其他

一、說明 （１）看到網上同一個字串求 next 數組的值有兩種，一種是 -1 開頭，一種是 0 開頭，雖然有差別，但是以 0 開頭的next數組的每一項都比以 -1 開頭的next數組的對應項大1，所以，具體是以 0 開頭還是以 -1 開頭看需要吧，演算法都是一樣的．KMP 的原始論文 （K，M，P 三個傢伙寫的原文）中是以 0 開頭的，所以下面的寫法是以 0 開頭的． （２）關於 next

首先請看阮一峰老師的這篇文章。連結為http://blog.csdn.net/wusecaiyun/article/details/49281645 1.首先明白一個字串A的next數組，其含義是什麼，比如說next[i]=1，就是說如果第i個字元(從1開始)與要匹配的字串不相等，那麼就把字串A向右滑動，拿A的第一個字元繼續與要匹配的字串進行匹配。 2.next數組如何求?

作者丨葛政（早稻田大學碩士生，研究方向是深度學習，電腦視覺） 部落格丨Xraft.Lab 來源 | PaperWeekly 相信做機器學習或深度學習的同學們回家總會有這樣一個煩惱：親朋好友詢問你從事什麼工作的時候，如何通俗地解釋能避免尷尬。 我嘗試過很多名詞來形容自己的工作：機器學習，深度學習，演算法工程師/研究員，搞電腦的，程式員…這些詞要麼自己覺得不滿意，要麼對方聽不懂。經曆無數次失敗溝通，最後總結了一個簡單實用的答案：“做Face Service的”

唐納德·克努特認為電腦既是一種科學，更是一種技術，他的一生幾乎都花在了“藝術”上。 有評論認為《電腦程式設計的藝術》（The Art of Computer Programming)的作用與地位可與數學史上歐幾裡得的《幾何學原理》相比。它的作者唐納德·克努特 （Donald Ervin Knuth）因而榮獲1974年度的圖靈獎。   藝術與科學

http://blog.csdn.net/linmingan/article/details/50958304 迴圈神經網路的反向傳播演算法其實只是BP演算法的一個簡單變體而已。 首先我們先看看迴圈神經網路的前向傳播演算法：

0.  前言 一個字串"BBCABCDABABCDABCDABDE"中是否包含另一個字串"ABCDABD"。 KMP就是最常用的字串匹配演算法之一。KMP有著優秀的時間複雜度O(m+n)，網上有很多KMP演算法的解釋，但讀起來都很費勁。直到讀到Jake Boxer的文章，我才真正理解這種演算法。下面我用自己的語言，試圖寫一篇比較好懂的KMP演算法解釋。 1.  演算法過程解釋 首先，字串"BBCABCDAB

1.MRF-Gibbs等價定理指出，MRF聯合分布（joint distribution）是一個吉布斯分布（Gibbs distribution），而後者可以採用簡單的形式。針對統計映像分析，這不僅帶給我們數學上的發現，也為我們提供了數學上的易處理工具（Grenander 1983；Geman and Geman 1984）。

之前試圖學過Coursera上講馬爾科夫隨機場的課程，發現聽不太懂，原因是那傢伙一上來簡單介紹一下馬爾科夫隨機場是什麼樣子的就開始Graphcut了。但是到底什麼是馬爾科夫隨機場。為什麼馬爾科夫隨機場可以那樣去定義和推導。這些都沒有怎麼講清楚，於是聽了個稀裡糊塗的。這次系統學了一下機率圖，對這個問題有了比較清晰的認識，這裡簡單談一下自己的理解。 如果沒有另加說明，為了敘述方便，以下的變數都是二值0-1的離散變數。 一、機率圖

原文地址：http://blog.csdn.net/lrs1353281004/article/details/79529818 整理了一下機器學習-演算法工程師需要掌握的機器學習基本知識點，並附上了網上筆者認為寫得比較好的博文地址，供參考。（持續更新） 機器學習相關基礎概念 Variance（方差）與bias（偏差） https://www.zhihu.com/question/27068705 常用效能指標

如何確定聚類演算法的類別數 k （1）根據資料的來源使用領域相關的以及一些先驗的知識來進行估計——說了等於沒有說啊 （2）降維到二維平面上，然後如果資料形狀比較好的話，也許可以直觀地看出類別的大致數目。 （3）通過譜分析，找相鄰特徵值 gap 較大的地方——這個方法我只瞭解個大概，而且我覺得“較大”這樣的詞也讓它變得不能自動化了。 （4）層次聚類則避免了類別數目的確定問題，其在做Clustering的時候不需要知道類別數； 在計算樣本距離時如何處理非數值型特徵（類型）

