编程求哥德巴赫猜想
#include <iostream>
using namespace std;
bool isPrime(int x)
{
if(x < 2) return false;
for(int i = 2; ...
👁️ 14
👍 3
💬 0
⭐ 3
编程求哥德巴赫猜想
#include <iostream>
using namespace std;
bool isPrime(int x)
{
if(x < 2) return false;
for(int i = 2; ...
👁️ 9
👍 3
💬 0
⭐ 3
编程求哥德巴赫猜想
#include <iostream>
using namespace std;
bool isPrime(int x)
{
if(x < 2) return false;
for(int i = 2; ...
👁️ 9
👍 3
💬 0
⭐ 3
广告
我写的社区，叫chenify hub 反正比筑梦好ui好就是了（欢迎提意见（链接：https://hub.chenify.top/
深度学习之门控RNN（LSTM）
LSTMg(t)=σ (bg+Wgh(t−1)+Ugx(t))(输入门)f(t)=σ (bf+Wfh(t−1)+Ufx(t))(遗忘门)q(t)=σ (bq+Wqh(t−1)+Uqx(t))(输出门)s~(t)=tanh (bs+...
深度学习笔记之vanilla RNN
RNN计算图展开比如：s(t)=f(s(t−1);θ)s(t)=f(s(t−1);θ)t=3t=3 时展开（索引从 1 开始）：s(3)=f(f(s(1);θ);θ)s(3)=f(f(s(1);θ);θ)vanilla RNN两种设计x→U...
如何自制一个Hobby OS(兴趣爱好操作系统) —— 第一篇 Bootloader与Kernel，GDT64与IDT64
自制 Bootloader：从 MBR 到 64 位 C 内核与中断本文目标：从 BIOS 加载 MBR 开始，手写一套完整的 Bootloader（MBR -> VBR -> Loader），经过保护模式进入长模式，进入Ker...
深度学习笔记之 CNN（速通）
卷积神经网络（CNN）用于提取图片（或音频、心电图等）中的信息。它利用了这些数据中存在的特定性质。可以视为具有参数共享的稀疏连接多层网络。CNN 主要利用的数据中的性质（归纳偏置）：局部相关性：相隔比较远的数据关联性弱平移等变性/平移不变性...
论C++入门面向对象编程
网址：https://learn.ccw.site/article/6fdcda21-a7ca-4089-b045-9f30c74aae06如果有不足或者其他反馈，可以留言评论。
深度学习中的 Batch Normalization 层
批归一化（Batch Normalization）训练时每层参数不断变化，会导致一些层的输入数据分布不断变化（内部协变量偏移问题）。而这又会导致收敛速度慢和 S 型激活函数容易饱和的问题。BN 是一个层，一般在激活函数之前。批归一化在训练时...
优化问题的一个反例：严格凸函数各参数最优并不是最小值
考虑不可微的严格凸函数 f(x,y)=max{x-2y,-2x+y}+x^2+y^2 ，在零点处固定x，y取得最小值，固定y，x也取得最小值，在desmos看看，它真的是最小值吗？
（不全）深度学习基础之二阶优化算法
二阶优化问题前面说的算法都是使用梯度 gg，属于一阶方法。二阶方法则需要求海森矩阵（或部分二阶偏导）。牛顿法给出一个函数 ff，用二阶泰勒展开来近似 x(0)x(0) 附近的 f(x)f(x...
深度学习中的正则化方法
正则化目的：防止模型过拟合，提升泛化能力。参数范数惩罚J~(θ;X,y)=J(X,y)+αΩ(θ)J~(θ;X,y)=J(X,y)+αΩ(θ)神经网络中，一般只对权重而不对偏置做惩罚。L2L2 正则化：Ω(w,b)=12∥w∥2Ω...
深度学习数学基础之约束优化
约束优化约束优化的形式化表述minx∈Rnf(x)subject to:gi(x)≤0,i=1,…,mhj(x)=0,j=1,…,px∈Rnminsubject to:f(x)gi(x)≤0,i=1,…,mhj(x)=0,j=1,...
机器学习入门之统计推断（MLE & MAP）
最大似然估计（MLE）我们将模型表示为拟合真实数据分布 pdata(x)pdata(x) 的函数 pmodel(x;θ)pmodel(x;θ)。这是个输入向量输出实数的函数，输入数据 xx 预测它出现的概率...
<p>#include <code><iostream></code> <br /> #...
#include <iostream>
#include <string>
#include <vector>
#include <fstream>
#include <cstd...
👁️ 75
👍 2
💬 2
⭐ 0