- 博客(19)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 hot100-part8
不要觉得栈里的元素只能是单个的好吗求你了。栈里面记录的是下标，维持栈是单调递减的。🌟74-数组中的第K个最大元素。🌟73-柱状图中最大的矩形。使用库函数，库函数是小顶堆。77-买卖股票的最佳时机。🌟76-数据流的中位数。今天做的好坎坷qwq。75-前K个高频元素。🌟80-划分字母区间。
2025-04-27 15:22:03
642
原创 hot100-part7
🌟61-分割回文串🌟62-N皇后col是放置的列的位置63-搜索插入位置二分64-搜索二维矩阵65-在排序数组中查找元素的第一个和最后一个位置66-搜索旋转排序数组🌟67-寻找旋转排序数组中的最小值🌟68-寻找两个正序数组的中位数破罐子破摔写法。领悟了一丝。
2025-04-26 12:18:59
274
原创 hot100-part5
47-从前序与中序遍历序列构造二叉树。42-将有序数组转换为二叉搜索树。44-二叉搜索树中第k小的元素。49-二叉树的最近公共祖先。50-二叉树中的最大路径和。🌟46-二叉树展开为链表。41-二叉树的层序遍历。43-验证二叉搜索树。45-二叉树的右视图。
2025-04-24 15:21:31
455
原创 hot100-part4
方法一：在原链表中复制链表最后拆分。31-K个一组翻转链表。34-合并K个升序链表。36-二叉树的中序遍历。37-二叉树的最大深度。32-随机链表的复制。方法二：自底向上归并。🌟🌟35-LRU缓存。
2025-04-23 21:19:27
256
原创 hot100-part3
反转链表是直接在原链表上操作的，所以不能直接把整个链表反转，利用快慢指针找到后一半，反转后半部分再逐一比较即可。方法二：快慢指针，如果有环相当于跑圈，跑得快的总会追上跑得慢的，套圈了。把局部翻转后的链表连接在一起的操作需要思考一下。29-删除链表的倒数第N个结点。30-两两交换链表中的节点。27-合并两个有序链表。
2025-04-22 17:49:06
205
原创 hot100-part2
16-除自身以外数组的乘积。counter比大小。🌟17-缺失的第一个正数。🌟11-滑动窗口最大值。🌟12-最小覆盖子串。
2025-04-21 17:42:47
135
原创 【深度学习】卷积神经网络及其变体
本文主要介绍了卷积神经网络及其变体，包括CNN,LeNet,AlexNet,VGG,NiN,GoogLeNet,ResNet,DenseNet
2023-11-14 11:53:13
764
1
原创 【论文复现】BRITS——RITS&BRITS模型
下面就与前面的公式类似了，使用c_h的值替代缺失值，未缺失则使用真实值，用c_c表示插值后的结果，隐状态的计算同样类似，只是用c_c代替x_c。文章提到，仅仅使用x和c_h的损失来训练时收敛很慢，因此修改了损失的计算方式，不仅仅考虑x和c_h的损失，还考虑x和x_h、x和z_h的损失。接下来要将x_h和z_h结合起来，通过时间衰减因子和遮蔽向量学习x_h和z_h的权重参数β，得到的结果为c_h。文章将公式1中的x_h称为基于历史的预测，引入z_h表示基于feature的预测。
2023-11-10 12:44:06
726
1
原创 【论文复现】BRITS——RITS-I模型
首先对缺失值进行插值，插值后的输入应该是x_c，如上图中的第二个公式，m表示遮蔽向量，0为缺失，根据该公式可知，若不缺失则使用真实值，若缺失则使用插补的值即x_h作为输入，再进行后续的rnn和回归。d是时间差，之前数据处理部分忘记了这个公式里面用到了这个参数，但是感觉很奇怪，代码有点对应不上这个公式，代码中初始值设置为1。首先获取数据，数据的维度是(64, 48, 35)，64是batchsize，48个小时，35个属性。Model类中计算的参数可以和论文中的公式相对应，下面进行详细的阐述。
2023-11-07 20:46:43
911
1
原创 【论文复现】BRITS主函数解析
首先看一下文章定义了哪些参数，如图所示，epochs指训练多少次，batch_size指每次训练使用的数据量，model就是选择的模型，hid_size是隐藏层的大小，impute_weight，label_weight，这两还不清楚后面再解释。MySet类用来读取数据，val_indices表示验证集的索引，rec[‘is_train’]=0表示该索引位置的数据不参与训练而是用于验证，代码中看是选择了20%的数据作为验证集。主函数就是这样了，现在看还是一头雾水，等等后面看模型的代码不知道会不会好一点，
2023-11-04 15:29:08
370
1
数据结构课程设计——航空订票系统
2022-06-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人