- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法工程师之路
每日算法题：Day 11
作者：TeddyZhang，公众号：算法工程师之路 Day 11, 概率统计知识点走起~ 1 编程题 【剑指Offer】栈的压入，弹出序列 输入两个整数序列，第一个序列表示栈的压入顺序，请判断第二个序列是否可能为该栈的弹出顺序
58810发布于 2019-08-13 - 来自专栏技术大杂烩
【算法题解】 Day11 数学
根据题意，需要爬 n 阶楼梯才能到达楼顶，并且每次只能爬1或2个台阶，问有几种方法？
31520编辑于 2023-08-31 - 来自专栏CSDN搜“看，未来”
【C++】算法集锦（11）：敏感词过滤算法（DFA）
DFA：确定的 有穷 状态机 如果 设计模式 中的状态模式比较熟的话，这个就很清楚了。 DFA常用于敏感词过滤。
1K20发布于 2021-09-18 - 来自专栏机器视觉工坊
AI算法分类
AI算法分类如下： 一、机器学习算法 监督学习 1、回归算法：线性回归和逻辑回归。 线性回归：进行直线或曲线拟合，一般使用“最小二乘法”来求解。 kNN算法是一种判别模型，即支持分类问题，也支持回归问题，是一种非线性模型。它天然的支持多分类问题。kNN算法没有训练过程，是一种基于实例的算法。 无监督学习 7、K均值算法核心：把样本分配到离它最近的类中心所属的类，类中心由属于这个类的所有样本确定。k均值算法是一种无监督的聚类算法。 和其他类型的神经网络一样，循环神经网络是一个判别模型，既支持分类问题，也支持回归问题，并且支持多分类问题 三、大数据算法 数据挖掘&数据分析 推荐算法 四、一些算法本身并不算是一个机器学习算法 ，而是为了解决某个子问题而诞生的机器学习算法的子算法，如深度学习的神经网络的训练一般采用反向传播算法，梯度下降法。
2.4K20发布于 2020-07-28 - 来自专栏机器学习入门
算法细节系列（11）：再谈动态规划
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014688145/article/details/70702445
96040发布于 2019-05-26 《算法导论》第 11 章 - 散列表
今天我们来深入学习《算法导论》第 11 章 —— 散列表（Hash Table）。 冲突解决方法 《算法导论》中介绍了两种主要的冲突解决方法： 链地址法（Chaining）：将具有相同散列值的元素存储在同一个链表中 开放寻址法（Open Addressing）：所有元素都存储在散列表本身中 int key, int a, int b, int m) { return ((a * key + b) % m + m) % m; } int main() { int m = 11 "空"; } cout << endl; } } }; // 示例用法 int main() { // 创建一个大小为11 （质数）的开放寻址法散列表 HashTableOpenAddressing ht(11); // 插入元素 ht.insert(10, "苹果"); ht.insert
12610编辑于 2026-01-21- 来自专栏全栈程序员必看
11种经典滤波算法「建议收藏」
优点： 继承了“限幅”和“消抖”的优点 改进了“消抖滤波法”中的某些缺陷,避免将干扰值导入系统 C、缺点： 对于快速变化的参数不宜 第11 return value; } return new_value; } 2、中位值滤波法 /* N值可根据实际情况调整 排序采用冒泡法*/ #define N 11char */ #define N 12char code coe[N] = {1,2,3,4,5,6,7,8,9,10,11,12};char code sum_coe = 1+2+3+4+5+6+7+8+9+ 10+11+12;char filter(){ char count; char value_buf[N]; int sum=0; for (count=0,count<N;COUNT delay(); new_value = get_ad(); } return value; } 10、限幅消抖滤波法 /* */ 略 参考子程序1、9 11
6.5K21编辑于 2022-08-18 - 来自专栏乐行僧的博客
11-二分查找算法
思想： 利用有序的特点，平均意义上，每次查找缩减一般的查找规模，进而提高查找速度。 关键点： 存储结构为顺序存储，且关键字之间有序 l <= r，不能l < r 中间下标计算溢出问题，m = (l + r)/2 可能会溢出，使用减法，m = (r - l)/2 + l 代码： #include <stdio.h> int BinSearch(int *a, int n, int t) { int l = 0; int r = n - 1; while (l <= r) {
16920编辑于 2022-02-25 - 来自专栏python编程军火库
AI_第一部分 数据结构与算法（11.排序算法实战上）
