努力学挖掘机的李某某的博客

思路：循环读取数字，根据标志终止，对每一组数字遍历两次#include using namespace std;int main(){ int a[16], count; cin >> a[0]; while(a[0] != -1){ int i = 0; while(a[i] != 0){ cin >>

Prim算法是求解最小生成树的常用方法，它的思想非常简单，讲所有的点集合V分为 已经放入最小生成树集合的S和未放入的V-S，每次在V-S中选择一个距离S最近的点放入到S中，直到所有的点都放入S。就是很简单的贪心策略，不过可以证明是全局最优，prim算法对于稠密图效果比较好，具体步骤可以看点击打开链接，讲解的很清楚。对于上面的图，显然最小生成树的结果应该是{1,3,6,2,4,5}或者{1,

kruskal算法是一类适用于稀疏图的最小生成树算法，主要思想也很简单，将所有的边分为 属于生成树的边S和不属于的V-S ，每次在V-S中找一个权值最小的边放入S中，同时该边不构成回路，关于是否构成回路，可以使用并查集来判断。比如上图中假如{1，2} , {1,3}都已经属于，那么unionSet[3]  = unionSet[2] = unionSet[1] = 1;这时如果想加入{

Djkstra算法是求解单源（起始点固定）最短路径问题的一种经典方法，它采用了贪心策略（其实我觉得也是动态规划），可以求得图中的一个点到其他所有点的距离，计算复杂度是 O(E|V|)，如果采用最小堆优化可以达到O(ElogV )。算法的整体思想是将顶点分成两类：已经构成最短路的点的集合V1和没有构成最短路的点的集合V2。我们将dist[i]设置为第 i个点到V1的距离，每次将V2中取距离V1集合最

众所周知，softmax+cross entropy是在线性模型、神经网络等模型中解决分类问题的通用方案，但是为什么选择这种方案呢？它相对于其他方案有什么优势？笔者一直也困惑不解，最近浏览了一些资料，有一些小小心得，希望大家指正~损失函数：交叉熵Cross Entropy我们可以从三个角度来理解cross entropy的物理意义从实例上直观理解我们首先来看Cross Entropy 的公...

MomentumMomentum的公式表达设时间步ttt的自变量为xt\boldsymbol{x}_txt​，学习率为ηt\eta_tηt​。在t0t_0t0​时刻，速度变量v0=0\boldsymbol{v}_0=0v0​=0，在时间步t>0t>0t>0，Momentum关于速度变量vt=0\boldsymbol{v}_t=0vt​=0和自变量xt\bold...

为什么我们需要RNN对于一个时间序列问题，已知f(x1),f(x2),f(x3),....,f(xt−1)f(x_1),f(x_2),f(x_3),....,f(x_{t-1})f(x1​),f(x2​),f(x3​),....,f(xt−1​),求解f(xt∣x1,x2,....,xt−1)f(x_t|x_{1},x_2,....,x_{t-1})f(xt​∣x1​,x2​,....,xt−1...

思路：先离线求出[2,10000]的所有素数，再从素数数组从前往后累加求和#include using namespace std;bool isPrime(int x){ if(2 >= x) return true; for(int i = 2; i < int(sqrt(double(x)))+1; i++) { if(0

思路：求出在x,y点的面积，除以每年的腐蚀面积，向上取整，使用ceil（）函数 #include using namespace std;#define PI 3.141592653 int main(){ int test_num; cin >> test_num; double x,y; double area; int year;

思路：先离线求得卡片数对应长度的数组，然后使用二分查找，注意c语言的abs()函数返回的是整数类型，要返回浮点数可以使用fabs函数#include#include#includeconst double delta= 1e-8;int binary_search(float input, float cards[], int maxNum){ int left = 0, rig

思路：进制转换，使用辗转相除法，由于只需要求和，因此不需要考虑余数逆序，直接相加即可#includeusing namespace std;int systemSum(int x, int base){ int sum = 0; while(x){ sum += (x % base); x /= base; } return sum;}int

思路：用2，3，5分别求积得到所有的丑数，再排序后求第n个#include#includeusing namespace std;const int maxN = 1500;int main(){ int a[maxN]; int pos = 0; for(int i = 1; i < 100; i*=2) for(int j = 1

思路：二维数组由上到下，由左到右递增，可以选取右上角或者左下角的元素a[row][col]与target进行比较，当target小于元素a[row][col]时，target必定在a[row][col]所在行的左边,当target大于元素a[row][col]时，target必定在a[row][col]所在列的下边代码实现：def Find( target, array):

所有代码的实现采用了模板类，如果对模板类不熟悉，可以把T换成 int一、冒泡排序冒泡排序的思想：相邻元素两两比较，如果逆序则交换冒泡排序的实现思路：i 从数组的第二个下标开始循环（即以下标为1开始），每次从最后一个元素开始，依次与前一个元素对比交换，每循环一次，则前i个元素为有序的。优点：冒泡排序在无下标的几个元素排序时，比其他排序算法更直接（比如三个数，找出其中中间大小的

归并排序归并排序的思想：将数组一分为二，分别对左右两个数组进行排序，然后对左右两个有序数组归并成一个有序数组时间复杂度：O（nlogn）自顶向下的代码templatevoid __merge(T arr[], int l, int mid, int r){  int len_left = mid - l + 1;  int len_right = r - m

快速排序的基本思想就是选择一个pivot，将小于pivot的值都放在左边，将大于pivot的值都放在右边，然后递归，为了简单pivot取最左边的值void quickSort(int a[], int left, int right){ if(left >= right) return; int pivot = a[left]; //选择最左边的值作为pivot int l

1.现在城市有N个路口，每个路口有自己的编号，从0到N-1，每个路口还有自己的交通控制信号，例如0,3表示0号路口的交通信号每3个时刻变化一次，即0到3时刻0号路口允许通过，3到6时刻不允许通过，而6到9时刻又允许通过；以此类推，所有路口的允许通行都从时刻0开始。同时城市中存在M条道路将这N个路口相连接起来，确保从一个路口到另一个路口都可达，每条路由两个端点加上通行所需要的时间表示。现在给定起始路

变长输出模型——Seq2Seq在上一篇【机器学习】从RNN到Attention上篇 循环神经网络RNN，门控循环神经网络LSTM中，我们的建模基础是通过一串历史的时间序列x1,x2,.....,xtx_1,x_2,.....,x_tx1​,x2​,.....,xt​，预测下一时刻的时间序列xt+1x_{t+1}xt+1​，即输出为1一个数据。如下图所示：这类模型通常可以用来解决时间序列预测，...