<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Will的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/icterxx</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; icterxx]]></copyright><item><title><![CDATA[通过异或1来改变自然数的奇偶性]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/145000649</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/145000649</guid><author>icterxx</author><pubDate>Wed, 08 Jan 2025 10:20:47 +0800</pubDate><description><![CDATA[交换每两个连续的学生的座位号（id）。如果学生的数量是奇数，则最后一个学生的座位号不交换。学生座位号为从1开始递增的正整数，如：id = 1，2，3，4，5，...可以发现，(id+1)^1-1基本可以实现需求，只有在学生数量是奇数时，最后一个数字不符合，需要单独处理。解决方案：分两种情况。]]></description><category></category></item><item><title><![CDATA[IEC60870-5-104通信规约 | 报文解析]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/143863948</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/143863948</guid><author>icterxx</author><pubDate>Mon, 18 Nov 2024 19:10:40 +0800</pubDate><description><![CDATA[版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：[原文](https://blog.youkuaiyun.com/zwcslj/article/details/139125435)]]></description><category></category></item><item><title><![CDATA[C++实现Python中类似string的split功能]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/125961872</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/125961872</guid><author>icterxx</author><pubDate>Sun, 24 Jul 2022 17:39:59 +0800</pubDate><description><![CDATA[C++实现Python中类似string的split功能]]></description><category></category></item><item><title><![CDATA[约瑟夫环问题-圆圈中最后剩下的数]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/123094604</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/123094604</guid><author>icterxx</author><pubDate>Wed, 20 Apr 2022 23:45:40 +0800</pubDate><description><![CDATA[class Solution {
public:
  int LastRemaining_Solution(int n, int m) {
    queue&lt;int&gt; q;
    for(int i=0;i&lt;n;i++)
    {
      q.push(i);
    }
    int cur=0;
    while(q.size()&gt;1)
    {
      int x =...]]></description><category></category></item><item><title><![CDATA[教你如何运用可视化理解卷积神经网络（CNNs）的指南]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/123876488</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/123876488</guid><author>icterxx</author><pubDate>Thu, 31 Mar 2022 16:35:23 +0800</pubDate><description><![CDATA[全文共4327字，预计学习时长20分钟或更长




“人类的神经网络是如何运行的？”这个问题让很多数据科学家感到困惑。解释某个简单神经网络的工作机制非常容易，但是当某个计算机视觉项目中的层数增加1000倍时，该怎么办呢？

终端用户想要了解模型是如何得到最终结果时，仅用纸和笔来解释深度神经网络的工作机制是行不通的。那么，如何让神经网络不再像“黑匣子”一样神秘？

可视化可以做到这一点——将神经网络的不同特征可视化能使一切变得清晰明了，也能更直观地呈现卷积神经网络(CNN) 成千上万的图像训练结果。
...]]></description><category></category></item><item><title><![CDATA[C++:计算规律数字求和]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/121300554</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/121300554</guid><author>icterxx</author><pubDate>Sat, 13 Nov 2021 10:04:43 +0800</pubDate><description><![CDATA[1、倒数的求和


#include &lt;iostream&gt;
using namespace std;

int main()
{
    int i;
    double s;
    double flag = 1;

    for(i=1,s=0;i&lt;=100;i++)
    {
        s = s + flag * 1.0 / i;
        flag = -flag;
    }

    cout &lt;&lt; endl;
    
    system(]]></description><category></category></item><item><title><![CDATA[C++：输入行数，打印菱形星星]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/121300340</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/121300340</guid><author>icterxx</author><pubDate>Sat, 13 Nov 2021 09:49:45 +0800</pubDate><description><![CDATA[法一：星星行数 n 为奇数


#include &lt;iostream&gt;
using namespace std;
#include &lt;cmath&gt;

int main()
{

 cout &lt;&lt; "请输入要打印的星星的行数：" &lt;&lt; endl;

 int n;
 cin &gt;&gt; n;

 for (int i = -(n-1)/2; i &lt;= (n-1)/2; i++)
 {
  for (int ...]]></description><category></category></item><item><title><![CDATA[卷积层中的神经元的个数怎么确定]]></title><link>https://blog.youkuaiyun.com/icterxx/article/details/117226329</link><guid>https://blog.youkuaiyun.com/icterxx/article/details/117226329</guid><author>icterxx</author><pubDate>Mon, 24 May 2021 17:01:01 +0800</pubDate><description><![CDATA[卷积神经网络某个卷积层中的神经元的个数怎么确定
一般的人工神经网络（简称，神经网络）是通过连接多层的神经元对输入的向量进行处理，数据和神经元是全连接的形式，通过样本的训练完成权值的更新，进而达到学习的效果。
而卷积神经网络是有卷积层 激励层 池化层 全连接层组成，首先卷积神经网络的提出是优化一般神经网络的训练效率，我们知道卷积神经网络在卷积层 激励层 池化层都并非全连接状态，所以训练的权值也相对减少，但是卷积神经网络要达到的效果是减少训练参数的数量但是不减少训练样本的质量。
对于卷积神经网络，每一个卷积核代]]></description><category></category></item></channel></rss>