Rho

【第一部分】问题总结 创建MobileNet V2时，第二个基本单元的步长与论文中不一致： MobileNet V2中使用了BatchNorm来优化网络，归一化来加速网络，HybridSN中添加后分类结果变差。 【第二部分】代码练习 使用MobileNet V1对CIFAR10进行分类 可分离卷积的实现： class Block(nn.Module): '''Depthwise conv + Pointwise conv''' def __init__(self, in_planes, out_planes, stride=1): super(Block, self).__init__() # Depthwise 卷积，3*3 的卷积核，分为 in_planes，即各层单独进行卷积 # group这个参数是用做分组卷积的，但是现在用的比较多的是groups = in_channel # 当groups = in_channel时，是在做的depth-wise conv的 self.conv1 = nn.Conv2d(in_planes, in_planes, kernel_size=3, stride=stride, padding=1, groups=in_planes, bias=False) # 在卷积神经网络的卷积层之后总会添加BatchNorm2d进行数据的归一化处理

代码学习和论文阅读 学习理解MobileNetV1、MobileNetV2的代码；阅读《HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for Hyperspectral Image Classification》，并学习其代码实现，理解3D卷积和2D卷积； 阅读《Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising》 MobileNetV1代码实现 关于MobileNetV1的相关学习和理解，都整理在上一篇文章里面，其核心内容就是将传统卷积拆分为Depthwise+Pointwise两部分，从而减少了参数量，并保持了网络性能。 假如当前输入为19x19x3 标准卷积：3x3x3x4（stride = 2, padding = 1），那么得到的输出为10x10x4 深度可分离卷积： 深度卷积：3x3x1x3（3个卷积核对应着输入的三个channel），得到10x10x3的中间输出 点卷积：1x1x3x4，得到最终输出10x10x4 一个标准的卷积层以 \(D_F * D_F * M\) 大小的feature map F作为输入，然后输出一个 \(D_G * D_G * N\) 的feature G 卷积核K的参数量为 \(D_K *

正经人谁学数论啊 持续更新。 右键数学公式 \(\rightarrow\) Math Settings \(\rightarrow\) Math Renderer \(\rightarrow\) SVG以获得更佳体验。 小学生数论，并不适合dalao 因为本人过于蒟蒻所以如果你想在这里学些什么的话还是算了 基本也就我自己看看 主题的锅导致标题分的不清楚，无语子 目录 目录 正经人谁学数论啊 目录 质数 Eratosthenes筛素数 线性筛素数 普通版 无需取模版 Miller_Rabin大素数判定 约数 GCD 辗转相除法求GCD 二进制方法求GCD 更相减损术求GCD 裴蜀定理 算数基本定理的推论 算数基本定理(唯一分解定理) 求正约数个数 线性筛求约数个数 约数和定理 线性筛求约数和 求正约数集合 试除法 倍数法 欧拉函数 性质 分解质因数求单个欧拉函数 Eratosthenes筛求欧拉函数 线性筛求欧拉函数 扩展欧几里得 非平凡因子 Pollard_Pho大数字质因数分解 同余 费马小定理 前置芝士 正文 欧拉定理 扩展欧拉定理 二次探测定理 Wilson定理 乘法逆元 费马小定理求逆元 欧拉定理求逆元 扩展欧几里得求逆元 线性求逆元 线性同余方程 中国剩余定理 中国剩余定理的扩展 组合数学相关 Catalan数 Lucas定理 莫比乌斯反演&&拉格朗日插值 质数

设 \(m = p_0^{k_0}\) 。如果 \(p_0 \mid p\) 那么 \(p^e=km+x\) 的条件只有在 \(e=0\) 的时候对 \(1\) 会产生约束，其余的约束都被包含在了 \(p_0\) 那里，问题是平凡的。 对于 \(p_0 \nmid p\) ， \(T = \{p^e \bmod m|e \in N\}\) （集合里的数均对 \(m\) 取模，下同）中不会存在 \(p_0\) 的倍数，故两个条件约束的数集无交。判断无解需要知道集合 \(T\) 的大小才行，故考虑计算 \(|T| = \mathrm{order}(p)\) 。由于 \(p^{\varphi(m)}=1,\) 故 \(\mathrm{order}(p) \mid \varphi(m)\) 。将 \(\varphi(m)\) 用 Pollard-Rho 分解质因数后枚举约数进行检验即可计算出 \(\mathrm{order}(p)\) 。 如果 \(\mathrm{order}(p) + \frac{m}{p_0}+n \geq m\) 则显然无解，否则考虑找一组解。 如果存在 \(\bmod\ m\) 意义下的原根，找一个原根 \(g\) ，设 \(p \equiv g^u \bmod\ m\) 。那么 \(T = \{g^0,g^u,g^{2u},\ldots,g^{(\mathrm

