發(fā)簡(jiǎn)信
IP屬地：廣東
-
c++開(kāi)發(fā)面經(jīng)收集
c++基礎(chǔ)知識(shí)部分 c++：淺拷貝、深拷貝當(dāng)對(duì)象存在指針類(lèi)型的成員，不能用淺拷貝，否則拷貝對(duì)象指針類(lèi)型數(shù)據(jù)改變，被拷貝對(duì)象的指針類(lèi)型數(shù)據(jù)也會(huì)改變...
-
樸素貝葉斯是線性分類(lèi)器嗎
http://www.algorithmdog.com/%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%A...
-
生成式模型和判別式模型
特點(diǎn)： 產(chǎn)生式模型:從統(tǒng)計(jì)的角度表示數(shù)據(jù)的分布情況，能夠反映同類(lèi)數(shù)據(jù)本身的相似度，不關(guān)心判別邊界。 判別式模型：尋找不同類(lèi)別之間的最優(yōu)分類(lèi)面，反...
-
-
文字檢測(cè)與識(shí)別
檢測(cè) Text instance level: Anchor-based methods EAST Region proposal method...
-
目標(biāo)檢測(cè)算法滑窗（SW）：其基本原理就是采用不同大小和比例（寬高比）的窗口在整張圖片上以一定的步長(zhǎng)進(jìn)行滑動(dòng)，然后對(duì)這些窗口對(duì)應(yīng)的區(qū)域做圖像分類(lèi)，這樣就可以實(shí)...
-
各種預(yù)訓(xùn)練的詞向量(Pretrained Word Embeddings)
English Corpus word2vec Pre-trained vectors trained on part of Google Ne...
-
遍歷二叉樹(shù)復(fù)雜度分析
前序，中序，后序遍歷：時(shí)間復(fù)雜度O(n)， 空間復(fù)雜度O(n)（遞歸本身占用stack空間或者用戶(hù)自定義的stack）DFS，BFS：時(shí)間復(fù)雜度...
個(gè)人介紹
北京郵電大學(xué)研究生。
感興趣于：NLP，數(shù)據(jù)挖掘，模型壓縮。
歡迎關(guān)注，共同進(jìn)步。
感興趣于：NLP，數(shù)據(jù)挖掘，模型壓縮。
歡迎關(guān)注，共同進(jìn)步。