題目要求: 首嘗試解題思路 首先計算每個字符在當前位置及往前出現(xiàn)的次數(shù),比如:‘aababcba’則出現(xiàn)次數(shù)為[1,2,1,3,2,1,3,4] 第二步使用滑窗:判斷滑窗內是...
鏈表 python實現(xiàn)鏈表鏈表的初始化創(chuàng)建元素的插入和刪除鏈表的遍歷元素的查詢鏈表的刪除鏈表的逆序判斷鏈表是否有環(huán)等 鏈表 鏈表是一種常見的基礎數(shù)據(jù)結構,結構體指針在這里得到...
任務 RNN的結構。循環(huán)神經網(wǎng)絡的提出背景、優(yōu)缺點。著重學習RNN的反向傳播、RNN出現(xiàn)的問題(梯度問題、長期依賴問題)、BPTT算法。 雙向RNN 遞歸神經網(wǎng)絡 LSTM、...
任務: 卷積運算的定義、動機(稀疏權重、參數(shù)共享、等變表示)。一維卷積運算和二維卷積運算。 反卷積(tf.nn.conv2d_transpose) 池化運算的定義、種類(最大...
前言 ??一個生物神經細胞的功能比較簡單,而人工神經元只是生物神經細胞的理想化和簡單實現(xiàn),功能更加簡單。要想模擬人腦的能力,單一的神經元是遠遠不夠的,需要通過很多神經元一起協(xié)...
任務 前饋神經網(wǎng)絡、網(wǎng)絡層數(shù)、輸入層、隱藏層、輸出層、隱藏單元、激活函數(shù)的概念。 感知機相關;定義簡單的幾層網(wǎng)絡(激活函數(shù)sigmoid),遞歸使用鏈式法則來實現(xiàn)反向傳播。 ...
任務 樸素貝葉斯 樸素貝葉斯的原理 利用樸素貝葉斯模型進行文本分類 SVM模型 SVM的原理 利用SVM模型進行文本分類 LDA主題模型 pLSA、共軛先驗分布 LDA 使用...
任務: 詞袋模型:離散、高維、稀疏; 分布式表示:連續(xù)、低維、稠密。word2vec詞向量原理并實踐,用來表示文本; 詞袋模型 詞集模型: 單詞構成的集合,集合中每個元素都只...
IMDB數(shù)據(jù)集下載和探索 根據(jù)TensorFlow官方教程實現(xiàn): THUCNews數(shù)據(jù)集下載和探索 根據(jù)githut進行復現(xiàn) 對于函數(shù)batch_iter(x, y)的使用還...