[人工智能]2021-08-25

20210825学习总结

一. 吴恩达深度学习第二课第三周

1. 一般神经网络的超参数有：学习率alpha，动量梯度下降法的beta，批尺寸mini-batch size，隐藏层神经元个数hidden units，隐藏层数量layers，学习率下降因子learning_rate_decay。

2. 深度学习超参数选择采用随机搜索、由粗到细的方式。在搜索时，一般不采取均匀网格的形式，而采取对数间隔的形式(0.1,0.01,0.001…)。

3. 选取超参数训练模型时有两种形式：panda(一次只训练一个模型)，Caviar(机器充足条件下训练多个模型)

4. Batch Normalization:指神经网络每一隐藏层的激活函数作用前，先对输入值Z进行normalization标准化。使用mini-batch梯度下降时，对每个batch单独求均值和标准差，进行标准化。

5. Batch Normalization奏效的原因？batch标准化减少了因输入值改变而影响网络的问题，它使得网络每层都可以自己学习，稍稍独立于其他层。

6. 测试时的batch normalization: 模型测试时，不再采取batch normalization分批处理的形式。对于神经网络每一层，在训练时，会进行多个batch的运算，则会得到多个均值和标准差，对这些均值和标准差求加权指数平均，作为测试时的均值和标准差（每一层都会有相对应的均值和标准差）。

7. Softmax激活函数：输入n维向量，则输出n维向量。与hardmax的输出向量中只有一个元素为1相反，softmax输出的是n维向量的概率分布。

8. 深度学习框架的选择原则：易用性、运行速度、开源性。

二.CCF CSP202009前两题

今天做的前两题都是模拟题，没有任何算法难度，相比于202012与202104的题，202009的更简单。

1. 称监测点查询

#include <iostream>

# include <algorithm>

using namespace std;

const int N = 210;
int n,X,Y;
int x[N],y[N];

struct Dis{
    int num;
    int value;
}distan[N];

int cmp(Dis a,Dis b){
    if (a.value == b.value) return a.num < b.num;
    return a.value < b.value;
}


int main(){
    scanf("%d%d%d",&n,&X,&Y);
    for(int i = 1; i <= n; i++){
        scanf("%d%d",&x[i],&y[i]);
        distan[i].num = i;
        distan[i].value = (x[i] - X)*(x[i] - X) + (y[i] - Y)*(y[i] - Y);

    }
    sort(distan + 1,distan + 1 + n,cmp);
    printf("%d\n%d\n%d",distan[1].num,distan[2].num,distan[3].num);
    return 0;

}

2. 风险人群筛查

#include <iostream>

# include <algorithm>

using namespace std;

int n,k,t;
int xl,xr,yd,yu;
int amount1 = 0,amount2 = 0;
int flag1 = 0,flag2 = 0;
const int N = 1010;
int x[N],y[N];

int judge_isin(int a,int b){
    if(a >= xl && a <= xr && b >= yd && b <= yu)
        return 1;
    return 0;
}

int main() {
    scanf("%d%d%d%d%d%d%d",&n,&k,&t,&xl,&yd,&xr,&yu);
    for(int i = 1; i <= n; i++){
        for(int j = 1; j <= t; j++){
            scanf("%d%d",&x[j],&y[j]);

        }

        for(int j = 1; j <= t; j++){

            if(judge_isin(x[j],y[j])){
                flag1 = 1;
                flag2++;
                if(flag2 >= k) {
                    amount2++;
                    break;
                }
                }
            else{
                flag2 = 0;
                }
            }
        if(flag1 > 0) amount1++;
        flag1 = 0;
        flag2 = 0;


    }
    printf("%d\n%d",amount1,amount2);
    return 0;
}