摘要：
http://ac.jobdu.com/problem.php?pid=1202题目描述： 对输入的n个数进行排序并输出。输入： 输入的第一行包括一个整数n(1#include #include using namespace std;int main(){ freopen("in.txt","r",stdin); int n; while(scanf("%d", &n)!=EOF && n) { int a[102]; for (int i=0; i list = new ArrayList(); for ( 阅读全文
随笔档案-2013年7月8日
遮天
2013-07-08 21:20 by Loull, 337 阅读, 收藏, 编辑
摘要：
安妙依，来世，信则有，不信则无，岁月悠悠，世间终会出现两朵相同的花，千百年的回眸，一花凋零，一花绽。 超尘脱俗、飘逸出尘的华云飞、摇光，注定的命运，无奈而无法解脱的人生。 虚空大帝，一生不弱于人，一生都在平黑暗动乱，最终血染星空，半面残镜葬虚空。 绝代神王姜太虚，神城激战，抱着冰冷的红颜一个人孤独的远去，瑶池万族大会再归来，震慑万族，白衣染血，绝世琴音动天。 无始大帝，仙路尽头谁为峰，一见无始道成空！ 狠人大帝，不为成仙，只为在这红尘中等你回来。 还有萌萌的小松鼠，可爱的小囡囡，贪婪的黑皇，无耻的段德，也有小酒窝呈现、小虎牙闪亮的姬紫月…… 太多了，老疯子，人魔，以及大喊着谁... 阅读全文
神墓
2013-07-08 20:51 by Loull, 1369 阅读, 收藏, 编辑
摘要：
神墓赞歌何处飘来的风惊醒万年的梦几数借来星辰寥落千里长空雨馨落日嫣红云花睡月帘几重怎奈白棠遍青冢明烛长醉水长东伊人花逝 如此忧伤凭空泪 何处藏潮记朝夕 花开彼岸今我此誓 坚强潜龙战舞 凤翎天路如意曲闻 流年倾顾封侯拜将 神魔无数地狱天堂 战天何处百花灭阵送天开古老情怀太上道 忘情败故人曾来日月歌 天地外将神墓 掩埋墨香·神墓祭万年梦 醒清风 欲寻旧迹已尘封挽长弓 屠云龙 逆天斩神风转玄功 太极中 困龙阙破开鸿蒙探绝路 虚天破 前尘遇神龙天下壮志几多仗剑战丰都 是当年旧梦未醒今生再相逢望穿山河云端大漠八绝七星殁 傲世绝代风华展名声动云山深处乱世几恩仇 自山崖坠忘忧愁却无意执手地幽处尽头 阅读全文
【转】卷积神经网络
2013-07-08 15:22 by Loull, 1264 阅读, 收藏, 编辑
摘要：
http://blog.csdn.net/celerychen2009/article/details/8973218深度神经网路已经在语音识别，图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。 第二篇，讲讲经典的卷积神经网络。我不打算详细描述卷积神经网络的生物学运行机理，因为网络上有太多的教程可以参考。这里，主要描述其数学上的计算过程，也就是如何自己编程去实现的问题。1. 概述 回想一下BP神经网络。BP网络每一层节点是一个线性的一维排列状态，层与层的网络节点之间是全连接的。这样设想一下，如果BP网络中层与层之间的... 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（八）
2013-07-08 15:20 by Loull, 432 阅读, 收藏, 编辑
摘要：
十、总结与展望1）Deep learning总结 深度学习是关于自动学习要建模的数据的潜在（隐含）分布的多层（复杂）表达的算法。换句话来说，深度学习算法自动的提取分类需要的低层次或者高层次特征。 高层次特征，一是指该特征可以分级（层次）地依赖其他特征，例如：对于机器视觉，深度学习算法从原始图像去学习得到它的一个低层次表达，例如边缘检测器， 小波滤波器等，然后在这些低层次表达的基础上再建立表达，例如这些低层次表达的线性或者非线性组合，然后重复这个过程，最后得到一个高层次的表达。 Deep learning能够得到更好地表示数据的feature，同时由于模型的层次、参数很多，capacity足够， 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（七）
2013-07-08 15:18 by Loull, 690 阅读, 收藏, 编辑
摘要：
9.5、Convolutional Neural Networks卷积神经网络 卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂 度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建过 程。卷积网络是为识别二维形状而特殊设计的一个多层感知器，这种网络结构对平移、比例缩放、倾斜或者共他形式的变形具有高度不变性。 CNNs是受早期的延时神经网络（TDNN）的影响。延时神经网络通过在时间维度上共享权值降低学习复杂度， 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（六）
2013-07-08 15:17 by Loull, 449 阅读, 收藏, 编辑
摘要：
