摘要：
Deep Residual Learning for Image Recognition Kaiming He Xiangyu Zhang Shaoqing Ren Jian Sun 摘要 更深层次的神经网络更难训练。我们提出了一个残差学习框架，以简化对比以前使用的网络更深入的网络的训练。我们根据层 阅读全文
摘要：
Going deeper with convolutions 摘要 在ImageNet大规模视觉识别挑战赛2014（ILSVRC14）上我们提出了一种代号为 " Inception " 的深度卷积神经网络结构，且图像分类和检测上取得了新的最好结果。该体系结构的主要特点是提高了网络内的计算资源利用率。 阅读全文
摘要：
Very Deep Convolutional Networks for Large-Scale Image Recognition Karen Simonyan∗ & Andrew Zisserman+ Visual Geometry Group, Department of Engineerin 阅读全文
摘要：
ImageNet Classifification with Deep Convolutional Neural Networks Alex 论文翻译 阅读全文
摘要：
SGD SGD是深度学习中最常见的优化方法之一，虽然是最常使用的优化方法，但是却有不少常见的问题。 learning rate不易确定，如果选择过小的话，收敛速度会很慢，如果太大，loss function就会在极小值处不停的震荡甚至偏离。每个参数的learning rate都是相同的，如果数据是稀 阅读全文
摘要：
在多用户环境中，操作系统调度程序必须决定在若干进程中运行那个进程。一般一个进程只能被允许运用一个固定的时间片。一种算法是使用一个队列。开始时作业被放在队列的末尾。调度程度将反复提取队列中的第一个作业并运行它，直到运行完毕或者该作业的时间片被用完，并在作业为被用完时将其放入队列的末尾。但是一般来说，短 阅读全文
摘要：
散列表的实现通常叫做散列。散列是一种用于以常数平均时间执行插入、删除和查找的技术。但是任何排序的信息都不会得到有效的支持。所以FindMax()，FindMin()，以及以线性时间打印的操作都是散列所不支持的。 理想的散列表数据结构值不过是一个包含有关键字的具有固定大小的数组。 关键字映射的函数叫做 阅读全文
摘要：
常见数据结构——树 处理大量的数据时，链表的线性时间太慢了，不宜使用。在树的数据结构中，其大部分的运行时间平均为O(logN)。并且通过对树结构的修改，我们能够保证它的最坏情形下上述的时间界。 树的定义有很多种方式。定义树的自然的方式是递归的方式。一棵树是一些节点的集合，这个集合可以是空集，若非空集 阅读全文
摘要：
队列ADT 像栈一样，队列也是一种表。然而使用队列时插入在一端进行而删除在另一端进行。 队列模型 队列的基本操作是Enquene(入队),它在表的末端插入一个元素，还有Dequene(出队)，它是删除在表的开头的元素。 队列的数组形式 如同栈的形式一样，对于队列而言任何表的实现都是合法的。就像栈一样 阅读全文
摘要：
栈ADT 栈(stack)是限制插入和删除只能在一个位置上进行的表，该位置是表的末端，叫做栈顶。栈的基本操作有进栈(push)和出栈(pop)，前者相当于插入，后者相当于删除最后的元素。在最后插入的元素可以通过使用Top例程在执行Pop之前进行考查。对空栈进行的Pop或Top一般被认为是栈ADT的错 阅读全文