- 综合排序
- 最热优先
- 最新优先
- 来自专栏VRPinea
4.26 VR扫描：育碧投资AR和区块链游戏；《枪墓VR完全版》即将登陆PSVR
Vicon推出动捕软件Shogun 1.2 据悉，Vicon正式推出了新版本的动捕软件Shogun 1.2，该软件可实现动捕数据的实时应用。 此前的版本Shogun仅提供Shogun Live和Shogun Post工具，来帮助校准光学动捕系统。 Shogun 1.2又提供了11项新功能，包括SDI视频支持、定制道具，以及改善后的Shogun Post。 VRPinea独家点评：如果该软件应用于VR娱乐中，体验感应该会更好。
83570发布于 2018-05-18 - 来自专栏程序IT圈
LeetCode刷题实战599：两个列表的最小索引总和
示例 示例 1: 输入: list1 = ["Shogun", "Tapioca Express", "Burger King", "KFC"]，list2 = ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] 输出: ["Shogun"] 解释: 他们唯一共同喜爱的餐厅是“Shogun”。 示例 2: 输入:list1 = ["Shogun", "Tapioca Express", "Burger King", "KFC"]，list2 = ["KFC", "Shogun", "Burger King"] 输出: ["Shogun"] 解释: 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0+1)。
91720编辑于 2022-06-07 - 来自专栏freesan44
LeetCode 599. 两个列表的最小索引总和
示例 1: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines" , "Hungry Hunter Steakhouse", "Shogun"] 输出: ["Shogun"] 解释: 他们唯一共同喜爱的餐厅是“Shogun”。 示例 2: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King"] 输出: [ "Shogun"] 解释: 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0+1)。 ", "Tapioca Express", "Burger King", "KFC"] list2 = ["KFC", "Shogun", "Burger King"] ret = Solution
1K20发布于 2021-10-26 - 来自专栏悟道
599. 两个列表的最小索引总和
输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] 输出: ["Shogun"] 解释: 他们唯一共同喜爱的餐厅是“Shogun”。 示例 2: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King"] 输出 : ["Shogun"] 解释: 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0+1)。
1.3K20发布于 2021-06-10 - 来自专栏呆呆敲代码的小Y 公众号
【算法千题案例】每日LeetCode打卡——85.两个列表的最小索引总和
示例1: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] 输出: ["Shogun"] 解释: 他们唯一共同喜爱的餐厅是“Shogun”。 示例2: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King"] 输出: ["Shogun "] 解释: 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0+1)。
54120发布于 2021-11-26 - 来自专栏Michael阿明学习之路
LeetCode 599. 两个列表的最小索引总和（哈希map）
示例 1: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] 输出: ["Shogun"] 解释: 他们唯一共同喜爱的餐厅是“Shogun”。 示例 2: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King"] 输出: [" Shogun"] 解释: 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0+1)。
1.1K10发布于 2020-07-13 - 来自专栏木又AI帮
【leetcode刷题】T57-两个列表的最小索引总和
示例 1: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] 输出: ["Shogun"] 解释: 他们唯一共同喜爱的餐厅是“Shogun”。 示例 2: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King"] 输出: [" Shogun"] 解释: 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0+1)。
82850发布于 2019-07-17 - 来自专栏chenjx85的技术专栏
leetcode-599-Minimum Index Sum of Two Lists
Example 1: Input: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] Output: ["Shogun"] Explanation: The only restaurant they both like is "Shogun". Example 2: Input: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King" ] Output: ["Shogun"] Explanation: The restaurant they both like and have the least index sum is "Shogun
60280发布于 2018-05-22 - 来自专栏C++/Linux
【Leetcode -598.范围求和Ⅱ -599.两个列表的最小索引总和】
示例 1: 输入: list1 = [“Shogun”, “Tapioca Express”, “Burger King”, “KFC”]，list2 = [“Piatti”, “The Grill at Torrey Pines”, “Hungry Hunter Steakhouse”, “Shogun”] 输出 : [“Shogun”] 解释 : 他们唯一共同喜爱的餐厅是“Shogun”。 示例 2 : 输入 : list1 = [“Shogun”, “Tapioca Express”, “Burger King”, “KFC”]，list2 = [“KFC”, “Shogun”, “Burger King”] 输出 : [“Shogun”] 解释 : 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0 + 1)。
50310编辑于 2024-03-01 - 来自专栏chenjx85的技术专栏
leetcode-599-Minimum Index Sum of Two Lists
Example 1: Input: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] Output: ["Shogun"] Explanation: The only restaurant they both like is "Shogun". Example 2: Input: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King" ] Output: ["Shogun"] Explanation: The restaurant they both like and have the least index sum is "Shogun
34930发布于 2019-03-14 - 来自专栏爱写Bug
LeetCode 599: 两个列表的最小索引总和 Minimum Index Sum of Two Lists
示例 1: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["Piatti", "The Grill at Torrey Pines", "Hungry Hunter Steakhouse", "Shogun"] 输出: ["Shogun"] 解释: 他们唯一共同喜爱的餐厅是“Shogun”。 示例 2: 输入: ["Shogun", "Tapioca Express", "Burger King", "KFC"] ["KFC", "Shogun", "Burger King"] 输出: [" Shogun"] 解释: 他们共同喜爱且具有最小索引和的餐厅是“Shogun”，它有最小的索引和1(0+1)。
1.3K10发布于 2019-10-22 - 来自专栏机器学习入门
LeetCode Weekly Contest 34解题思路
Example 1: Input: [“Shogun”, “Tapioca Express”, “Burger King”, “KFC”] [“Piatti”, “The Grill at Torrey Pines”, “Hungry Hunter Steakhouse”, “Shogun”] Output: [“Shogun”] Explanation: The only restaurant they both like is “Shogun”. Example 2: Input: [“Shogun”, “Tapioca Express”, “Burger King”, “KFC”] [“KFC”, “Shogun”, “Burger sum is “Shogun” with index sum 1 (0+1).
