摘要: 【LBLD】递归魔法:反转单链表 递归反转整个链表 /** * Definition for singly-linked list. * struct ListNode { * int val; * ListNode *next; * ListNode() : val(0), next(nullpt 阅读全文
posted @ 2023-03-30 10:39 杨谖之 阅读(19) 评论(0) 推荐(0)
摘要: 【LBLD】双指针技巧秒杀七道链表题目 原文地址:双指针技巧秒杀七道链表题目 合并两个有序链表 /** * Definition for singly-linked list. * struct ListNode { * int val; * ListNode *next; * ListNode() 阅读全文
posted @ 2023-03-30 08:07 杨谖之 阅读(28) 评论(0) 推荐(0)
摘要: 图像分类代码学习笔记 数据集:kaggle-ASL Alphabet 代码:ASL Alphabet classification PyTorch 数据集描述 数据集为美国手语图像数据(American Sign Language),包含87000张图像,每张图片都是200×200像素,总共有29个 阅读全文
posted @ 2023-03-29 10:48 杨谖之 阅读(120) 评论(0) 推荐(0)
摘要: Pytorch安装与基础知识 安装环境:Win10专业版 显卡:Nviida Geforce GTX 1660 Ti 安装 Anacodna 官网下载安装 安装 Cuda Cuda 官网下载安装包。 进入 CMD,使用命令 nvcc -V 测试安装是否成功。 安装 cuDNN 虽然不知道为什么要安装 阅读全文
posted @ 2023-03-21 19:44 杨谖之 阅读(39) 评论(0) 推荐(0)
摘要: 【基础算法】简单排序-冒泡排序 Bubble Sort is the simplest sorting algorithm that works by repeatly swapping the adjacent elements if they are in the wrong order. Th 阅读全文
posted @ 2023-03-18 17:00 杨谖之 阅读(27) 评论(0) 推荐(0)
摘要: 实体对齐 实体对齐流程 实体对齐问题一般指两两对齐,但是当知识图谱中的实体数量非常多时,如果直接计算所有实体的两两对齐,时间复杂度将会达到$O(n^2)$,因此要解决大规模知识图谱的实体对齐,在流程上会有不一样的设计,主要分为分组和聚类两个步骤。 分组:按照一个或者多个属性项对所有实体进行分组。图所 阅读全文
posted @ 2023-03-18 11:29 杨谖之 阅读(897) 评论(0) 推荐(0)
摘要: 知识融合概述 什么是知识融合 构建知识图谱的过程中,往往会对多个知识库进行合并,以期获得更全面的知识,这个过程就称为知识融合。 由于被合并的各个知识库里的知识难免会存在错误,因而知识融合会对多个知识库的知识进行交叉验证,知识融合之后获得知识相比融合前的单知识库会更准确。 知识融合的难点 异构问题:不 阅读全文
posted @ 2023-03-16 15:32 杨谖之 阅读(322) 评论(0) 推荐(0)
摘要: 社区发现1:社区结构、层次聚类、k-clique算法 什么是社区结构 在图中,节点与节点之间的连接往往呈现某种特征:若干节点之间的连接比较紧密,如果把这些连接紧密的节点叫做一个社区,那么我们会发现,社区之内的节点边很密集,而社区与社区之间的连接比较稀疏。 社区结构可能非常复杂,社区与社区之间可以完全 阅读全文
posted @ 2023-03-01 13:07 杨谖之 阅读(1816) 评论(0) 推荐(0)
摘要: 图滤波器 什么是图滤波器 滤波器是信号处理中的名词,信号可以看成是不同频率信号的复合,而有些频率上的信号可能信息量比较小,噪音很多,那么我们可以舍弃这个频率,另一方面,对于包含大量信息的频率,我们可以将其放大,强调这些信息,并且防止信息在后续处理中丢失。 图滤波器就是处理图信号的滤波器,节点任务中, 阅读全文
posted @ 2023-02-27 16:57 杨谖之 阅读(324) 评论(0) 推荐(0)
摘要: 【图深度学习】图傅里叶变换 图傅里叶变换就是把图信号变换到以图拉普拉斯矩阵的特征向量为基的向量空间中,其本质是基变换。 拉普拉斯矩阵的特征向量就是图傅里叶基,我们称对应的特征值为该傅里叶基的频率,图傅里叶基的系数就是图傅里叶系数。 阅读全文
posted @ 2023-02-27 16:45 杨谖之 阅读(57) 评论(0) 推荐(0)