- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 剑指offer（5）从尾到头打印offer
本博客转载自：作者：感冒的青春链接：点击打开链接來源：简书#include<iostream>#include<stack>#include<vector>using namespace std;struct ListNode { int val; struct ListNode *next; ListNode(int...
2018-04-17 14:42:01
253
原创 剑指offer（4）替换空格
本算法方法来自于剑指offer,并牛客网编程通过#include<iostream>using namespace std;class Solution {public: void replaceSpace(char *str, int length) { if (str == NULL || length <= 0) return; int origi...
2018-04-16 13:59:39
185
原创 剑指offer（3）二维数组的查找
二维数据的具体方法剑指offer上讲的很详细，这里就不在赘述了直接上牛客网上运行通过的代码#include<iostream>#include<vector>using namespace std;class Solution {public: bool Find(int target, vector<vector<int> > array...
2018-04-15 20:32:39
192
转载 剑指offer（2）实现Singleton单例模式
题目：设计一个类，我们只生成该类的一个实例只生成一个实例的类是实现了Singleton(单例)模式的类型。解法一：只适用于单线程环境因为只生成一个实例，所以把构造函数设为私有，以禁止他人创建实例。定义一个静态的实例，在需要的时候创建该实例。静态的介绍点击打开链接.#include<iostream>using namespace std;class Singleton{publ...
2018-04-14 15:57:58
192
翻译 剑指offer(1)赋值运算符
定义赋值运算符的注意事项：1：返回值的类型声明为该类型的引用，并在函数结束前返回实例自身的引用（*this）,只有返回一个引用，才能连续赋值。2：传入的参数类型声明为常量引用。如果传入的参数不是引用而是实例，那么从形参到实参会调用一次赋值构造函数。把参数声明为引用会避免这种情况，提高效率。同时，赋值运算符函数内不会改变传入实例的状态，因此应该对传入的引用参数加上const.3:分配新内存之前需先释...
2018-04-13 16:08:47
164
原创 c++的大端小端
大端：数据的低位保存在内存的高地址中，数据的高位保存在内存的低地址中。在x86下，考虑到在内存中是按照字节为单位进行数据排布，那么会把0x12,0x34这2个值按照大端进行存储。例1：16位宽的数0x1234地址(由低到高)0x4000（低地址）0x4001（高地址）(大端)存放内容0x12（高位）0x34（低位）例2：32位宽的数0x12345678在x86下，考虑到在内存中是按照字节为单位进行...
2018-04-12 22:02:09
1124
原创 ADAM优化算法
Adam 算法根据损失函数对每个参数的梯度的一阶矩估计和二阶矩估计动态调整针对于每个参数的学习速率，同时获得了AdaGrad（适应性梯度算法）和RMSProp（均方根传播）算法的优点。算法如下一阶矩估计：m_t=β_1∗m_(t-1)+(1-β_1 )∗g_t二阶矩估计：v_t=β_2∗v_(t-1)+(1-β_2 )∗g_t^2一阶矩估计偏差修正：m'_t=m_t/(1-β_1^t)二阶矩估计偏...
2018-04-10 10:28:03
2956
原创 使用neurolab预测波士顿房价
使用BP预测波士顿房价，这里用到了neurolab，预测效果不是很好，可以参考看看，有不对的地方，希望大家给予指正。import neurolab as nl from sklearn import preprocessingfrom sklearn.datasets import load_bostonfrom sklearn.model_selection import tra
2017-09-06 15:08:05
1190
原创 粒子群算法优化BP神经网络
刚学粒子群算法，然后用粒子群算法优化神经网络的隐藏节点数，代码写的不是太好，如果代码有问题，请大家多多指教。第一次写博客，多多包涵。本文的粒子群算法用的是标准粒子群算法，权重更新采用线性递减策略。
2017-06-09 09:58:12
33988
20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人