论文中常出现Frobenius norm用于矩阵的loss函数，表示为\(\Vert \cdot \Vert_F\)。 设矩阵\(A \in \mathbb{R}^{n \times m}\)，那么\(\Vert A \Vert_F = \sqrt{\sum\limits_{i=1}^{n}\sum\limits_{j=1}^{m} a_{i,j}^{2}}\)，其中\(a_{i,j}\)是矩阵\(A\)中的元素。 Frobenius norm类似于
HH去散步 题目链接：luogu P2151 题目大意 给你一个无向图，然后给你起点终点走的路径数量，然后每次走不能走那条边的回头路，然后问你有多少走的方案。 思路 首先胡一下正常的做法吧。（乐） 就如果可以回头路那就简单，但是不能回头，考虑把它区分开来。 亦或者说你可以视作把边看做有向，然后再
按位或 题目链接：luogu P3175 题目大意 有一个数 0 你一开始，然后每次你可以与上一个数 0~2^n-1 中的，每个数有它被你选择的概率。 然后问你期望要弄多少次才能使得这个数变成 2^n-1。 思路 首先这个弄成 \(2^n-1\) 显然不好弄，我们考虑一个神奇的东西，就是 min-max 容斥。 因为这个 \(
隐马尔可夫模型（Hidden Markov Model, HMM）是可用于标注问题的模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。马尔可夫链不懂的可以把本科的《概率论与数理统计》找回来看一下，并不难，就是离散状态之间的转换。下面直接定义基本概念，为后面的算法做准备。 基本
拉格朗日乘数(Lagrange Multipliers)法 在数学最优问题中，拉格朗日乘数法（以数学家约瑟夫·路易斯·拉格朗日命名）是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。这种方法将一个有n个变量与k个约束条件的最优化问题转换为一个有n + k个变量的方程组的极值问题，其
常见描述性指标的python实现 集中趋势 均值 \[\mu=\frac{\displaystyle\sum\limits_{i=1}^N{X_i}}{N} \]中位数 众数 离散程度 极差 \[R=\max{(X)}-\min{(X)} \]方差 \[\sigma^2=\frac{\displaystyle\sum\limits_{i=1}^N (X_i-\mu)^2}{N} \]标准差 \[\sigma =\sqrt{\sigma^2} \]变
这是价值学习高级技巧第三篇，前两篇主要是针对 TD 算法的改进，而Dueling Network 对 DQN 的结构进行改进，能够大幅度改进DQN的效果。 Dueling Network 的应用范围不限于 DQN，本文只介绍其在 DQN上的应用。 12. Dueling Network 12.1 优势函数 Advantage Function. 回顾一些基础概念
Description \(\mathcal{P}\text{ortal.}\) Solution 首先想到要把 \(\varphi(ij)\) 拆开，这里有个公式 \[\varphi(ij)=\dfrac{\varphi(i)\varphi(j)\gcd(i,j)}{\varphi(\gcd(i,j))} \]考虑证明，有 \[\begin{aligned} \varphi(i)\varphi(j) &= i\prod\limits_{p|i,p\i
数叶子 分别考虑每个点的贡献，发现只和与他相邻的边有关系 不妨枚举是哪条边产生贡献，假设是第 \(x\) 条边 那么在他左边就有 \(x-1\) 条边再加上选择区间的左端点 一共要选出 \(x\) 个点 右边同理要选出 \(deg-x+1\) 条边 枚举这条边在哪里就是 \(\sum\limits_{i=1}^{m}\binom{i}{x
\(ARMA(1, ~ 1)\) process is a time series \(\left\{ X_{t} \right\}\) defined as: \[X_{t} - \phi X_{t-1} = Z_{t} + \theta Z_{t-1} \]where \(|\phi| < 1\) and \(\left\{ Z_{t} \right\} \sim WN(0, ~ \sigma^{2})\)。 它的 ACVF (autocovari
就是这样一个柿子： \[f(S)=\sum\limits_{T\subseteq S}g(T)\iff g(S)=\sum\limits_{T\subseteq S}（-1）^{S\oplus T}f(T) \]证明并不是很会证（昨天讲了但没太理解），但它的处理场景是很明晰的，其实就是求一些集合并集时的系数函数。小学奥数就交过结论但一直没证过（吧？）
# Lecture 1：概括与基础 和 supervised learning 的区别： * 强化学习是Sequential data作为input，每次输入并不是独立同分布 * 没有ground truth, learner不会被告知什么action是正确的。需要不断去尝试 * Trail-and-error exploration（balance between explioration and exploita
七夕祭 题目大意 给一个n * m矩阵，有一些位置是1，其他是0。 每次操作可以交换相邻的两个数，特别的，每行/每列的第一个数和最后一个数视为相邻。 希望可以实现两个目标：1.每一行1一样多；2.每一列的1一样多 问最多可以实现几个目标，并求出对应的最少操作次数。 解题思路 如果1的总数是列的