正经人谁学数论啊 持续更新。 小学生数论，并不适合dalao 因为本人过于蒟蒻所以如果你想在这里学些什么的话还是算了 基本也就我自己看看 主题的锅导致标题分的不清楚，无语子 目录 目录 正经人谁学数论啊 目录 质数 Eratosthenes筛素数 线性筛素数 普通版 无需取模版 Miller_Rabin大素数判定 约数 GCD 辗转相除法求GCD 二进制方法求GCD 更相减损术求GCD 算数基本定理的推论 算数基本定理(唯一分解定理) 求正约数个数 线性筛求约数个数 约数和定理 线性筛求约数和 求正约数集合 试除法 倍数法 欧拉函数 性质 分解质因数求单个欧拉函数 Eratosthenes筛求欧拉函数 线性筛求欧拉函数 扩展欧几里得 非平凡因子 Pollard_Pho大数字质因数分解 同余 费马小定理 前置芝士 正文 欧拉定理 扩展欧拉定理 乘法逆元 费马小定理求逆元 欧拉定理求逆元 扩展欧几里得求逆元 线性求逆元 线性同余方程 中国剩余定理 组合数学相关 莫比乌斯反演&&拉格朗日插值 质数 Eratosthenes筛素数 其实就是劣质版线性筛，不过代码比较短，打个小表还是可以的。 时间效率 \(O(nlog\ log\ n)\) int Pri[maxn]; bool NotPri[maxn]; void JudPri(int n){ NotPri[0]=1; NotPri[1]

目录 1. 感知机原理 2. 损失函数 3. 优化方法 4. 感知机的原始算法 5. 感知机的对偶算法 6. 从图形中理解感知机的原始算法 7. 感知机算法(PLA)的收敛性 8. 应用场景与缺陷 9. 其他 10. 参考资料 1. 感知机原理 感知机是二分类的线性分类模型，本质上想找到一条直线或者分离超平面对数据进行线性划分 适用于线性可分的数据集，否则感知机不会收敛 假设有一个数据集 \(D = {(x_1, y_1), (x_2, y_2), ..., (x_N, y_N)}\) ，其中 \(x_i \in R^n\) ，即 \(x_i = (x_i^{(1)}, x_i^{(2)}, ...x_i^{(n)})\) 模型的输入为实例的特征向量 \(x_i\) ，输出为实例的类别，取值为+1（正例）或者-1（负例） 我们希望找到一个分离超平面 \(w^Tx + b = 0，其中w \in R^n\) ，使得有满足 \(w^Tx + b > 0\) 的实例所对应的类别为正例。而使得满足 \(w^Tx + b < 0\) 的实例所对应的类别为负例。 于是我们可以构建出感知机模型为： \(f(x) = sign(w^Tx + b)\) 2. 损失函数 定义损失函数一个很自然的想法是建立在误分类点的个数上，但是使用误分类点的个数来构造损失函数并不容易优化 因此使用

