Fork me on GitHub
上一页 1 ··· 43 44 45 46 47 48 49 50 51 ··· 88 下一页
摘要: layout: post title: 最小生成树 Prim Kruskal date: 2017 04 29 tag: 数据结构和算法 目录 TOC {:toc} 拓扑排序(AOV网络) 排课的时候,根据课程的难易程度及知识体系有些课是要先上有些课需要后上,那么在给定了一些课的先后顺序,我们怎样来 阅读全文
posted @ 2017-04-29 20:55 ranjiewen 阅读(610) 评论(0) 推荐(0) 编辑
摘要: layout: post title: 最小生成树 Prim Kruskal date: 2017 04 29 tag: 数据结构和算法 目录 TOC {:toc} 最小生成树Minimum Spanning Tree 一个有 n 个结点的连通图的生成树是原图的极小连通子图,且包含原图中的所有 n 阅读全文
posted @ 2017-04-29 18:01 ranjiewen 阅读(895) 评论(0) 推荐(0) 编辑
摘要: 题目 有了一张自驾旅游路线图,你会知道城市间的高速公路长度、以及该公路要收取的过路费。现在需要你写一个程序,帮助前来咨询的游客找一条出发地和目的地之间的最短路径。如果有若干条路径都是最短的,那么需要输出最便宜的一条路径。 输入格式: 输入说明:输入数据的第1行给出4个正整数N、M、S、D,其中N(2 阅读全文
posted @ 2017-04-29 17:00 ranjiewen 阅读(422) 评论(0) 推荐(0) 编辑
摘要: bagging方法(自举汇聚法 bootstrap aggregating) boosting分类:最流行的是AdaBoost(adaptive boosting) 随机森林(random forest) GBDT-Gradient Boost Decision Tree(MART) 迭代决策树入门 阅读全文
posted @ 2017-04-28 17:51 ranjiewen 阅读(482) 评论(0) 推荐(0) 编辑
摘要: 《TensorFlow实战》作者黄文坚做客【硬创公开课】,为我们讲解了关于四大经典CNN网络:AlexNet、VGGNet、Google Inception Net和ResNet的基本原理。本次公开课内容主要节选自作者《TensorFlow实战》第6章,关于这四大CNN网络实现方式可参考作者新书《T 阅读全文
posted @ 2017-04-28 14:32 ranjiewen 阅读(1211) 评论(0) 推荐(0) 编辑
摘要: 题目 “六度空间”理论又称作“六度分隔(Six Degrees of Separation)”理论。这个理论可以通俗地阐述为:“你和任何一个陌生人之间所间隔的人不会超过六个,也就是说,最多通过五个人你就能够认识任何一个陌生人。”如图1所示。 图1 六度空间示意图 “六度空间”理论虽然得到广泛的认同, 阅读全文
posted @ 2017-04-27 00:40 ranjiewen 阅读(835) 评论(0) 推荐(0) 编辑
摘要: 题目 An inorder binary tree traversal can be implemented in a non recursive way with a stack. For example, suppose that when a 6 node binary tree (with 阅读全文
posted @ 2017-04-26 11:22 ranjiewen 阅读(372) 评论(0) 推荐(0) 编辑
摘要: DCT变换和FFT变换都属于变换压缩方法(TransformCompression),变换压缩的一个特点是将从前密度均匀的信息分布变换为密度不同的信息分布。在图像中,低频部分的信息量要大于高频部分的信息量,尽管低频部分的数据量比高频部分的数据量要小的多。例如删除掉占50%存储空间的高频部分,信息量的 阅读全文
posted @ 2017-04-25 20:29 ranjiewen 阅读(2997) 评论(0) 推荐(0) 编辑
摘要: 记得上次Utuntu下Xshell环境没有搭建成功,这个又试试! 按照以前的方法测试Utuntu的ip;在本机安装Xshell 然后出现 xshell连接虚拟机时,提示SSH服务器拒绝了密码 修改方法: 修改文件权限不够,需要chmod 修改sshd_config权限,然后用gedit修改 参考 " 阅读全文
posted @ 2017-04-25 15:56 ranjiewen 阅读(1080) 评论(0) 推荐(0) 编辑
摘要: 基本使用 使用 TensorFlow, 你必须明白 TensorFlow: 使用图 (graph) 来表示计算任务. 在被称之为 的上下文 (context) 中执行图. 使用 tensor 表示数据. 通过 维护状态. 使用 feed 和 fetch 可以为任意的操作(arbitrary oper 阅读全文
posted @ 2017-04-20 20:56 ranjiewen 阅读(392) 评论(0) 推荐(0) 编辑
上一页 1 ··· 43 44 45 46 47 48 49 50 51 ··· 88 下一页