第四阶段我们进行深度学习(AI)，本部分（第一部分）主要是对底层的数据结构与算法部分进行详尽的讲解，通过本部分的学习主要达到以下两方面的效果： 1.对开发中常见的算法能应用自如，让你在跳槽找工作中“算法题 2.我们不需要调参数的调参攻城狮，我们要做正真的自己的AI模型。 3.本部分预计40篇左右。 hello,大家好，今天开始我们一起聊聊排序算法中比较基础的三种排序算法：冒泡排序，插入排序，选择排序。 为何要把这三个排序放在一起来说呢？主要是基于其时间复杂度都是一致的O(n^2). 而对于一组静态数据，我们也可以借鉴上面讲的插入方法，来进行排序，于是就有了插入排序算法。 如何借鉴此思路来实现插入排序的呢？ 插入算法的核心思想是取未排序区间中的元素，在已排序区间中找到合适的插入位置将其插入，并保证已排序区间数据一直有序。重复这个过程，直到未排序区间中元素为空，算法结束。
55820发布于 2019-10-22 - 来自专栏Unity3D
☆打卡算法☆LeetCode 11、盛最多水的容器 算法解析
一、题目 1、算法题目 “根据输入的数组数字构建坐标轴，求出坐标轴构成的容器可以容纳最多的水。” ，an**，每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线，垂直线 i 的两个端点分别为 (i, ai) 和 (i, 0) 。
42120编辑于 2022-08-07 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ ❤ Indeed Unveils AI Agents for Job Seekers and Recruiters 求职招聘领域迎来AI助手新时代 Indeed推出了两款AI Agents，分别面向求职者和招聘方 ❤ Secure AI Agents at Runtime with Docker Docker推出AI Agent运行时安全解决方案 Docker发布了关于如何在运行时保护AI Agent的新方法， 随着AI工具的强大和普及，它们也变得不可预测且易受攻击。从LLM输出中的幻觉到提示注入，AI工作流面临多重安全威胁。 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。
33110编辑于 2025-09-17 - 来自专栏MiningAlgorithms
机器学习11：机器学习算法目录（前）
；算法适应：ML-KNN、ML-DT）。 是分类算法，监督算法，而K-means是聚类算法，非监督算法； 6，聚类分析：K-means（二分K-means算法、K-means++，K-means||算法合理选择k个初始点、canopy算法选择超参数 8， EM算法（无监督算法）分三步、GMM（高斯混合聚类） 要点：EM算法（概率模型依赖于无法观测的隐藏变量无法单纯用MLE或者MAP；EM算法与K-means算法相似）； 9，隐马尔可夫模型（HMM） ：条件随机场、GM-HMM、概率计算问题（前向-后向算法）、学习问题（Bawm-Welch算法）、预测问题（Viterbi算法）。 10，概率图模型（参考邱老师的PPT） 11，降维学习：主成分分析（PCA），线性判别分析（LDA）、特征选择；特征降维可分为有监督（LDA）和无监督（LSA、NMF）；主题模型（LDA、LSA） 要点
98520发布于 2019-08-08 - 来自专栏xiaosen
AI - 聚类算法
聚类算法的应用场景： 商业选址：通过分析用户的地理位置信息，聚类算法可以帮助企业确定新店铺的最佳位置，以最大化覆盖潜在客户。 选择合适的聚类算法和参数对于解决特定问题至关重要。这类方法通常需要预先指定簇的数量，并通过迭代优化来找到最佳的数据划分。典型的划分方法包括K-means算法、K-medoids算法等。 代表性的算法有AGNES（自底向上的聚合算法）和DIANA（自顶向下的分裂算法）。 import matplotlib.pyplot as plt wcss = [] for i in range(1, 11): #循环使用不同k测试结果 kmeans = KMeans(n_clusters random_state = 42) kmeans.fit(X) wcss.append(kmeans.inertia_) #inertia簇内误差平方和 plt.plot(range(1, 11
1.1K10编辑于 2024-03-22 - 来自专栏花狗在Qt
java学习之路：11.数组排序算法
package number; public class Xuexi { public static void main(String[] args) { int arr[]=new int[]{54,67,11,27,13,48,45
49231发布于 2020-10-28 探索11种流行的机器学习算法
