#
這學期有一門運籌學，講的兩大塊兒：線性優化和非線性優化問題。在非線性優化問題這里涉及到拉格朗日乘子法，經常要算一些非常變態的線性方程，于是我就想用python求解線性方程。查閱資料的過程中找到了一個極
前言 感知器是分類的線性分類模型，其中輸入為實例的特征向量，輸出為實例的類別，取+1或-1的值作為正類或負類。感知器對應于輸入空間中對輸入特征進行分類的超平面，屬于判別模型。 通過梯度下降使誤分類的
自適應線性神經網絡Adaptive linear network， 是神經網絡的入門級別網絡。 相對于感知器，采用了f（z）=z的激活函數，屬于連續函數。 代價函數為LMS函數，最小均方算法，Lea
最近聽了張江老師的深度學習課程，用Pytorch實現神經網絡預測，之前做Titanic生存率預測的時候稍微了解過Tensorflow，聽說Tensorflow能做的Pyorch都可以做，而且更方便快捷
線性一致性（Linearizability）是分布式系統中常見的一致性保證。那么如何驗證系統是否正確地提供了線性一致性服務呢？本文希望從‘什么是線性一致性’，‘如何驗證線性一致性’，問題復雜度，常見的
1、計數排序 (1)、算法思想 是一組在特定范圍內的整數，在線性時間內排序，比nlog(n)更快的排序算法； 較小范圍內是比較好的排序算法，如果很大是很
1、桶排序 可以排序的范圍數較小，是一種以空間換時間的排序算法； 不考慮重復元素的出現---->桶排；解決方案在計數排序； (1)、代碼實現#include&
