箭指offer笔记5
面试中的各项能力 Q. 两个链表第一个公共节点 A. 思路：通过倒序遍历两个链表，即使用两个stack来装载两个链表的节点，分别比较两个stack.top()，直到不相等时说明出现了分叉
Q. 排序二叉树中两个节点的最低公共祖先 A. 思路：从根节点出发，如果root.value比两个节点
...
箭指offer笔记4
优化时间和空间效率 Q. 数组中出现次数超过一半的数字：数组中有一个数字出现次数超过了数组长度的一半，请找出这个数字 A. 思路
思路1: 用map记录出现次数, O(n)
思路2: 快排思路，出现频次超过一半即要寻找中位数，利用partition k将小于k的全部排在k左边，大于的排在右边。
...
箭指offer笔记3
解决面试题的思路 Q. 二叉树的镜像：输入一棵二叉树，输出它的镜像123 8 8 6 10 10 65 7 9 11 11 9 7 5
A. 思路：
镜像的本质在于对每个非叶子节点交换左右子树；
从根节点出发，交换左右子树；
如果节点为空，或者已经递归到叶子节
...
箭指offer笔记2
代码质量 Q. 数值的整数次方：实现函数double Power(double base, int exponent)，不得使用哭函数，不需要考虑大数问题。 A. 需要考虑特殊情况
base = 0：0的任何次方均为0
exponent = 0：任何数的0次方均为1，注意0^0没有数学意义，输
...
箭指offer笔记
第一章 面试面试的3个环节行为面试：首先自我介绍（30s～60s），主要介绍自己的学习、工作经历。
STAR模型介绍项目经历： Situation 简短的项目背景。比如项目的规模，开发的软件功能，目标用户； ->Task 自己完成的任务。注意区分“参与、负责”等用词； ->Action
...
面试: 阿里一面
前言这学期实验室和阿里杭州总部的手淘项目组有一个合作项目，主要工作内容是做一个淘宝私域场景下的6宫格推荐，一个强化学习方法在推荐场景下的应用研究。
最近研一结束，也赶上了需要项目对接的时间，想着可以去找一下实习了，毕竟上一份在腾讯的挂牌实习工作也临近结束，寻思着腾讯经历完了，还是想去阿里再看看的。
...
言语信息:基于HMM+GMM的单个词语音识别
实验内容基于有标签的数字语音数据集，通过GMM+HMM模型完成单个词语音识别的分类任务。
实验思路基于GMM+HMM的语音识别框架可以简述为下图的过程：其可以被大致分割为特征提取、GMM和HMM三部分，下面就这三部分一一展开叙述。
特征提取对单个词进行语音识别，仍然需要首先提取待分类语音段的MFCC
...
言语信息:基于DTW和MFCC的单个词语音识别
实验内容基于DTW算法实现单个词的语音识别
实验思路MFCC根据上课所学知识，对于单个词的语音进行识别，首先需要将输入的音频信号转化为语音特征MFCC、即梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient, MFCC)，而MFCC的生成流程如下图所示：为了识别待识
...
Hadoop:倒排索引
倒排索引定义倒排索引(Inverted index)是一种常见的索引方法，其几乎是文档或信息检索系统中最常用的数据结构，适用于快速的全文搜索。
倒排索引可理解为：关键词——>文档区分于正排索引：文档——>关键词
一个倒排索引由全部文档集合中所有不重复的单词的列表构成，对每一个单词，通常有
...
SRG-DQN:Readme
Posted on
Words count in article:
361 字
|
Reading time ≈
2 min
Variance Reduction for Deep Q-Learning using Stochastic Recursive GradientDependenciesThe following dependencies are required：1234gym==0.17.1matplotli
...