在这篇文章中，我们将一起了解11种流行的机器学习算法，并解释它们的作用和可能的使用场景。 神经网络神经网络算法——大多数现代AI工具的基础——旨在模仿人脑的结构。他们通过使用层叠的互联人工“神经元”，通过处理数据来学习并找到数据中的模式。神经网络用于各种任务，如模式识别、分类、回归和聚类。 他们对离群值也非常强大，因为他们不像其他算法那样容易受到单个数据点的影响。与随机森林一样，他们运行起来可能会非常昂贵。找到算法需要的最佳参数以获取最佳结果也可能需要时间。强化学习11. 考虑到我们在这篇博客中介绍的11种算法的深度和多样性，这并不奇怪。在Elastic，我们非常清楚机器学习的力量和潜力。我们已经构建了一套解决方案，使企业可以直接使用机器学习的力量。 机器学习和AI的世界在未来几年只会越来越大，越来越发展，所以现在是开始参与的最佳时机！
87331编辑于 2024-05-02- 来自专栏AI系统
【AI系统】Winograd 算法
在本文将重点介绍 Winograd 优化算法，它是矩阵乘优化方法中 Coppersmith–Winograd 算法的一种应用，按照 Winograd 算法的原理将卷积的运算进行转换，从而减少卷积运算中乘法的计算总量 } & k_{8} & k_{9} & k_{10} \\ k_{1} & k_{2} & k_{3} & k_{5} & k_{6} & k_{7} & k_{9} & k_{10} & k_{11 k_{8} & k_{9} & k_{10} & k_{12} & k_{13} & k_{14} \\ k_{5} & k_{6} & k_{7} & k_{9} & k_{10} & k_{11 算法约束与缺点 从上述方法的介绍中可以得知，Winograd 算法通过减少乘法操作的次数，有效降低了计算资源的消耗，从而提高了计算速度。 另一个想法是将 Winograd 算法与空间组织算法结合起来，充分利用局部性和算法分析的优化，将卷积计算通过空间组合优化算法中的拆分方法，将输入拆分成若干个小规模卷积。
62411编辑于 2024-12-17 - 来自专栏sofu456
斗地主ai算法
牌的识别 识别和过滤，即要知道牌是什么牌，还要过滤出那几张牌是需要的牌 sequence = ['3', '4', '5', '6', '7', '8', '9', '10', 'j', 'q', 'k', '1', '2', 'xw', 'dw'] card = ['单牌', '对牌', '三张', '三带一', '单顺', '双顺', '三顺', '飞机','炸弹','四带二'] def to_card(data): return list(map(lambda x:
1.3K10编辑于 2021-12-06 - 来自专栏AI系统
【AI系统】QNNPack 算法
本文将会深入介绍 QNNPACK 算法的实现过程。 前置知识回顾 在介绍 QNNPACK 算法前，先回顾一下传统的矩阵卷积运算方法。 加速库中针对矩阵卷积运算的核心算法，即如文章标题所示的 The Indirect Convolution Algorithm（间接卷积算法）。 对计算进行划分 虽然 QNNPACK 利用了像其他 BLAS 库一样的 PDOT 微内核，但其对具有 8 位元素的量化张量和移动 AI 使用案例的关注带来了非常不同的性能优化视角。 与 Im2Col 算法对比 与基于 Im2Col 的卷积算法相比，间接卷积的性能受到四个因素的影响： 消除非单位卷积的 Im2Col 转换。 可以看到间接卷积算法性能会明显优于其他算法的性能。
55610编辑于 2024-12-13 - 来自专栏算法channel
11位粉丝留言给我的11种入门Python与算法的方法
问 说说你是如何入门Python或算法的？ 答 7 公众号粉丝：伪装者 谈谈我三年来大学的在计算机算法方面的学习吧，希望对大家有点帮助，在大学时就天天看算法，买了本《算法导论》，这本书是外国的，读了两遍，不是很了解，但是对我帮助很大，对于不理解的算法 ，一个问题实现的算法多种多样，你要分析最优算法，哪些是空间上最优，哪些是时间上最优等等。 答 11 公众号粉丝：超 从爬虫开始入门python，后来逐渐接触了数据处理和机器学习，学习了pandas，numpy，sklearn等工具的使用。偶然看到博主的公众号，收获很大。 请以上11位同学添加管理员微信（注明：送书）；感谢以上11位同学的用心总结，希望能帮助到更多的你们。
74260发布于 2018-12-29 - 来自专栏决策智能与机器学习
AI算法对抗攻击和防御技术综述「AI核心算法」
关注：决策智能与机器学习，深耕AI脱水干货 ? Athalye等提出了EoT算法来解决第一个问题。 启发式防御算法由研究者通过实验获得，它们在实践中可以做到对一些特定的对抗攻击算 法具有良好的防御性能，但没有对防御性能给出理论性保障；可证明式防御通过理论证明，可以计算出在特定对抗攻击算法攻击下模型的最低准确度 Goodfellow等首先提出对抗训练，他们使用良性样本和通过FGSM算法生成的对抗样本一起训练神经网络，用于增强神经网络的鲁棒性；接着，提出了使用由PGD算法生成的对抗样本进行对抗训练的方法。 这主要是因为，攻击算法只要针对某一类防御生效即可， 然而一个有效的防御算法则需要去防御所有可能的攻击手段。 结束语 近两年来，针对深度学习算法的对抗攻击和防御技术迅速发展。
3.6K10发布于 2020-09-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号