url: https://arxiv.org/abs/1812.01187 year: 2018 文中介绍了训练网络的一些 tricks, 通过组合训练过程的trick，来提高模型性能和泛化能力，以及迁移学习的性能。总的来说，这篇文章是一篇实用性极强的文章，也是需要亲自调试才能明白其好处的文章。 b ...
分类：
Web程序 时间：
2019-05-11 17:43:57
阅读次数：
279
SPOJ卡常也太可怕了吧……$O((\frac{n+m}{32})^3)$卡100ms，这都什么人啊.jpg 关于这题，设格子$(x,y)$上原来的数为$a[x][y]$，对格子操作为$f[x][y]$ 则有 $\oplus_{i=1}^n f[i][y]\; xor \;\oplus_{i=1}^ ...
分类：
其他好文 时间：
2019-05-08 14:36:49
阅读次数：
128
1、SRCNN SRCNN参数设置及效果。 为了与传统的基于示例的方法进行比较，我们使用了与[20]相同的训练集、测试集和协议。具体而言，训练集由91幅图像组成。Set5用于评估提升因子2、3和4的性能，而Set 14(14图像)用于评估提升因子3。 为了合成低分辨率样本{yi}，我们用适当的高斯核 ...
分类：
其他好文 时间：
2019-05-07 19:54:31
阅读次数：
218
正太分布：也叫（高斯分布Gaussian distribution），是一种随机概率分布 机器学习中numpy.random如何生成这样的正态分布数据，本篇博客记录这样的用法 import numpy as np# a = np.random.randint(1,10,size=2) # 最小值,最 ...
分类：
编程语言 时间：
2019-05-07 19:41:46
阅读次数：
335
判别分析包括可用于分类和降维的方法。线性判别分析（LDA）特别受欢迎，因为它既是分类器又是降维技术。二次判别分析（QDA）是LDA的变体，允许数据的非线性分离。最后，正则化判别分析（RDA）是LDA和QDA之间的折衷。 本文主要关注LDA，并探讨其在理论和实践中作为分类和可视化技术的用途。由于QDA ...
分类：
编程语言 时间：
2019-05-06 19:33:01
阅读次数：
312
一开始推合并两个镜子的做法 然后自闭了 于是开始写消元，发现矩阵很有特点稍微优化下就行了 可以将每个镜子拆成正面和反面两个点，然后连边建高斯消元的图 将点以特定的方式重新编号之后发现可以从矩阵的左上角开始进行代入消元法 那剩下的事情就好说了，使用map存储整个矩阵就可以了 $O(nlogn)$ ...
分类：
其他好文 时间：
2019-05-05 18:03:58
阅读次数：
124
1、高通滤波器：高通滤波器会根据像素与周边像素的亮度差值来提升该像素的亮度的滤波器。 低通滤波器：在像素与周围像素的亮度差小于一个特定值时，平滑该像素的亮度。 canny算子：5个步骤；使用高斯滤波器对图像进行去噪、计算梯度、在边缘上使用非最大抑制(NMS)、在检测到的边缘上使用双阈值去除假阳性(f ...
分类：
其他好文 时间：
2019-05-04 15:05:06
阅读次数：
177
题目链接： "luogu2962" 这个题还可以折半搜索（似乎复杂度更有保证），不过作为练手更适合写异或方程组的高斯消元 异或方程组的高斯消元一般是如下形式 $$ (a_{i,1} x_1)\text^(a_{i,2} x_2)\text^\cdots\text^(a_{i,n} x_n)=y_n ...
分类：
其他好文 时间：
2019-05-04 10:01:23
阅读次数：
122
题目链接： "bzoj1923" "luo2447" 依然是异或方程组的高斯消元求解，第一问其实就是在高斯消元过程中访问到的用作主元的方程组的下标最大值，因为异或方程组是直接找到为当前元的系数为$1$的异或方程作为主元进行消元过程的 第二问就是消元之后各个未知数的取值 普通的高斯消元会收获TLE，但 ...
分类：
其他好文 时间：
2019-05-04 09:59:46
阅读次数：
132
这里只是丢了一个板子，毕竟高斯消元这个东西原理说起来很简单，就是模拟了普通人手工解方程的过程，还是直接上代码来的方便 一道模板题： "luogu2455" （在这里不推荐luogu的模板题，数据过水，此题数据强度还可以~~需要适当的和精度搏斗~~） 主要提一下判断无解和无穷解的情况 一般的高斯消元是 ...
分类：
其他好文 时间：
2019-05-04 00:40:12
阅读次数：
148
