别等天上俯瞰-优快云博客

原创数据结构学习笔记(3)：栈

int top;}SqStack;包含一个存储元素的数组和一个栈顶指针。值得注意的是，一般top为数组的下标，所以top最大取值为MaxSize-1。

2025-02-21 03:15:48 1196

原创数据结构学习笔记(2)：链表

结构体内包括data和next，然后我们给这个结构体取名叫LNode还有别名LinkList，一般我们编程的时候，使用LNode作为一个节点名称，LinkList作为这个链表的名称。

2025-02-18 04:27:11 952

一个是文件的相互读录可能会造成误差的累计，最后导致脚本的崩坏，对游戏存档造成不可逆转的损失。在开发者做游戏的初期就已经设置好控件的位置，所以控件是游戏界面的一个部分，它们是一个整体。因为我之前也有录制脚本的经验，所以一开始我是想用脚本精灵进行录制，随后再导出录制得到的.json文件，然后把这个文件放入Python程序中，使用Python程序进行脚本的复现，从而完成整个脚本的实现。只需要我们在脚本运行之前，先对游戏画面进行绑定，随后就可以计算各个控件的位置，就可以模拟鼠标或者键盘的按动，从而实现整个脚本。

2025-02-16 16:54:08 1219

原创数据结构学习笔记（1）：顺序表

如果一个数据结构的逻辑结构是线性表，而物理结构是顺序存储，那么这个数据结构就是一个顺序表。换而言之，使用顺序存储的线性表就是顺序表。顺序表的存储有静态分配和动态分配两种方式。静态分配是用一个数组来表示顺序表，因为数组的大小不变，所以叫静态分配。int Length;}SqList;代码直接向计算机申请了长度为Maxsize*sizeof(Elemtype)的内存的数组作为顺序表的元素存储空间，同时申请了一个整型变量Length来记录当前顺序表长度。

2025-02-13 00:52:08 684

原创杂谈篇：线性化与泰勒展开

接下来，如果要解算接收机的坐标，我们就可以假设伪距观测的误差是e，然后列最小二乘原理间接平差方程就行了，这里不详细讲，有兴趣的朋友可以看我上一篇文章《深度理解最小二乘》。这里的dx,dy,dz指的是初值与真实值的差值，这里假设它们是一个很微小的值，所以用微分符号。这就不得不把提起线性化的几何意义了，它的几何意义是在方程的某个点上，拟合一个小区域精度高的直线方程，类似作切线。线性化的目的是将问题中的非线性部分用一个线性的部分代替，把问题转化为线性问题，这样比较好解决。线性化，那我们的第一步是将。

2024-12-13 00:14:20 362

原创杂谈篇：深度理解最小二乘

最大似然法是已经知道当前数据下的大分布（最小二乘法假设残差的分布是正态分布，所以我们这里就统一分布为正态分布），并且已经得到各个数据的值，随后用这些值估计这个概率分布的最优参数的方法。其实真实值我们永远也无法得到，所以这里的真实值，我们可以大致理解成最后拟合出来的，质量比较好的值。这里也可以看成是残差的平方，平方是因为残差有正有负，为了消除符号的影响引入的。最小二乘法估计在我们的生活中无处不在，特别是工程中，它可以说是最基础的方法之一。之前我有文章写过线性回归的相关内容，而它是基于最小二乘法原理进行的。

2024-12-11 13:25:44 951

原创初学者：神经网络（2）

前人把将线性运算非线性化的函数称之为“激活函数”，在神经网络中，运算往往是一层层进行的，我们把进行非线性化运算的计算层称之为“激活函数”。那么问题又来了，上篇文章的时候我们说了神经网络的训练方法是梯度下降，那么如果引入了激活函数，那么该如何训练神经网络？这样的神经网络复杂度往往不能满足实际的要求。上一篇文章中我们说神经网络的基本结构，神经网络训练的基本原理，这篇文章我们先来说一说神经网络中一个特别重要的东西---激活函数。但是问题就来了，如果使用上述式子计算神经网络，那么神经网络的输出将会是线性的。

2024-12-11 13:24:19 938

原创初学者：神经网络（1）

再介绍一下梯度，梯度是高等数学里面的定义，表示某一函数在该点处的方向导数沿着该方向取得最大值，乍一看很复杂，相信很多人在这一步就已经没有继续学习神经网络的勇气。损失函数是什么，举个很简单的例子：工程测量中会有误差的出现，比如一栋占地为矩形的楼房的长为10米，一个人目测长为12米，这多出的2米就是误差。如上图所示，x是我们输入的变量，h是神经元，y是输出的值。学习率r不易太大，前面也说了，学习率r是决定球滚得快不快的因素，如果球滚的太快，有可能会滚出波谷，也就是直接跳过最优解，导致神经网络性能不佳。

2024-12-10 10:33:40 1629 1

flyless_sparrow的博客