#include <limits.h> void Util::typeLimits12() { cout<<"numeric_limits<int32_t>::max()="<<numeric_limits<int32_t>::max()<<endl; cout<<"numeric_limits<int32_t>::min()="<<nume
题目大意 元元曾经是班长。在校运动会上，元元的班要进行队列表演。元元要选出 \(2\times n\) 名同学编队，每人都被编上一个号，每一个从 \(1\) 到 \(n\) 的自然数都被某 \(2\) 名同学佩戴，现在要求将他们排成一列，使两个编号为 \(1\) 的同学中间恰好夹 \(1\) 名同学，两个编号为 \(2\) 的
资源需求及资源限制 一、资源需求 目前来说，资源隔离尚且属于容器级别，CPU 和 内存 资源的配置需要在 Pod 中的容器上进行，每种资源均可由 "requests" 属性定义其请求的确保可用值，即容器运行可能用不到这些额度的资源，但用到时必须要确保有如此多的资源可用，而 "limits" 属性则用于
这篇文章存在极其严重的伪证现象，请就情况往下翻。 在平面直角坐标系中，给出$n+1$个函数在不同的坐标的点，求其解析式 即设$n+1$个点坐标分别为$:(x_0,y_0),(x_1,y_1),......,(x_n,y_n)$ 有$:\sum\limits_{i=0}^ny_i\frac{\prod\limits_{j=0}^n(x-x_j)(i\ne j)}{\prod\limits_{j=0}^n
一.莫比乌斯反演公式 $ $ $\qquad\qquad\qquad\qquad\qquad$ 设 $F(n) = \sum\limits_{d|n}f(d)$ ，那么有 $f(n) = \sum\limits_{d|n}\mu(d)F(\frac{n}{d})$ 其中 $\mu(d)$ 是这样一个函数： $ d = 1 $ 时 $\mu(d) = 1$ $ d = \prod\limits_{i=1}^k p_{i} ( p_{i} 为互异素数
题意： 给定正整数 \(n\) 和 \(m\)，对每个 \(k=1,\dots ,n\)，求： 把 \(n\) 编号为 \(1\sim n\) 的小球分成 \(k\) 组，组顺序不计，编号对 \(m\) 取模相等的小球不能在同一组，分组方案数是多少？ \(2\le n \le 5000,2\le m\le n\) 思路： 法一：组合数+二项式反演 设 \(g(k)\) 表示每组不同（每组都
private Dialog alertDialog = new AlertDialog.Builder(context). setView(view). create();alertDialog.getWindow().setDimAmount(0f);//设置透明背景alertDialog.getWindow().setBackgroundDrawable(new ColorDrawable());//设置背景填充alertDialog.getWindow
Yazid的新生舞会 codeplus2017 题解 受到 type 是 \(1\) 和 \(3\) 的启发，我们可以枚举 \(num\) 为众数，然后把每一个的答案相加。 假设我们正在计算一个众数，计算它前缀的出现次数 \(s_i\)，那合法的情况要满足 \(s_r-s_l>\frac{r-l}{2}\)，即 \(2s_r-r>2s_l-l\)。这可以看成逆序对问题，
Problem： 题目描述 给定 \(n\) 个正整数 \(a_i\) ，求它们在模 \(p\) 意义下的乘法逆元。 由于输出太多不好，所以将会给定常数 \(k\)，你要输出的答案为： \[\sum\limits_{i=1}^n\frac{k^i}{a_i} \]答案对 \(p\) 取模。 输入格式 第一行三个正整数 \(n,p,k\)，意义如题目描述。 第二行 \(n\)
组合数 1. 求组合数 根据不同的数据范围，求组合数也可以运用不同的方法。由于这是中学的内容，所以这里就不详细介绍了。 求解的总的式子： \(C_a^b=\frac{a!}{b!(a-b)!}\) 表示从\(a\)个物品中选出\(b\)个的方案数。 (1) 递推法 使用递推式\(C_a^b=C_{a-1}^b+C_{a-1}^{b-1}\) 证明：考虑
这一部分主要是讲一些数数的东西 主要就是打表发现规律再实现这一些内容 Part 1 计数的原理 1.加法原理 &乘法原理 假设一个人穿衣服，有两种穿法: \(1.\)从\(n\)件大衣中选一件穿上 \(2.\)从\(x\)条毛衣中选一件，再从\(y\)件羽绒服上选一件穿 问1和2的方案数 对于1，每一件大衣都是独
\tag{1.2} \[\begin{equation*} \tag{1.2} \begin{aligned} & \mathop{\min}\limits_{\phi \in \Phi,f_0\in F, w \in \Delta^{T-1}} \hat{L}_0(\phi,f_0) \\[2ex] &subjet \ \ to\ \ \phi\in \mathop{\arg\min}\limits_{
