经网络反向传播算法的逻辑抑或运算的C语言实现
然而，通过增加隐藏层而构成前馈神经网络的方法可以逼近划分抑或运算结果所前馈神经网络以Rossenblat感知器作为神经元，通过神经元与神经元间的全连接，使信息向前传递，因而称之为“前馈”。而在调整权重时，前一层的权重变化量由后一层的误差梯度决定，于是误差信息从输出层反向传播，这一修正算法被称之为“反向传播算法”。
2023-10-24 12:16:53
248
1
原创 单个Rossenblat感知器的c语言实现
该程序除定义阶跃函数step( )外可分为两部分，前半部分为训练，后半部分为测试。由于训练所需的数据已经写好，并通过while循环实现迭代，所以程序运行后神经元即可训练完毕。此后会出现Input，在其后输入测试值（0或1），就可以输出其对应的逻辑值。
2023-10-21 22:03:01
133
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人