孤山的都灵族如果不会打铁怎么办

原创 手动实现加减乘法并识别错误括号

从实验室同学那里听来的题目，说好麻烦，今天自己试了试，发现确实好麻烦。/* 问题：// 字符串只有0-9的数字、括号和加减乘，实现运算。要判断表达式中括号是否匹配，给出计算结果//不匹配的情况只有括号不匹配，表达式本身一定是合法的。*/string calculator(string s){ //判断异常情况 if(s.empty()) return to_string(0); //字符串为空 int n = s.size(); if(n == 1 &&a

原创 手动生成链表中while(cin＞＞input)踩的坑

链表的结构是：struct Listnode {int val;Listnode* next;}手动加入构造函数，现在是这样struct ListNode{ int val; ListNode* next; ListNode():val(0),next(nullptr){}; ListNode(int x):val(x),next(nullptr){};};打算手动向ListNode* head1, ListNode* head2输入，代码如下int m

原创 实现一个神经元的NN，支持前向、BP、及梯度计算等

本日加更！插入版权信息，完整代码在最末尾。# -*- coding: utf-8 -*-## Copyright (C) 2021 ## @Time : 2021/8/10 下午8:29# @Author : Erebor # @Email : ******@gmail.com# @File : NN.py# @Software: PyCharm基于以下两个框架，最后也没用上numpy，这个实现实在是太手残了import numpy as npimport math

原创 最长递增子序列（力扣和牛客版本）-C++版本分享

最近项目二期+写paper+做毕设+找工作焦头烂额，每天坐在办公室12h以上，腱鞘囊肿与颈椎劳损并发，由于久坐二郎腿+盘腿膝盖也不太好了，大家一定要定时拉伸一下肩颈部肌肉，站起来走走，哪哪都有好处。首先，LeetCode的最长递增子序列要求求出长度，官方解法的贪心+二分，时间复杂度是O(nlogn)，空间复杂度O(n)。class Solution {public: /** * retrun the longest increasing subsequence * @par

原创 简单速成Pytorch的scatter_函数理解

首先明确，这个函数实现的功能是”放“怎么个放法呢，看这个函数的参数：Tensor.scatter_(dim, index, src, reduce=None) → Tensorsrc：将src这个tensor中的值，放到self里（也就是”.“符号前面的那个Tensor）。src不一定要是一个tensor，也可以是一个值。dim及index：指示要放的具体位置。self [index[i][j][k]] [j][k] = src[i][j][k] # if dim == 0self

原创 庆祝石之海即将在22年1月新番播出！

你是最????的，空条徐伦！

原创 8月8日的每日一题-tribonacci

所以究竟为什么是泰波那契，而不是崔波那契？class Solution {public: int tribonacci(int n) { //递进 if(n == 0){ return 0; } if(n <= 2){ return 1; } //此时n起码为3 int t_3; int t_0 = 0 , t_1

原创 分享如何实现Sqrt(double x)-C++版

//// mysqrt.cpp// 2021autumn//// Created by shen on 2021/8/2.//#include<iostream>#include<cmath>#include<algorithm>#include <iomanip>using namespace std;主函数如下：int main(){ double input = 0.001; //string str =

原创 2021 ISSTA《AdvDoor: Adversarial Backdoor Attack of Deep Learning System》阅读笔记

原创 《Grammar Based Directed Testing of Machine Learning Systems》阅读笔记

原创 《Adversarial Attacks on Neural Network Policies》阅读笔记

目录摘要介绍白盒攻击过程摘要对抗攻击可以攻击基本的神经网络模型，攻击常见的深度学习任务（如分类、识别）等，仅需要通过修改一像素的值，就可以使得神经网络输出目标结果，并且在白盒与黑盒场景下均可以攻击成功。值得注意的是，考虑到现实任务中积攒的数据往往总是那么规整，全面，且需要人工智能模型参与决策的任务变得非常服啊，对无监督学习、强化学习模型的攻击（在某些应用场景下也可以理解为测试）也需要考虑到其特质，进行进一步研究。本文提出目前的对抗攻击策略也能用于攻击强化学习策略。介绍强化学习没有大量的标记好的训练样

原创 《Ensemble adversarial black-box attacks against deep learning systems》笔记

本文目录摘要基于集成的黑盒攻击方法SCESSPES分析总结摘要本文提出了两种基于集成的黑盒攻击策略，分别是selective cascade ensemble strategy (SCES，不知道怎么翻起来信达雅) 和 stack parallel ensemble strategy (SPES，不知道怎么翻起来信达雅)。基于集成的黑盒攻击方法本文提出的两种方法都是基于集成的，SCES方法可以理解为串联方法，而SPES可以理解为并串联方法。为什么要采用集成的攻击方法呢？目前的黑盒对抗攻击方法主要还

原创 《Black-box attack against handwritten signature verification with region..》笔记

签名数据的特点：字迹清晰，空白区域明显傻瓜归纳如下：设置最优化问题：最小扰动 将最优化问题的s.t.限制设置为签名的签字区域，而不是非字迹的空白区域 外循环：选择一些区域内的位置/像素点来扰动 内循环：在选择的位置/像素点内选择最优的 获得对抗样本个人认为这个方法本身没有太大创新点，属于应用创新。...

原创 《Universal adversarial perturbations》总结笔记

扰动方法概括：本文提出的算法要求的是将同分布的一批训练样本推出决策边界的最小扰动向量。如图所示，算法通过迭代依次求出每个训练样本的推出扰动向量算法讲解：如上图伪码，首先X取自同一分布的训练样本，是预测标签，当通用扰动添加到X中所有样本上时，错误率达到阈值，结束while循环。while循环内，对X中每一个样本，如果之前已经生成的通用扰动添加到该样本上时，网络仍然正确分类，则把已经生成的通用扰动向量基础上再“放大一些”，使得对而言，能被分类错误。最后将更新为最新生成的通用扰动，其实就是