https://leetcode.cn/problems/trapping-rain-water/description/?envType=study-plan-v2&envId=top-interview-150对于一个可以构成“碗”的序列，最后装满水的话应该和最短的一边齐平，那么可以左右各遍历一次，记录每个元素位置对应的最短边高度，再对比就可以得出左右哪边最短 classSolution{ public: inttrap(vector<int>&height){ intn=height.size(); if(n0){ return0; } vector<i...

1、https://leetcode.cn/problems/gas-station/submissions/514930619/?envType=study-plan-v2&envId=top-interview-150对于这个问题可以这样来考虑，将数据看作一个环，如果答案唯一，那么就意味着从任意一个节点开始寻找，最后都会得到同一个节点的答案，那么为何不直接从0节点开始呢？其次，我们可以建立一个total变量来记录总的油量和消耗量的差的结果，倘若这个值小于0，则一定没有解，倘若大于零，则说明一定有解。继续这个思路，当有解时，我们不妨从i节点出发，设置一个temp变量记录从i开始到j的...

https://leetcode.cn/problems/product-of-array-except-self/description/?envType=study-plan-v2&envId=top-interview-150问题在于不使用除法并且空间复杂度为O(1)，当第一次从头开始遍历时由于不知道后续数组元素是什么，所以无法得到答案，而如果当知道一个后续数组元素后，又回去更新答案的话，无疑会提高时间复杂度。不妨这样看待，如果我们已经遍历一次数组并且能够记录下足够的信息的话，那么下次我们再次遍历数组时不就可以相对地知道后续元素的信息了吗。由此推广，为了算法简单一些，我们甚至可以...

https://leetcode.cn/problems/h-index/description/?envType=study-plan-v2&envId=top-interview-150注：题目有点难理解，多读几遍可以这样考虑，建立另一个临时数组temp，当第i篇文章被引用citiations[i]次时，令j<=citiations[i]的temp[j]均加一，也就是现在对于任意j至少有temp[j]篇论文引用次数大于等于j。因为h是最大值，那么遍历temp最后一个满足temp[j]>=j的j就是所求。当然，以上的时间复杂度和空间复杂度都比较大，另一种好的方法是先排序...

采用顺序表的方式实现循环队列。其中关键在于如何判断队列已满。通常情况下，当对头和队尾指向同一个节点时，可以判断为队空。但是，倘若队尾不断增加，最后队尾也会指向对头，此时队满和队空的判断条件一致。以下有三种对于对于队满判断的方法。1、舍弃顺序表中的一个元素，也就是说，当队尾指向的是顺序表所剩下的最后一个没有存放元素的空间时，这时候就判断队列为满。这样做会牺牲一个空间，但是可以轻松判断队列是否已满。也是后续代码实现的方法。2、增设size成员，当Q.sizeMaxsize时就可以判断队列为满，Q.size0时则队列为空3、增设tag成员，记录是否成功进行删除和插入操作，假如成功进行删除操作则tag...

队列链式存储主要有两个方面需要注意，一个是定义时应该定义两种结构体，一个是具体节点，一个是队列本身。具体节点用于存储具体数据data和指向下一个节点的指针next。而队列本身的结构体只会储存两个具体节点的指针，一个指向队头，一个指向队尾。第二个需要注意的是，出队操作，对于只剩下一个元素的队列而言，需要队队尾指针操作，使其等于头指针，以达到队空的目的，而其他情况下只需要修改头结点指向后直接释放该节点即可。完整代码 include<bits\stdc.h> usingnamespacestd; defineElementTypeint typedefstructLinkNode{ ...

这道题目可以考虑，如果前缀是一样的长度，那么只需要两个链表同时向后检索，直到找到一样的元素为止。所以应该先找到两个链表的长度，然后将较长的一个链表的多出来的前缀部分删掉，也就不去看这一部分。因为后缀都是一样的，所以长度的差异只可能来自前缀。解决代码： typedefstructNode{ chardata; structNodenext; }SNode; intlistlen(SNodehead){ intlen=0; while(head->next!=NULL){ len; head=head->next; } returnlen; } SNodefind_addr(SNo...

1、首先选择一张需要的图片，通过左侧的ResourceManage选择“+”并选择ImportDrawables选择一张图片并调整以下两个内容这两个内容的作用借用谷歌官方的Android开发教程的内容：Android设备具有不同的屏幕尺寸（手机、平板电脑和电视等），而且这些屏幕也具有不同的像素尺寸。也就是说，有可能一部设备的屏幕为每平方英寸160个像素，而另一部设备的屏幕在相同的空间内可以容纳480个像素。如果不考虑像素密度的这些变化，系统可能会按比例缩放图片，这可能会导致图片模糊或占用大量内存空间，或者图片大小不当。 如果所调整的图片超出了Android系统可处理的图片大小，系统会抛出内存不...

