前端笔记-React-入门 React 简介React 由 FaceBook 开发,是一个开源的用于构建用户界面的 JavaScript 库。React 还有 React Native 框架,通过它可以直接使用 JS 开发原生应用。 React 的 特点如下: 虚拟 DOM (性能好,操作简单,兼容好) 声明式 基于组件 支持服务器端渲染 快速、简单、易学 React - Hello WorldReact 是用来代替 2022-11-08 Learn #FrontEnd #React
数据结构01-并查集 并查集(Union-Find)基本定义:并查集是指:对集合有“并”和“查”两种操作的一种数据结构;(这里的集合可以理解为无向图) 并操作:将两个节点连通; 查操作:两个节点是否是连通的; 连通性:自反性:p 与 q 连通 即 p 被与 q 连通 对称性:p 与 q 连通,则 q 与 p 连通 传递性:如果 p 连通 q,q 连通r,则 p 连通 r 连通子图:相互连通的最大集合,例: 实现操作 2022-11-08 Note #DataStructure #UnionFind
形式语言与自动机04-NFA 如果要构建一个在字母表 {0, 1}上的,接受以 101 为结尾的字符串的 DFA,答案如下: 假设我们可以猜测我们正在读取的字符串何时只剩下3个符号,那么我们可以简单地寻找序列101,如果我们看到它就接受它 由于你无法确定什么时候字符串快要结束,这一自动不再具有确定性 这种非确定性是一种猜测的能力,我们可以稍后验证 以 101 结尾的字符串语言的非正式化的非确定性算法: 猜测你是否接近输入 2022-09-15 Note #Formal Languages #Alphabet #string
形式语言与自动机03-DFA 有限自动机 Finite Automata一个有限自动机的例子 这是第一节课中给出的单开关灯泡电路的案例,这个例子中,有“开”和“关”两个状态,自动机的初始状态是“关”,并且尝试到达“好状态”——“开”。 那么要经历什么样的 f 操作序列才能到达好状态呢? 答案是:${ f, fff, fffff, …} = {f ^n:n \ is \ odd }$ 这是一个在字母表${f}$上的特定 2022-09-14 Note #Formal Languages #Alphabet #string
形式语言与自动机02-字母表和字符串 字母表和字符串将词语、数字、词组等表示成字符串是一种常用方式,要定义字符串,就需要字母表; 字母表是一个有限且非空的符号集合,例: 字母表 Σ 上的字符串是一个 Σ 中符号的有限序列,空字符串表示为ε,例: 语言是字母表上的字符串的集合,语言可以用于表示有 “YES/NO” 答案的问题; 字母表总是有限的,而语言总是无限的(有限语言的研究价值太低); 基于以上思想,我们将计算 2022-09-13 Note #Formal Languages #Alphabet #string
形式语言与自动机01-自动机理论 什么是自动机理论? 自动机理论是抽象计算设备(真实计算机的简化抽象模型)的研究 抽象模型可以帮助我们理解计算机,了解我们能用计算机做什么、做不了什么 一个简单例子 左图可以视为一个简单计算机系统,以开关信号作为输入,以灯泡作为输出,唯一的操作是“拨动开关,那么整个系统只存在两个状态:灯开和灯关; 该系统可以抽象为右侧的模型,并将初始状态设为灯关的情况,抽象为这样的模型后,我们可以直观的看到,当操 2022-09-12 Note #Formal Languages
论文阅读03 知识图谱构建技术综述 本周阅读的是《知识图谱构建技术综述》这篇论文,于 2016 年发表于《计算机研究与发展》,是课题组知识图谱研究方向的必读论文之一。本篇综述从技术框架和图谱定义出发,介绍了知识图谱的各类构建技术及其发展历程。以下是重点概念的笔记: 1.知识图谱定义与架构定义:结构化语义知识库,以符号形式描述物理世界中的概念及其相互关系。 基本组成单位:“实体-关系-实体”三元 2022-08-31 PaperReading #KnowledgeGraph #Summarize
机器学习04 Transformer TransformerTransformer 是什么?本质上是一种 Sequence to sequence (Seq2seq) 的转换 输入是序列,输出也是序列(输出长度不确定) 适合用于语音识别(现在多使用 RNN-Transducer)、文本翻译、QA、NLP(转化为QA)等(输出序列长度不确定,没有明确关系) 也可用于 Multi-label Classification 多标签分类 输 2022-08-06 Note #MachineLearning #DeepLearning #Transformer
机器学习06 GAN 生成网络 Generator 常规的回归任务可以看做如上结构,x 作为输入进入网络进行运算,得到对应输出 y,对于给定的 x,一定会得到相同的y 生成器网络则在常规网络的基础上增加了新的输入 z,且输入 z 往往是通过简单分布(如高斯分布)采样得到一个随机值,将 x 和 z 一起输入网络,由于 z 的取值是随机的,对于同一个 x 也会得到不同的 y,这就使得网络的输出从固定值变成了一个 y 的分 2022-08-06 Note #MachineLearning #DeepLearning #GAN