``` include include using namespace std; struct duo{ int xishu,zhishu; }M; int main(){ vector arr; while(scanf("%d %d",&M.xishu,&M.zhishu)!=EOF){ M.xi ...
分类：
其他好文 时间：
2018-08-18 19:49:51
阅读次数：
145
一、需求： 1.导入文件读取员工的信息和工资信息，最后将增加、删除或修改的员工工资信息写入原来的文件中 2.能够实现员工工资信息的增删改查 3.当增加和修改员工信息时用户用空格分隔员工姓名和薪资 4.实现退出功能 二、思路 1.首先需要将包含有员工薪资信息的文件读出来存储到一个容器里，因为员工姓名和 ...
分类：
编程语言 时间：
2018-08-17 21:31:48
阅读次数：
286
在javaweb开发过程中，如果只使用servlet，jdbc，jsp进行开发，也可以遵从MVC的模式，这时候，servlet相当于control层，属于负责处理业务逻辑的控制器，同时也需要对获取和返回数据，链接的跳转和转发进行封装。那么就显得比较臃肿了。（类似iOS开发中的MVC，如果viewCo ...
分类：
编程语言 时间：
2018-08-05 23:31:42
阅读次数：
319
动机 在计算机视觉领域，经常需要检测极值位置，比如SIFT关键点检测、模板匹配获得最大响应位置、统计直方图峰值位置、边缘检测等等，有时只需要像素精度就可以，有时则需要亚像素精度。本文尝试总结几种常用的一维离散数据极值检测方法，几个算法主要来自论文《A Comparison of Algorithms ...
分类：
编程语言 时间：
2018-08-04 20:30:37
阅读次数：
184
一、梯度消失、梯度爆炸产生的原因 假设存在一个网络结构如图： 其表达式为： 若要对于w1求梯度，根据链式求导法则，得到的解为： 通常，若使用的激活函数为sigmoid函数，其导数： 这样可以看到，如果我们使用标准化初始w，那么各个层次的相乘都是0-1之间的小数，而激活函数f的导数也是0-1之间的数， ...
分类：
其他好文 时间：
2018-08-04 13:02:19
阅读次数：
298
一、电容 电容是构成基础电路的原件，它的重要性就不多说了，下面是关于电容的一些特性： 【1】线性电容端电压和积聚的电荷量的关系是：q=Cu(其中C就是电容，单位法拉，u是电压，单位福特，q单位库伦) 【2】电容伏安特性：i = dq/dt=Cdu/dt（上面知道q=Cu,两边对u求导数，则dq/du ...
分类：
其他好文 时间：
2018-07-29 13:02:27
阅读次数：
238
一：梯度消失 通常神经网络所用的激活函数是sigmoid函数，这个函数有个特点，就是能将负无穷到正无穷的数映射到0和1之间，并且对这个函数求导的结果是f′(x)=f(x)(1?f(x))。因此两个0到1之间的数相乘，得到的结果就会变得很小了。神经网络的反向传播是逐层对函数偏导相乘，因此当神经网络层数 ...
分类：
其他好文 时间：
2018-07-27 14:47:07
阅读次数：
254
本文假设你已经对基本的神经网络结构，梯度下降法有一定的了解。 反向传播，主要是链式法则的反复应用。（链式法则是微积分中的求导法则，用于求一个复合函数的导数） 一个基本的神经网络模型可以表示为如下图所示： \L_{1}层是输入层，\L_{2}层是隐藏层，\L_{3}层是输出层。 1. 参考文献：htt ...
分类：
其他好文 时间：
2018-07-26 21:22:41
阅读次数：
134
我们学习泰勒展开，本质上就是为了在某个点附近，用多项式函数取近似其他函数。可能有些童鞋就要问了，既然有一个函数了，为什么还需要用多项式函数取进行近似，理由就是多项式函数具有非常多优良的性质。 比如说，多项式函数既好计算，也好求导，还好积分，等等一系列的优良性质。 好，本质已经说完了，下面给出P(x) ...
分类：
其他好文 时间：
2018-07-26 21:19:40
阅读次数：
160
题目链接 "bzoj4001: [TJOI2015]概率论" 题解 生成函数+求导 设$g(n)$表示有$n$个节点的二叉树的个数,$g(0) = 1$ 设$f(x)$表示$n$个节点的二叉树叶子节点的个数，$f_0 = 0,f_1 = 1$ 那么$ans = \frac{f_i}{g_i}$ 对于 ...
分类：
其他好文 时间：
2018-07-25 18:58:46
阅读次数：
149