任务目标 基于给定数据集，进行数据预处理，搭建以LSTM为基本单元的模型，以Adam优化器对模型进行训练，使用训练后的模型进行预测并计算预测分类的准确率。 数据集信息 IMDB数据集是一个对电影评论标注为正向评论与负向评论的数据集，共有25000条文本数据作为训练集，25000条文本数据作为测试集。已知数据集中数据格式如下表所示。 1、读取数据内容 2、预处理 首先，对于创建词汇表，记录每一个单词出现的频率，并由此将特征数据集转为特征向量。最后转化为tensor格式由于数据量庞大，这里先用PCA将数据降维，这里选择降到20个维度将特征数据集和标签进行匹配，并每两个数据作为一个批次，全部数据进...

任务目标 基于给定数据集，采用三层bp神经网络方法，编写程序并构建分类模型，通过给定特征实现预测的书籍评分的模型。 选取数据 在各项指标中，我认为书籍的评分和出版社、评论数量还有作者相关，和其他属性的关系并大。所以，对于出版社，我选取了出版社的平均评分和出版社在这个表格中出现的频率作为出版社的评价指标。对于作者选择了平均评分作为指标。此外，选择了前40000条数据作为训练集，考虑到运算的时间成本，后续只选择了剩下20000条数据中的五千条作为测试集。 数据处理 首先将数据转为tensor格式，然后进行归一化操作，既Xnormalized​=max(X)−min(X)X−min(X)这样处理便于...

1、任务要求 针对已知类别的5张卧室照片(标签为+1)和5张森林照片(标签为-1)所对应的矩阵数据进行分类训练,得到训练集模型;再利用支持向量机对另外未知类别的5张卧室照片和5张森林照片数据进行测试分类(二分类)，得到分类结果及其准确率。 2、先导入查看基本数据 3、合并数据 将房间的数据和森林的数据进行合并，生成一个真正用于训练的input 4、模型构建与训练 可以将支持向量机看成一个简单的，只有输入输出层的神经网络。所以直接使用pytroch框架中的神经网络的框架进行构建，并且自行定义出损失函数来达到支持向量机的结果 5、结果与可视化 由于原本数据的维度较高，无法直接画出，所以这里先对数...

1、JetPackCompose、组合函数与注解和文本修改 1、JetPackCompose：JetpackCompose是由Google推出的用于构建Android用户界面的现代化工具包。它是一个声明式的UI工具包，用于简化Android应用程序的用户界面设计和开发。JetpackCompose采用了类似于React或Flutter的方式，通过组合函数来构建UI，将UI的状态和外观分离开来，使得界面开发更加简单、灵活和直观。 2、组合函数：组合函数是指在JetpackCompose中用于构建UI的函数。这些函数以一种声明式的方式描述了用户界面的外观和行为，将UI元素组合在一起以创建应用程序的...

1、首先安装Androidstudio（跳过）AndroidStudio是由Google推出的官方集成开发环境（IDE），专门用于Android应用程序的开发。它是基于JetBrains的IntelliJIDEAIDE构建的，提供了丰富的功能和工具，方便开发者创建、测试、调试和发布Android应用。2、创建第一个项目在创建新项目时Androidstudio会提供各种模板，不同的模板会为用户提供初始代码，帮助快速上手选择EmptyComposeActivity模板，这个模板是用于创建一些简单项目。选择创建后需要耐心等待一段时间。Androidstudio会为用户展示它的最新功能的新动态，可以忽...

1、首先对数据进行读取和预处理2、读取数据后，对x数据进行标准化处理，以便于后续训练的稳定性，并转换为tensor格式3、接下来设置训练参数和模型这里采用回归模型，既y=xweight1+bias1，设置的学习率为0.0006，损失函数采用了MSE（均方误差）4、绘制图像由于数据量较少，所以将整个训练集作为测试集，观察生成的图像 完整代码 importtorch importnumpyasnp importpandasaspd importmatplotlib.pyplotasplt importtorch.optimasoptim importwarnings warnings.filte...

1、html的基本结构 a.首先是注释信息，在html中使用<!--xxx-->这样的方式来进行注释 b.DOCTYPE，这是告诉浏览器所使用规范，一般可以不加这个，因为现在的浏览器默认所使用的规范为html c.head标签，表示网页的头部，其中会放入其他标签 d.meta标签，这是一个描述性的标签，它会描述一些网页的基本信息，如所使用的编码啦，关键词啦等等通常使用name和context的组合 e.title标签，这是html的标题 d.body标签，其中存放的是网页的主体部分   <!--这个是注释-->><!--DOCTYPE:告诉浏览器所...

1、策略梯度介绍 相比与DQN，策略梯度方法的区别主要在于，我们对于在某个状态下所采取的动作，并不由一个神经网络来决定，而是由一个策略函数来给出，而这个策略函数的目的，就是使得最终的奖励的累加和最大，这也是训练目标，所以训练会围绕策略函数的梯度来进行。 2、策略函数 以Reinforce算法为例， 假设我们的目标是最大化累积奖励的期望，即最大化以下形式的目标函数J(θ)： J(θ)=E[∑[t=0toT](R_t)] 其中，E表示对所有可能的轨迹（trajectories）进行期望，R_t是在时间步t获得的即时奖励。我们的策略函数可以表示为π(a|s;θ)，其中θ表示策略函数的参数。我们希望通...