首页 > TAG信息列表 > Bigg

AVL tree 高度上下界推导

1. 高度下界 2. 高度上界 2.1. 最大高度对应 Node 数量 \(N_{h}\) 的递归公式 设有一棵 AVL tree 的高度为 \(h\), 对于该树, 其 node 数量为 \(N_{h}\). 有: 最坏情况下, root 的两棵 subtree 高度为 \(h-1\) 和 \(h-2\). 因此得到以下公式 (其中 \(h \in N^{+}\)): \[N_{h}= \be

Scalable Rule-Based Representation Learning for Interpretable Classification

目录概主要内容 Wang Z., Zhang W., Liu N. and Wang J. Scalable rule-based representation learning for interpretable classification. In Advances in Neural Information Processing Systems (NIPS), 2021. 概 传统的诸如决策树之类的机器学习方法具有很强的结构性, 也因

P1654 OSU!

P1654 OSU! 题目 题目背景 原 《产品排序》 参见P2577 题目描述 osu 是一款群众喜闻乐见的休闲软件。 我们可以把osu的规则简化与改编成以下的样子: 一共有n次操作,每次操作只有成功与失败之分,成功对应1,失败对应0,n次操作对应为1个长度为n的01串。在这个串中连续的 \(X\) 个 \(1

softmax与sigmoid的关系&最大熵与极大似然估计的关系

softmax与sigmoid的关系&最大熵与极大似然估计的关系 softmax与sigmoid 已知sigmoid的函数为: \[\begin{align} %\frac{1}{1+e^{-z^{[l](k)}}} sigmoid(z) &=\frac{1}{1+e^{-z}} =\frac{1}{1+\frac{1}{e^z}} =\frac{e^z}{e^z+1} =\frac{e^z}{e^z+e^0}\\ 1-sigmoid(z)&=1-\frac{

CF1349F2

F1-Solution 方便起见给 \(k\) 减 \(1\),考虑答案为: \[\begin{aligned} &Ans_k=\sum f_{i,k}\binom{n}{i}(n-i)! \end{aligned}\]对于 \(f_{i,k}\) 考虑通过容斥计算,设 \(g_{i,k}\) 表示长度为 \(i\) 的序列存在 \(k\) 处 < 的方案数。 那么就有: \[g_{i,k}=\sum f_{i,j}\binom{

图卷积网络(GCN)

图卷积网络 引言1 base kenowledge1.1 spectural1.1.1 拉普拉斯变换与函数空间1.1.2 谱域卷积 1.2 space 参考 引言 当数据为图结构数据的时候:数据嵌入在不规则的网络上,比如 社交网络、人体骨骼数据、天气数据等 ,在计算机视觉以及组合优化等应用较广 主要分为以下两类:

博客常用LaTeX公式

转载自此文 \(\longrightarrow\) 括号 普通括号 $()$ ps:对于较大的式子显得比较难看 \(()\) 根据式子大小匹配的小/中/大括号 $\left(\ \right) \left[\ \right] \left\{\ \right\}$ ps:注意大括号要用\{和\} \(\left(\ \right) \left[\ \right] \left\{\ \right\}\) 向下取

P6269 [SHOI2002]空中都市 题解

CSDN同步 原题链接 简要题意: 求在 \(n\) 个点中满足每 \(3\) 个点不两两有边的最多边数。 首先,这题 \(\text{dp}\) 没有头绪,所以只能手动找规律。 \(\texttt{n}\) \(0\) \(1\) \(2\) \(3\) \(4\) \(5\) \(6\) \(\texttt{ans}\) \(0\) \(0\) \(1\) \(2\) \(4\) \(6\) \(9\)