-
编辑 删除
动态规划求解最长公共子序列
推出一个新系列，《看图轻松理解数据结构和算法》，主要使用图片来描述常见的数据结构和算法，轻松阅读并理解掌握。本系列包括各种堆、各种队列、各种列表、各种树、各种图、各种排序等等几十篇的样子。 最长公共子序列，英文为Longest Common Subsequence，缩写LCS。…
-
编辑 删除
邓稼先和他的核事业
从老一辈的科学家身上寻找越来越难见到的精神，我感觉经济腾飞的数十年，创造了物质生活的富裕，却也让很多宝贵的精神遗失。 几十年前国内有很多非常著名的数学大师，也将中国带入了世界数学一流的行列，而如今国内的学术却经常被数学大师丘成桐批。近期还有翟某北大学术造假，可以肯定国内学术的这…
-
编辑 删除
计数排序vs基数排序vs桶排序
计数排序是一种非基于元素比较的排序算法，而是将待排序数组元素转化为计数数组的索引值，从而间接使待排序数组具有顺序性。 计数排序的实现一般有两种形式：基于辅助数组和基于桶排序。 整个过程包含三个数组：待排序数组A、计数数组B和输出数组C。 简单来说，就是通过统计待排序数组A中元素…
-
编辑 删除
机器学习判别式与生成式
在机器学习中，对于监督学习我们可以将其分为两类模型：判别式模型和生成式模型。可以简单地说，生成式模型是针对联合分布进行建模，而判别式模型则针对条件分布建模。 从感性上认识，生成式能学习到更多信息，而判别式则较少，就好比学习英语，有类人只学会听懂这是英语，有类人学会了听懂这是英语…
-
编辑 删除
基于桶的基数排序
推出一个新系列，《看图轻松理解数据结构和算法》，主要使用图片来描述常见的数据结构和算法，轻松阅读并理解掌握。本系列包括各种堆、各种队列、各种列表、各种树、各种图、各种排序等等几十篇的样子。 基数排序(Radix Sort)算法是一种非比较的排序算法，早在 1887 年 Herm…
-
编辑 删除
了解模式识别
对模式的识别是人类智慧的一个重要体现，人类具有很强的模式识别能力，能对千千万万的具体的物质进行识别，也能对事物进行高级抽象后的模式进行识别。一个人对模式识别的学习从小孩就开始，知道了这是花草、那是蓝天白云。这些对人类来说很简单的事情，其实是很复杂的智能行为。 模式(patter…
-
编辑 删除
看图轻松理解计数排序
-
编辑 删除
业务系统如何引入神经网络
目前的AI其实更多就是仅仅用来从历史数据中学习到一些规律而已，在业务上，更多的只是减少人为介入工作，所以要在业务系统中引入神经网络，其实主要就是在要找到切入点。 简单来说，可以走访一线用户看他们花最多的时间在系统哪些地方，经常重复了哪些工作，也可以通过统计日志找到合适的切入点。…
-
编辑 删除
看图轻松理解斐波那契数列
推出一个新系列，《看图轻松理解数据结构和算法》，主要使用图片来描述常见的数据结构和算法，轻松阅读并理解掌握。本系列包括各种堆、各种队列、各种列表、各种树、各种图、各种排序等等几十篇的样子。 斐波那契(Leonardo Pisano ,Fibonacci, Leonardo Bi…
-
编辑 删除
图像的卷积和池化操作
卷积分为连续函数卷积及离散函数卷积，因为我们实际工作中多数情况下是数字化的场景，所以我们需要离散域的卷积操作。对于两个离散函数f和g，卷积运算是将连续函数的积分操作转换为等效求和： 对于图像而言，它属于二维数据，那么它对应的就是2D函数，我们可以通过一个过滤器来过滤图像，这个过…
-
编辑 删除
看图轻松理解并查集
-
编辑 删除
让机器玩游戏的强化学习(附github)
强化学习是代理面临的学习问题，它通过与动态环境反复交互试验从而学习到某种行为。它是机器学习的主要学习方法之一，智能体从环境到行为的学习，也就是如何在环境中采取一些列行为，才能使得回报信号函数的值最大，即获得的累积回报最大。 现在强化学习与深度学习结合的深度强化学习更加强大。 在…
-
编辑 删除
图论广度优先搜索
-
编辑 删除
一个例子了解迁移学习
对于传统机器学习而言，要求训练样本与测试样本满足独立同分布，而且必须要有足够多的训练样本。而迁移学习能把一个领域（即源领域）的知识，迁移到另外一个领域（即目标领域），目标领域往往只有少量有标签样本，使得目标领域能够取得更好的学习效果。 样本迁移，在源领域中找出与目标领域相似的样…
-
编辑 删除
看图轻松理解最小(大)堆
-
编辑 删除
可视化探索卷积神经网络提取特征
卷积神经网络的发展主要是为了解决人类视觉问题，不过现在其它方向也都会使用。发展历程主要从Lenet5->Alexnet->VGG->GooLenet->ResNet等。 传统BP神经网络层与层之间都是全连接的，对于图像处理领域，当神经网络处理大图像时，全连接会导致待训练的参数非…
-
编辑 删除
图论最小生成树
-
编辑 删除
聊聊从脑神经到神经网络
神经网络能解决非线性的复杂的模型问题，而且通过增加网络的层数将具备更加强大的学习能力，另外如果再改造改造层的结构则变成各类深度学习模型，例如CNN RNN之类的。 神经网络一般被用来捕捉复杂情况下的特征，比如说视频图像中的动物类别、一名作家的写作风格等等。 人脑可能有1000多…
-
编辑 删除
图论深度优先搜索
-
编辑 删除
隐马尔可夫分词
虽然目前 nlp 很多任务已经发展到了使用深度学习的循环神经网络模型和注意力模型，但传统的模型咱们也一样要了解。这里看下如何使用隐马尔科夫模型(HMM)进行分词。 隐马尔科夫模型是一种有向图模型，图模型能清晰表达变量相关关系的概率，常见的图模型还有条件随机场，节点表示变量，节点…
