程序员必备数学知识(四)

十八、神经网络与深度学习——计算机是如何理解图像、文本和语音的

截屏2023-12-19 11.57.57.png
截屏2023-12-19 11.59.28.png
基本单位——函数化的神经元
截屏2023-12-19 12.03.23.png
截屏2023-12-19 12.03.55.png
截屏2023-12-19 12.05.54.png
截屏2023-12-19 12.05.38.png
截屏2023-12-19 12.07.25.png
截屏2023-12-19 12.08.54.png
截屏2023-12-19 12.10.30.png
截屏2023-12-19 12.45.14.png

别忘了,y=sigmoid(x)的一阶导数是y✖️(1-y),
有了梯度之后,就可以设置学习率,用随机梯度下降法求解最优参数了。

截屏2023-12-19 12.50.07.png
我们直接用上面推导过的神经层次来建立神经网络

因为神经网络的代码太过复杂,因此我们只给出伪代码:


截屏2023-12-20 08.00.11.png
截屏2023-12-20 08.03.47.png

网络模型除了自己开发代码之外,还可以考虑使用已有的tensorflow或者类似于这样的开源人工智能库。

下面介绍一下深度学习。


截屏2023-12-20 08.12.18.png
截屏2023-12-20 08.13.53.png
卷积操作
池化操作
截屏2023-12-20 08.17.06.png
截屏2023-12-20 08.17.50.png
截屏2023-12-20 08.19.09.png
截屏2023-12-20 08.18.59.png

十九、面试时坑了无数人的算法题

前言
i例题1
计算机仿真代码
忽略红框
代码运行结果

1000次中大漂亮获胜502次,因此估算出大漂亮获胜的概率为0.502。

从数学角度解答
image.png
image.png
image.png
例题2
image.png
image.png
实现代码如下
代码运行结果
例题3
用计算机代码来仿真
代码运行结果
从数学角度来解答此题
image.png

概率论讲过,概率密度函数是概率分布函数的导数。

image.png
image.png
当遇到的问题束手无策时,可以从这两个角度寻找问题突破口

二十、人生路上的选择如何用数学计算

生活中会遇到的问题
还有其他的会遇到的小问题
是否接受追求者就是一种最优停止问题
最优停止问题举例
最优停止问题的特征
解决最优停止问题的方法也被称为三七法则
用下面代码仿真
截屏2024-01-08 12.45.20.png
截屏2024-01-08 12.47.05.png
仿真代码运行结果
三七法则的实际应用
回到大漂亮所遇到的问题
大漂亮是否接受靠谱哥的两个条件
当然,时间可以调整
职场问题,决定是否跳槽的几个因素
是否跳槽的一个案例
计算得失一
计算晋升机会
截屏2024-01-09 07.51.53.png
截屏2024-01-09 07.52.30.png
截屏2024-01-09 07.52.48.png
截屏2024-01-09 07.53.05.png
截屏2024-01-09 07.53.44.png
截屏2024-01-09 07.53.57.png
截屏2024-01-09 07.55.26.png
截屏2024-01-09 07.55.50.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342

推荐阅读更多精彩内容