47320发布于 2019-05-26 - 来自专栏AIRX三次方
Github上Top20 Python与机器学习开源项目推荐
//www.statsmodels.org/stable/index.html （2）Github URL： https://github.com/statsmodels/statsmodels/ Shogun Shogun是机器学习工具箱，提供了广泛的统一和有效的机器学习(ML)方法。 （1）URL： http://shogun-toolbox.org/ （2）Github URL： https://github.com/shogun-toolbox/shogun Pylearn2
1.9K00发布于 2020-12-05 - 来自专栏IT派
Top 20-Python 机器学习开源项目
Shogun 是一个机器学习工具箱，它提供了很多统一高效的机器学习方法。这个工具箱允许多个数据表达，算法类和通用工具无缝组合。 提交数: 15172 贡献者: 105, Github 链接: Shogun(https://github.com/shogun-toolbox/shogun) 9.
1K80发布于 2018-03-29 - 来自专栏北京马哥教育
Python机器学习工具包
Shogun Shogun是一个开源的大规模机器学习工具箱。 目前Shogun的机器学习功能分为几个部分：feature表示，feature预处理，核函数表示,核函数标准化，距离表示，分类器表示，聚类方法，分布，性能评价方法，回归方法，结构化输出学习器。 SHOGUN 的核心由C++实现，提供 Matlab、 R、 Octave、 Python接口。主要应用在linux平台上。 项目主页： http://www.shogun-toolbox.org/ 5.
3.8K140发布于 2018-05-04 - 来自专栏FPGA技术江湖
满满的干货：机器学习资料（五）
https://github.com/nilearn/nilearn Shogun—机器学习工具箱。 https://github.com/shogun-toolbox/shogun Pyevolve —遗传算法框架。
52720发布于 2020-12-30 - 来自专栏数据科学与人工智能
【机器学习】机器学习的11个开源项目
Shogun Shogun 是一个基于C++的最古老的机器学习开源库，它创建于1999年。作为一个SWIG库，Shogun可以轻松地嵌入Java、Python、C#等主流处理语言中。
1.6K90发布于 2018-02-27 - 来自专栏Opensource翻译专栏
Steam上的1,000多款Linux游戏，Godot的新3D渲染器以及更多游戏新闻
Shadow Tactics: Blades of the Shogun Shadow Tactics: Blades of the Shogun 已在Linux版的Steam上发布。
1.4K20发布于 2019-12-23 - 来自专栏AI研习社
谷歌公布GSoC 2020 暑期代码项目名单，200个开源项目30个新增
、视觉和图像、操作系统、编程语言和工具、科学和医学、安全、社交、网站等类别，同时新增了不少数据科学和机器学习相关的项目，包括Python, R, Julia, Tensorflow, Mlpack, Shogun Shogun（https://www.shogun.ml ） 幕府将军是最古老和最大的开源机器学习平台之一，它提供了高效和统一的机器学习方法。
98910发布于 2020-02-26 - 来自专栏数据科学与人工智能
【Python环境】Python机器学习库
Shogun Shogun是一个开源的大规模机器学习工具箱。 目前Shogun的机器学习功能分为几个部分：feature表示，feature预处理， 核函数表示,核函数标准化，距离表示，分类器表示，聚类方法，分布， 性能评价方法，回归方法，结构化输出学习器。 SHOGUN 的核心由C++实现，提供 Matlab、 R、 Octave、 Python接口。主要应用在linux平台上。 项目主页： http://www.shogun-toolbox.org/ 5.
1.4K100发布于 2018-02-27
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