0.1 一些闲话 最近一次更新是在2019年11月12日。之前的文章有很多问题：当我把我的代码交到LOJ上，发现只有60多分。我调了一个晚上，尝试用 {2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 61, 24251, 2147483647, 998244353} 这么一大串数作为基底，然后左改右改，总算过去了。特别感谢 @骗分过样例 的提醒，现在张贴的代码应该是值得信赖的了。 之前我的同学好像就指出过我的文章的很多问题。比如说我之前写到，Miller Rabin在面对合数 \(46856248255981\) 时，如果用 {2,3,7,61,24251} 做基底，是会判断错误的。但实际上，他说他对着我的代码写了一遍，发现这个数是可以判掉的。 OI中的数学需要细心。相比其他算法方面，数学真的不好调试——一个公式算错了，一个下标写反了，程序就错了。而且复杂的数学代码很难用gdb查错，只能反复自己的公式是否写对，并且在转换成代码的时候是否有差错。编程需要细致和求实精神。当你在写代码，亦或是在写题解时，多问自己一个：有没有问题？是不是哪里写错了？这里为什么要这么写？可不可以造数据Hack？尤其是在写博客的时刻，每一个OIer都需要做到足够细致——因为这些文章不是写出来好看，让同学膜拜的，而是真的要帮到网络另一端，需要帮助的人。 这是我尤为欠缺的

https://blog.csdn.net/ayang1986/article/details/105528248 1. IBC概述 基于标识的密码（Identity-Based Cryptography）简称IBC，是与RSA、ECC相比具有其独特性的又一种公钥密码。这种独特性表现在其公钥是用户的身份标识，该标识可以是任何有意义的字符串，比如email地址、电话号码、身份证号等，而不再是随机乱码。 IBC这个概念最初出现于1984年Shamir（RSA密码创始人之一）的论文“Identity-based cryptosystems and signature schemes”中，IBC密码公私钥采用一种不同于RSA和ECC的特殊方法产生，即公钥是用户的身份标识，而私钥通过绑定身份标识与系统主密钥（master key）生成。IBC包括基于标识的加密算法IBE（Identity-Based Encryption）和基于标识的签名算法IBS(Identity-Based Signature)以及基于标识的密钥协商算法IBKA(Identity-Based Key Agreement)。继1984年Shamir的IBC设计思想提出之后，诞生了许多令人满意的针对IBS和IBKA的协议算法。其中，采用双线性对的Hess IBS和Cha-Cheon IBS签名算法已被ISO和IEC采纳

正经人谁学数论啊 持续更新。 小学生数论，并不适合dalao 因为本人过于蒟蒻所以如果你想在这里学些什么的话还是算了 基本也就我自己看看 主题的锅导致标题分的不清楚，无语子 目录 目录 正经人谁学数论啊 目录 质数 Eratosthenes筛素数 线性筛素数 普通版 无需取模版 Miller_Rabin大素数判定 约数 GCD 辗转相除法求GCD 二进制方法求GCD 更相减损术求GCD 算数基本定理的推论 算数基本定理(唯一分解定理) 求正约数个数 线性筛求约数个数 约数和定理 线性筛求约数和 求正约数集合 试除法 倍数法 欧拉函数 性质 分解质因数求单个欧拉函数 Eratosthenes筛求欧拉函数 线性筛求欧拉函数 扩展欧几里得 非平凡因子 Pollard_Pho大数字质因数分解 同余 费马小定理 前置芝士 正文 欧拉定理 扩展欧拉定理 乘法逆元 费马小定理求逆元 欧拉定理求逆元 扩展欧几里得求逆元 线性求逆元 线性同余方程 中国剩余定理 组合数学相关 莫比乌斯反演&&拉格朗日插值 质数 Eratosthenes筛素数 其实就是劣质版线性筛，不过代码比较短，打个小表还是可以的。 时间效率 \(O(nlog\ log\ n)\) int Pri[maxn]; bool NotPri[maxn]; void JudPri(int n){ NotPri[0]=1; NotPri[1]

MATLAB实例：求相关系数、绘制热图并找到强相关对 作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 用MATLAB编程，求给定数据不同维度之间的相关系数，并绘制热图，保存图片，找到强相关的维度对。 数据集来自UCI中的wine： https://archive.ics.uci.edu/ml/datasets/Wine 1. demo.m clear clc etea=0.8; %阈值 % 加载数据 data_load=dlmread('E:\scanplot\wine.data'); data=data_load(:,2:14); [N, D]=size(data); % 求维度之间的相关系数 rho = corr(data, 'type','pearson'); % 绘制热图 string_name={'Alcohol','Malic acid','Ash','Alcalinity of ash','Magnesium','Total phenols','Flavanoids','Nonflavanoid phenols','Proanthocyanins','Color intensity','Hue','Diluted wines','Proline'}; xvalues = string_name; yvalues =