-
2.8 函数的渐近增长
2.8 函数的渐近增长 2.8 函数的渐近增长 我们现在来判断一下，以下两个算法A和B哪个更好。假设两个算法的输入规模都是n，算法A要做2n+3次操作，你可以理解为先有一个n次的循环，执行完成后，再有一个n次循环，最后有三次赋值或运算，共2n+3次操作。算法B要做3n+1次操作。你觉得它们谁更快呢？ 准确说来，答案是不一定的（如表2-8-1所示）。 ... -
2.10 常见的时间复杂度
2.10 常见的时间复杂度 2.10 常见的时间复杂度 常见的时间复杂度如表2-10-1所示。 表2-10-1 执行次数 函数阶 非正式术语 12 O(1) 常数阶 2n+3 O(n) 线性阶 3n2+2n+1 O(n2) 平方阶 5log2n+20 O(logn) 对数阶 2n+3nlo... -
适合自己的才是最好的
2007年6月10日 适合自己的才是最好的 周末，我妈说：“这几天我稍微研究了一下左侧交易。” “喔，有什么研究成果？”我问。 “成果谈不上，不过，我发现，左侧交易如果做得好，确实也很赚钱。比如，有一个人主要就是用KDI指标，在股价连跌四五天，KDI指标出现超卖信号的时候开始建仓，先进10％，如果又跌了，再进20％，如果还跌，再进3... -
A.1 正向传播
A.1 正向传播 A.1 正向传播 图 A-1 的计算图中省略了 Softmax 层和 Cross Entropy Error 层的内容。这里，我们来画出这两个层的内容。 首先是 Softmax 层。softmax 函数可由下式表示。 因此，用计算图表示 Softmax 层的话，则如图 A-2 所示。 图 A-2 Softmax 层的计算... -
17-2 何为“贝塔分布”
17-2 何为“贝塔分布” 17-2 何为“贝塔分布” 首先介绍“贝塔分布” 这一概率分布的概念。从计算公式入手来看：横轴x 代表基本事件的数值，纵轴y代表概率的密度。上一讲中已经讲过，概率密度是指“乘以区间的长度后可以转化为概率的量” 。 贝塔分布可以用以下公式来表达： y＝（常数）×x α-1 （1-x ）β-1 （0≤x ≤1） …（1） ...