标签:AI
第7章 二叉树 目录一、二叉树的基本概念二、二叉树的基本运算三、二叉树的存储结构3.1 顺序存储结构3.2 链式存储结构3.2.1 二叉树链式存储结构四、二叉树的遍历4.1 二叉树遍历的定义4.2 二叉树遍历的递归实现4.2.1 前序遍历的二叉树的递归算法(算法)4.2.2 前序遍历时二叉树的创建
第8章 图 目录一、图的基本概念二、图的基本运算三、图的基本存储结构3.1 邻接矩阵及其实现3.1.1 邻接矩阵存储结构3.1.2 建立网络的邻接矩阵算法(算法)3.2 邻接表及其实现3.2.1 邻接表存储结构3.2.2 建立无向图的邻接表算法(算法)3.3 邻接多重表四、图的遍历4.1 深度优先
第9章 检索 目录一、检索的基本概念二、线性表的检索2.1 顺序检索2.2 二分法检索(折半查找)2.2.1 二分法检索(非递归实现)(真题)(算法)2.3 分块检索2.3.1 分块检索索引表存储结构三、二叉排序树3.1 二叉排序树的存储结构3.2 基于二叉排序树检索算法(算法)3.3 基于二叉排
第10章 内排序 目录一、排序的基本概念1.1 排序算法的记录存储结构定义二、插入排序2.1 直接插入排序2.1.1 直接插入排序算法(算法)2.2 二分法(折半)插入排序2.3 表插入排序(大纲未规定)2.4 希尔(Shell)插入排序三、选择排序3.1 直接选择排序3.1.1 直接选择排序算法
目录实验1-线性表的顺序实现实验2-不带头结点的单链表实验3-带头结点的单链表实验4-栈与字符串实验5-递归实验6-树实验7-二叉树实验8-图实验9-检索实验10-排序 实验1-线性表的顺序实现 lab1_01_ans.c /**********************************/
附录1 基础实验 目录一、实验1 线性表的顺序实现二、实验2 不带头结点的单链表三、实验3 带头结点的单链表四、实验4 栈与字符串五、实验5 递归六、实验6 树七、实验7 二叉树八、实验8 图九、实验9 检索十、实验10 排序十一、程序设计题十二、错题集 一、实验1 线性表的顺序实现 二、实验2
目录四、解答题13年14年15年16年17年18年五、算法与程序设计题13年14年15年16年17年18年 四、解答题 13年 二叉树的前中后序遍历 最大堆 huffman编码 prim算法 14年 二叉树的前中后序遍历、二叉树中序线索化 散列查找 最小堆 无向图dfs、prim算法 15年 树和
目录13年一、单向选择题二、填空题三、程序填空和分析题四、解答题五、算法与程序设计题14年一、单项选择题二、填空题三、程序填空与程序分析题四、解答题五、算法与程序设计题15年一、单项选择题二、填空题三、程序填空与程序分析题四、解答题五、算法与程序设计题16年一、单项选择题二、填空题三、程序填空与程
尊敬的各位老师,你们好: 我叫陈有德,来自江西景德镇,曾从事Python开发、it培训机构的Python讲师,有近两年的Python开发经历。 大学就读的是金融相关专业,但进入大学后发现自身对计算机非常感兴趣,大学期间便开始了对计算机专业知识的学习。18年临近毕业,本人想从事it行业相关工作,但由
supervised-ml-sentiment-analysis Supervised ML(training)       在监督机器学习中你要输入特征X和一组标签Y。现在为了确保基于你的数据能够得到最准确的预测,你的目标是尽可能减少错误率或成本。为了做到这一点,你要运行你的预测函数,它接受
    上篇 OpenCV 之 图像几何变换 介绍了等距、相似和仿射变换,本篇侧重投影变换的平面单应性、OpenCV相关函数、应用实例等。 1  投影变换 1.1  平面单应性     投影变换 (Projective Transformation),是仿射变换的泛化 (或普遍化),二者区别如下:
  二维平面中,图像的几何变换有等距、相似、仿射、投影等,如下所示:       1  图象几何变换 1.1  等距变换     等距变换 (Isometric Transformation),是一种二维的刚体变换,可理解为旋转和平移的组合    $quad begin{bmatrix} x'
04_利用手写数字问题引入深度神经网络 目录一、引言二、手写数字问题介绍2.1 MNIST数据集介绍2.2 输入2.3 输出三、回归和分类模型的区别四、深度模型隐藏层的来源4.1 激活函数深度讲解4.2 隐藏层4.3 隐藏层带来的问题五、深度模型的流程5.1 多个隐藏层的分类模型举例5.2 损失计
深度学习是近年来人工智能领域最火的一项技术。TensorFlow 凭借其强劲的运算性能、高效的超大集群并行能力、生产环境部署的稳定性等特点,成为目前最流行的深度学习框架。 目前,阿里、腾讯、京东、小米等国内知名互联网企业以及 Airbnb、Dropbox 等硅谷明星公司,都在生产环境中大规模地使用
05_pytorch的Tensor操作 目录一、引言二、tensor的基础操作2.1 创建tensor2.2 常用tensor操作2.2.1 调整tensor的形状2.2.2 添加或压缩tensor维度2.3 索引操作2.4 高级索引2.5 Tensor类型2.5.1 Tensor数据类型2.5.
06_pytorch的autograd操作 目录一、引言二、Variable2.1 Variable 的数据结构2.2 反向传播2.3 autograd 求导数和手动求导数三、计算图3.1 手动计算梯度3.2 利用 torch 进行反向传播求梯度3.3 在前向传播中利用动态图特性构建计算图3.4
00_PyTorch 0.4.0迁移指南以及代码兼容 目录一、概要二、合并Tensor和Variable和类2.1 Tensor中的type()改变了2.2 什么时候autograd开始自动求导?2.3 操作requires_grad标志2.4 关于.data三、现在一些操作返回0维(标量)Ten
07_利用pytorch的nn工具箱实现LeNet网络 目录一、引言二、定义网络三、损失函数四、优化器五、数据加载和预处理六、Hub模块简介七、总结 pytorch完整教程目录:https://www.cnblogs.com/nickchen121/p/14662511.html 一、引言 首先再
0802_转载-nn 模块中的网络层介绍 目录一、写在前面二、卷积运算与卷积层2.1 1d 2d 3d 卷积示意2.2 nn.Conv2d2.3 转置卷积三、池化层四、线性层五、激活函数层六、总结 pytorch完整教程目录:https://www.cnblogs.com/nickchen121/