-
9.8.2 归并排序复杂度分析
9.8.2 归并排序复杂度分析 9.8.2 归并排序复杂度分析 我们来分析一下归并排序的时间复杂度，一趟归并需要将SR[1]～SR[n]中相邻的长度为h的有序序列进行两两归并。并将结果放到TR1[1]～TR1[n]中，这需要将待排序序列中的所有记录扫描一遍，因此耗费O(n)时间，而由完全二叉树的深度可知，整个归并排序需要进行次，因此，总的时间复杂度为O... -
9.9.2 快速排序复杂度分析
9.9.2 快速排序复杂度分析 9.9.2 快速排序复杂度分析 我们来分析一下快速排序法的性能。快速排序的时间性能取决于快速排序递归的深度，可以用递归树来描述递归算法的执行情况。如图9-9-7所示，它是{50,10,90,30,70,40,80,60,20}在快速排序过程中的递归过程。由于我们的第一个关键字是50，正好是待排序的序列的中间值，因此递归树... -
空标题文档
11.3 可变嵌套循环 现在来尝试一个可变嵌套循环。这就是一个嵌套循环，只不过其中一个或多个循环在 range() 函数中使用了变量。代码清单 11-2 给出了一个例子。 代码清单 11-2 一个可变嵌套循环 numLines = int(raw_input ('How many lines of stars do you want? '))nu... -
1.6 Matplotlib
1.6 Matplotlib 1.6.1 绘制简单图形 1.6.2 pyplot 的功能 1.6.3 显示图像 1.6 Matplotlib 在深度学习的实验中，图形的绘制和数据的可视化非常重要。Matplotlib 是用于绘制图形的库，使用 Matplotlib 可以轻松地绘制图形和实现数据的可视化。这里，我们来介绍一下图形的绘制方法和图像的显... -
4.5 学习算法的实现
4.5 学习算法的实现 4.5.1 2 层神经网络的类 4.5 学习算法的实现 关于神经网络学习的基础知识，到这里就全部介绍完了。“损失函数”“mini-batch”“梯度”“梯度下降法”等关键词已经陆续登场，这里我们来确认一下神经网络的学习步骤，顺便复习一下这些内容。神经网络的学习步骤如下所示。 前提 神经网络存在合适的权重和偏置，调整权重... -
7.5.1 深度优先遍历
7.5.1 深度优先遍历 7.5.1 深度优先遍历 深度优先遍历（Depth_First_Search），也有称为深度优先搜索，简称为DFS。它的具体思想就如同我刚才提到的找钥匙方案，无论从哪一间房间开始都可以，比如主卧室，然后从房间的一个角开始，将房间内的墙角、床头柜、床上、床下、衣柜里、衣柜上、前面的电视柜等挨个寻找，做到不放过任何一个死角，所有的... -
本书不面向的读者
本书不面向的读者 本书不面向的读者 明确本书不适合什么样的读者也很重要。为此，这里将本书不会涉及的内容列举如下。 不介绍深度学习相关的最新研究进展。 不介绍 Caffe、TensorFlow、Chainer 等深度学习框架的使用方法。 不介绍深度学习的详细理论，特别是神经网络相关的详细理论。 不详细介绍用于提高识别精度的参数调优相关的内容。... -
第 2 章 感知机
第 2 章 感知机 第 2 章 感知机 本章将介绍感知机 1（perceptron）这一算法。感知机是由美国学者 Frank Rosenblatt 在 1957 年提出来的。为何我们现在还要学习这一很久以前就有的算法呢？因为感知机也是作为神经网络（深度学习）的起源的算法。因此，学习感知机的构造也就是学习通向神经网络和深度学习的一种重要思想。 1严格... -
6.6 小结
6.6 小结 6.6 小结 本章我们介绍了神经网络的学习中的几个重要技巧。参数的更新方法、权重初始值的赋值方法、Batch Normalization、Dropout 等，这些都是现代神经网络中不可或缺的技术。另外，这里介绍的技巧，在最先进的深度学习中也被频繁使用。 本章所学的内容 参数的更新方法，除了 SGD 之外，还有Momentum、A...