Codeforces Round #754 (Div. 2) A-E 题目地址：链接 A. A.M. Deviation(贪心)每次操作可以使得a+c-2*b +3或者-3 。那么答案只需要%3即可，如果%后结果为2，就让他再减去3等到|-1| = 1; 1234567891011121314151617181920212223242526272829303132333435363738394041424344//#pragma comment(linker, 2021-11-15 ACM-Codeforces
ABC224-G - Roll or Increment(人类智慧，数学) 题意一个$N$个面的骰子，开始的值是$S$，现在希望到$T$，你可以做两种操作，操作可以任意顺序，任意次： 1.花费$A$：将$S$加$1$，但要注意$S$等于$N$时不可以进行该操作。 2.花费$B$：随机投掷骰子一次，等概率出现$1-N$之间的数。 寻求一种$S$到$T$期望花费最小的策略，输出最小期望。 范围 思路 首先思考，如果一个骰子做了操作1在做操作2，这是十分奇怪的，因为既然 2021-11-11 ACM-Atcoder
LeetCode 建信 04.电学实验课(矩阵快速幂，计数) LeetCode 建信 04.电学实验课(矩阵快速幂，计数)题目描述:某电学实验使用了 row * col 个插孔的面包板，可视作二维矩阵，左上角记作 (0,0)。老师设置了若干「目标插孔」，它们位置对应的矩阵下标记于二维数组 position。实验目标要求同学们用导线连接所有「目标插孔」，即从任意一个「目标插孔」沿导线可以到达其他任意「目标插孔」。受实验导线长度所限，导线的连接规则如下： 一条导 2021-11-10 Leetcode
Codeforces Round #753 (Div. 3) F-H F. Robot on the Board 2（搜索）题意： 题意：有一个n*m的棋盘，每个格子上有一个字符，U, D, L, R四个之一。机器人从任意一个格子为起始位置，按着字符方向（U,D,L,R分别是上下左右）走一格，直到碰到走过的格子或者出边界，最长的运动路径长度是多少。输出使运动路径最长的起始位置和路径长度 题解： 遍历每个点并对每个点按照规则搜索，同时记录走过的路径，走过的路径无需重复 2021-11-06 ACM-Codeforces
PSD: Principled Synthetic-to-Real Dehazing Guided by Physical Priors介绍 PSD: Principled Synthetic-to-Real Dehazing Guided by Physical PriorsIntroduction首先介绍一下雾霾模型： I(x) = J(x)t(x) + A(1-t(x))其中$J(x)$是原图，$I(x)$是观测的雾霾图像，$t(x)$是透射率，$A$是全局大气光。 早期模型是基于物理先验的方法，然而这些方法鲁棒性很 2021-07-22 计算机视觉CV
MTCNN(Multi-task Cascaded Convolutional Networks)介绍 MTCNN-Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks创新点 MTCNN框架利用级联架构，通过精心设计的深度卷积网络的三个阶段，以从粗略到细致的方式预测人脸和landmark位置。 提出 a new online hard sample mining strategy，即一种 2021-07-19 计算机视觉CV
RPN(Region Proposal Network)介绍 RPN(Region Proposal Network)RPN简单来说就是输入一张图片可以得到很多待选框的一个网络，再详细一点就是： RPN的本质是对所有候选框进行判定，前景概率为多少，如果是前景那么其候选框所需要的修正因子应该是多少。 首先经过backbone提取特征： 首先拿到一张原图时，我们要先利用backbone获得feature map，可以看到上图中右部从feat 2021-07-18 计算机视觉CV
强化学习纲要Ch10-策略优化进阶 策略优化进阶——上本次的内容： 首先还是先回顾一下Value-based RL和Policy-based RL区别： 策略目标和策略梯度： 策略梯度(Policy gradient)有下面几种常见的算法： 这里要说一下这四个优化方法的关系： 首先是REINFORCE使用的是$G_t$,是由MC方法获得的，他其实就是Q Actor-Critic方法中$Q^w$的采样。Advantage Ac 2021-06-07 强化学习
强化学习纲要Ch9-策略优化基础-下 策略优化基础——下Score Function Gradient Estimator我们考虑写一个更广义的策略函数： 上面那个推导过程不太详细，下面给出具体的推导步骤： 这个梯度可以理解为： p(x)为采样得到的值，他们梯度就是上图蓝色箭头，而f(x)代表给这些梯度一个权重。 比如当权重分布如下时： 此时这个p(x)分布会向权值大的哪个方向平移，最后移动至下图： 可以看到概率函数p(x) 2021-06-07 强化学习
机器学习中的KernelModel/LinearModel总结 机器学习中的KernelModel/LinearModel总结 对学到的一些KernelModel/LinearModel做了一下梳理，便于以后忘记时能知道他们提出的动机和与其他模型的联系. PDF文件链接：谷歌云盘 2021-05-25 机器学习
