2018年9月6日
特征值和特征向量
摘要： 1. 特征值和特征向量的定义 设$A$是$n$阶方阵，若存在一个数$\lambda$和非0向量$x$，使得 $Ax=\lambda x$ 那么我们就说向量$x$是方阵$A$的特征向量，$\lambda$是特征向量$x$对应的特征值。 2. 特征子空间 由$Ax=\lambda x$，可以得到 $Ax 阅读全文
posted @ 2018-09-06 09:25 wumh7 阅读(504) 评论(0) 推荐(0) 编辑
java二叉树的定义及求其最大深度&判断两棵二叉树是否相等
摘要： 1. 二叉树的定义 代码如下： 2. 求二叉树的最大深度代码如下： 3. 判断两棵二叉树是否相等的代码如下： 阅读全文
posted @ 2018-09-06 07:34 wumh7 阅读(441) 评论(0) 推荐(0) 编辑
java的异或
摘要： 1. 两个相同的数异或=0: A^A=0; 2. 0异或任何一个数等于它本身： 0^A=A; 3. 异或满足交换律： A^B=B^A。 阅读全文
posted @ 2018-09-06 06:38 wumh7 阅读(875) 评论(0) 推荐(0) 编辑
2018年9月4日
java中double转整型
摘要： 比方说有一个整型数据 int n=3； 我们用pow函数求出它的平方，此时数据类型为double double s=Math.pow(n,2); 我们要将其转化为整型数据，则应该如下操作 int t=(new Double(s)).intValue(); 有时我们要求的数据范围比较大，int不能满足 阅读全文
posted @ 2018-09-04 17:06 wumh7 阅读(16443) 评论(0) 推荐(2) 编辑
2018年8月22日
面试常考基本算法
摘要： 1. 决策树 https://zhuanlan.zhihu.com/p/26703300 2. 随机森林 http://www.cnblogs.com/maybe2030/p/4585705.html 3. 朴素贝叶斯分类 https://blog.csdn.net/amds123/article/ 阅读全文
posted @ 2018-08-22 14:53 wumh7 阅读(169) 评论(0) 推荐(0) 编辑
2018年8月19日
阅读方法
摘要： 一、主动提问题 （1）为什么要读这本书？ （2）这本书大概讲了什么内容？ （3）这本书重点讲了什么内容？ （4）这本书中说的东西有用吗？正确吗？ （5）这本书的优点是什么？缺点是什么？ 二、做笔记 （1）复述作者的思想； （2）加入自己的理解； （3）对比作者的思想，修正自己的理解。 三、阅读步骤 阅读全文
posted @ 2018-08-19 11:14 wumh7 阅读(131) 评论(0) 推荐(0) 编辑
2018年8月17日
深度学习常用基本知识整理
摘要： 1. 张量 从代数角度讲，张量可以看作是向量的推广。标量可以看作是0阶张量，向量可以看作1阶张量，矩阵可以看作2阶张量，n阶张量可以看成一个n维数组。 Reference: 2. 导数，微分和偏导数的区别 设$k$为斜率，$dy$为纵坐标的增量，$dx$是横坐标的增量，那么简单地讲，导数就是斜率$k 阅读全文
posted @ 2018-08-17 09:01 wumh7 阅读(853) 评论(0) 推荐(0) 编辑
2018年8月15日
java基础知识（未完待续）
摘要： 1. 数据类型 1. Java的基本数据类型 Java有8大基本数据类型：byte(8位)，short、char(16位)，int、float(16位)，long、double(64位)，boolean(布尔类型)。 Java中整数的默认类型是int，小数的默认类型是double。float a=3 阅读全文
posted @ 2018-08-15 09:11 wumh7 阅读(164) 评论(0) 推荐(0) 编辑
2018年8月12日
华为面经（机器视觉算法工程师）
摘要： 一面 一面是技术面，面试官是根据你简历上的东西来问的，问项目，问的很细。 建议： 1. 要对简历上的东西了解的非常透彻； 2. 简历上要体现你的工作量，体现你做了哪些东西； 3. 要有和岗位要求匹配的项目，如果没有，建议自己根据岗位要求做一两个作品； 4. 计算机视觉、深度学习之类的经典视频 要看， 阅读全文
posted @ 2018-08-12 09:28 wumh7 阅读(4628) 评论(1) 推荐(0) 编辑
2018年8月10日
PCA和LDA的对比
摘要： PCA和LDA都是经典的降维算法。PCA是无监督的，也就是训练样本不需要标签；LDA是有监督的，也就是训练样本需要标签。PCA是去除掉原始数据中冗余的维度，而LDA是寻找一个维度，使得原始数据在该维度上投影后不同类别的数据尽可能分离开来。 PCA PCA是一种正交投影，它的思想是使得原始数据在投影子 阅读全文
posted @ 2018-08-10 22:31 wumh7 阅读(11001) 评论(0) 推荐(0) 编辑