03.02 晚上一面之後以為直接GG了。一面連結 今天11：30突然接到電話一臉懵逼，稍微推脫了下改到了下午兩點。 和屋裡兩隻喵一起睡了個安心的午覺，等電話。 我投的是螞蟻金服的演算法工程師，可能之前有金融雙學位，被放到了風險管理部門了。 面試官問我是想從事純粹的技術還是他們部門，這種時候當然要跪舔： 身為一個女生，我當然更喜歡與人打交道更多的部門。技術只是我的一個工具。 然後面試官大概講了他們部門。問我平常做了什麼。我把自己的研究講了一下。

 花了大概1天的時間整理的各語言的開源推薦系統，比較完整全面的項目標紅。 一、python庫 1、benfred/implicit Fast Python Collaborative Filtering for Implicit Datasets https://github.com/benfred/implicit 2、Mendeley/mrec A recommender systems

原題地址：http://ac.jobdu.com/problem.php?pid=1156 題目描述：     “臭味相投”——這是我們描述朋友時喜歡用的詞彙。兩個人是朋友通常意味著他們存在著許多共同的興趣。然而作為一個宅男，你發現自己與他人相互瞭解的機會並不太多。幸運的是，你意外得到了一份北大圖書館的圖書借閱記錄，於是你挑燈熬夜地編程，想從中發現潛在的朋友。    

       GitHub 每年都會在年度盛會中推出資料報告，其中列出了一些年度的資料，包括其網站中最受歡迎的程式設計語言、開源項目等。        那麼今年哪些開源項目最具價值呢。        我們一起來看看被 Fork 最多的開源項目： 具體這些項目是啥呢，接下來我們詳細介紹一下： 1、tensorflow      

題目： 警察局抓了a,b,c,d四名偷竊嫌疑犯，當中只有一個是小偷，審問結果如下： a說：“我不是小偷。” b說：“c是小偷。” c說：“小偷肯定是d。” d說：“c在冤枉人。” 現在已經知道4個人中3人說的是真話，一個說的是假話，那麼誰是小偷。 #include <stdio.h>int main( ){ int x;for(x=1;x<=4;x++) if((x!=1)+(x==3)+(x==4)+(x!=4)==3) printf("%

運用計數排序的方法： import java.util.Scanner;import java.io.IOException;import java.io.FileReader;class Main{public static final boolean DEBUG = false;public static void main(String[] args) throws IOException {Scanner cin;int n, m;if (DEBUG) {cin = new

轉載自：http://www.cnblogs.com/simayuhe/p/5444091.html 馬爾科夫隨機場，本質上是一種機率無向圖模型。分類：機率圖模型大致上分為兩種，一種是有向圖，又叫貝葉斯網路，連結節點之間的邊是有方向的，用來描述變數之間的因果關係（下圖左側）；另一種是無向圖，又叫馬爾科夫隨機場，邊是沒有方向的，用來描述變數之間的軟約束（下圖右側）。 1.Bayesian network 用機率圖表示聯合機率分布密度  起點對應條件變數，

摘要：在過去的20年裡，研究者提出很多Face Service的方法。大多數研究者運用了整張人臉來做識別，基本技術路線都是提取人臉特徵然後並對。然而在實際的情境中，人臉可能被障礙物遮擋，那麼我們就必須識別人的部分臉，部分臉識別大多基於臉部關鍵點進行識別。本文意在總結基於人臉關鍵點的全臉和部分臉的識別方法。 1.引言       近20年，大量的Face

深度學習筆記(一)：logistic分類 深度學習筆記(二)：簡單神經網路，後向傳播演算法及實現 深度學習筆記(三)：啟用函數和損失函數 深度學習筆記：最佳化方法總結(BGD,SGD,Momentum,AdaGrad,RMSProp,Adam) 深度學習筆記(四)：迴圈神經網路的概念，結構和代碼注釋 深度學習筆記(五)：LSTM 深度學習筆記(六)：Encoder-Decoder模型和Attention模型

迴圈神經網路——實現 gitbook閱讀地址 知乎閱讀地址 梯度消失和梯度爆炸 網路回憶：在《迴圈神經網路——介紹》中提到迴圈神經網路用相同的方式處理每個時刻的資料。 * 動態圖： 數學公式： ht=ϕ(Wxh⋅xt+Whh⋅ht−1+b) h t = ϕ ( W x h ⋅ x t + W h h ⋅ h t − 1 + b )