- 博客(6)
- 收藏
- 关注
RSS订阅原创 leetcode笔记
Leetcode 记录单调栈解决的问题在一维数组中找满足右边或左边大于等于或小于等于当前元素的第一个数。思路单调栈记录元素下标循环遍历所给数组不满足栈单调便弹出元素直到满足，当前元素入栈左边<nums[i]，右边<nums[i]：递增栈，当前元素被弹出时记录右边结果right[stack[-1]]=i。不满足递增条件的元素全部弹出时记录左边结果。left[i]=stack[-1] or -1(stack为空, 不存在)左边>nums[i]，右边>nums[i]：递
2022-03-22 23:06:50
72
原创 数学知识补充 - 向量空间
数学知识补充 - 向量空间主要是对《all the mathmatics you missed》 的翻译和自身理解。1.0 Preference线性代数主要研究线性变化和线性空间，或者说是矩阵乘法和向量空间RnR^nRn. 我们应该学到如何在抽象的线性空间的相关概念和矩阵的相关概念相互转换。比如说，给定一个线性空间的基，我们应该能够把其上的所有线性变换表示为矩阵。此外，我们能够明确关于不同的基的矩阵表示的是同一线性变换。关于矩阵可逆的等价关系是线性代数中一个重要的定理，应该被熟知。我们也要知道为什么线
2020-09-06 16:45:29
1309
原创 流形学习初步
流形学习初步说明整理了一些直观概念，并没有很多的数学推导，里面的一些数学conception（eg.拓扑结构）都是比较基础的，可以去wiki上找相应的定义。思维导图[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-z9fi6VsJ-1598025783087)(C:\Users\nicow\AppData\Local\Temp\1598009123311.png)]1. 流形基础直观感受特征冗余：我们所能观察到的数据实际上是由一个低维流形映射到高维空间上的。eg：
2020-08-22 00:03:44
385
原创 粗读论文阶段（一）Riemannian approach to batch normalization
粗读论文阶段（一）Riemannian approach to batch normalizationcitearXiv:1709.09603v3 [cs.LG]motivation已有方法的不足：BN的作者证明了将BN应用于某层，使其前向传递对于权重参数的线性变换保持不变。虽然这种特性可以通过减小较大权重的梯度来稳定参数增长，但它也可能对优化产生不利影响，因为可能存在无限多个具有相同正向传递但不同缩放比例的网络，它们可能会在不同的梯度下收敛到不同的局部最优（不是特别明白）。在实践中，网络可能对正则
2020-08-09 15:52:11
279
转载 批归一化Batch Normalization学习笔记
1 Batch Normalization（BN）的作用1.1 特征分布对神经网络训练的作用在神经网络的训练过程中，我们一般会将输入样本特征进行归一化处理，使...
2020-08-02 18:31:04
171
原创 数学知识补充-协方差，协方差矩阵，相关系数，相关系数矩阵
说明：这里只考虑随机变量总体的参数，而不是从统计学的角度考虑样本的统计量1. 协方差意义：在概率论和统计中，协方差是对两个随机变量联合分布线性相关程度的一种度量。两个随机变量越线性相关，协方差越大， 两个变量完全线性无关，协方差为零。协方差的定义如下：cov(X,Y)=E[(X−E(X)∗(Y−E(Y))]cov(X,Y)=E[(X-E(X)*(Y-E(Y))]cov(X,Y)=E[(X−E(X)∗(Y−E(Y))]（我这里用“∗*∗”表示python中的元素分别相乘）当X,Y是同一个随机变量时
2020-08-02 18:11:52
756
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人