9.3、Restricted Boltzmann Machine (RBM)限制波尔兹曼机 假设有一个二部图，每一层的节点之间没有链接，一层是可视层，即输入数据层（v)，一层是隐藏层(h)，如果假设所有的节点都是随机二值变量节点（只能 取0或者1值），同时假设全概率分布p(v,h)满足Boltzmann 分布，我们称这个模型是Restricted BoltzmannMachine (RBM)。 下面我们来看看为什么它是Deep Learning方法。首先，这个模型因为是二部图，所以在已知v的情况下，所有的隐藏节点之间是条件独立的（因为节点之间不存在连接），即p(h|v)=p(h1|v)... 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（五）
2013-07-08 14:58 by Loull, 294 阅读, 收藏, 编辑
摘要：
9.2、Sparse Coding稀疏编码 如果我们把输出必须和输入相等的限制放松，同时利用线性代数中基的概念，即O = a1*Φ1 + a2*Φ2+….+ an*Φn， Φi是基，ai是系数，我们可以得到这样一个优化问题：Min |I – O|，其中I表示输入，O表示输出。通过求解这个最优化式子，我们可以求得系数ai和基Φi，这些系数和基就是输入的另外一种近似表达。因此，它们可以用来表达输入I，这个过程也是自动学习得到的。如果我们在上述式子上加上L1的Regularity限制，得到：Min |I – O| + u*(|a1| + |a2| + … + |an |) 这种方法被称为Sparse 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（四）
2013-07-08 14:57 by Loull, 353 阅读, 收藏, 编辑
摘要：
九、Deep Learning的常用模型或者方法9.1、AutoEncoder自动编码器 Deep Learning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出 与输入是相同的，然后训练调整其参数，得到每一层中的权重。自然地，我们就得到了输入I的几种不同表示（每一层代表一种表示），这些表示就是特征。自动编 码器就是一种尽可能复现输入信号的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信 息的主要成分。 具体过程简单的说明如下：1）给定无标签数据，用 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（三）
2013-07-08 14:55 by Loull, 384 阅读, 收藏, 编辑
摘要：
好了，到了这一步，终于可以聊到Deep learning了。上面我们聊到为什么会有Deep learning（让机器自动学习良好的特征，而免去人工选取过程。还有参考人的分层视觉处理系统），我们得到一个结论就是Deep learning需要多层来获得更抽象的特征表达。那么多少层才合适呢？用什么架构来建模呢？怎么进行非监督训练呢？五、Deep Learning的基本思想 假设我们有一个系统S，它有n层（S1,…Sn），它的输入是I，输出是O，形象地表示为： I =>S1=>S2=>…..=>Sn => O，如果输出O等于输入I，即输入I经过这个系统变化之后没有任何的信 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（二）
2013-07-08 14:54 by Loull, 321 阅读, 收藏, 编辑
摘要：
因为我们要学习的是特征的表达，那么关于特征，或者说关于这个层级特征，我们需要了解地更深入点。所以在说Deep Learning之前，我们有必要再啰嗦下特征（呵呵，实际上是看到那么好的对特征的解释，不放在这里有点可惜，所以就塞到这了）。四、关于特征 特征是机器学习系统的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？4.1、特征表示的粒度 学习算法在一个什么粒度上的特征表示，才有能发挥作用？就一个图片来说，像素级的特征根本没有价值。例如下面的摩托车，从像素级别，根本得不到任何信息， 其无法进行摩托车和非摩托车的. 阅读全文
【转】Deep Learning（深度学习）学习笔记整理系列之（一）
2013-07-08 14:53 by Loull, 469 阅读, 收藏, 编辑
摘要：
Deep Learning（深度学习）学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者：Zouxyversion 1.0 2013-04-08声明：1）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应。如果某部分不小心侵犯了大家的利益，还望海涵，并联系博主删除。3）本人才疏学浅，整理总结的时候难免出错，还望各位前辈不吝指正，谢谢。4）阅读本文需要机器学习、计算机视觉、神经网 阅读全文