https://leetcode-cn.com/problems/maximum-subarray/
题目
给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
leetcode 35. 搜索插入位置
https://leetcode-cn.com/problems/search-insert-position/
题目
给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。
请必须使用时间复杂度为 O(log n) 的算法。
leetcode 27. 移除元素
https://leetcode-cn.com/problems/remove-element/
题目
给你一个数组 nums 和一个值 val，你需要 原地 移除所有数值等于 val 的元素，并返回移除后数组的新长度。
不要使用额外的数组空间，你必须仅使用 O(1) 额外空间并 原地 修改输入数组。
元素的顺序可以改变。你不需要考虑数组中超出新长度后面的元素。
leetcode 26. 删除有序数组中的重复项
https://leetcode-cn.com/problems/remove-duplicates-from-sorted-array/
题目
给你一个有序数组 nums ，请你 原地 删除重复出现的元素，使每个元素 只出现一次 ，返回删除后数组的新长度。
不要使用额外的数组空间，你必须在 原地 修改输入数组 并在使用 O(1) 额外空间的条件下完成。
leetcode 1. 两数之和
https://leetcode-cn.com/problems/two-sum/
题目
给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。
你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。
你可以按任意顺序返回答案。
廖雪峰js学习笔记：基础
web前端学习路线
DL笔记1：Linear Regression
参考资料：
感知器
线性单元
李宏毅2020:Regression
李宏毅2020:Regression-文字版
感知器
感知器，激活函数是阶跃函数，和神经元的本质上一样，只是激活函数不同
上世纪提出的感知器的概念，现在
模型
- 输入
- 特征向量 $x=(x_1,x_2,…x_n)$
- 权值 $w=(w_1,w_2,…,w_n)$
- 偏置项 $b$
- 激活函数
- $f(z)=\left{\begin{array}{lr}
1 & z>0 \
0 & \text { otherwise }
\end{array}\right.$
- $f(z)=\left{\begin{array}{lr}
- 输出
- $y=f(wx+b)$
二分类问题
感知器模型可以用于解决二分类问题：对给定输入，输出0或1
例 感知器实现布尔运算
输入: $x=(x_1, x_2)$
输出: $y=f(w·x+b)$
激励函数: 阶跃函数 实现二分类
and 与运算
$w 1=0.5, \quad w 2=0.5, \quad b=-0.8$
$f(z)=\left{\begin{array}{l}1 & z>0 \ 0 & \text { otherwise }\end{array}\right.$or 或运算
$w 1=0.5, \quad w 2=0.5, \quad b=-0.3$
$f(z)=\left{\begin{array}{l}1 & z>0 \ 0 & \text { otherwise }\end{array}\right.$
上述例子是线性可分的问题
如图 and 用线性函数可以把true和false分开
训练
优化目标：使损失最小的输入权值w和偏置项b
感知器训练算法
- 初始化
$w$和$b$初始化为0 - 迭代
$\begin{aligned} &w_{i} & \leftarrow &\quad w_{i}+\Delta w_{i} \ &b & \leftarrow &\quad b+\Delta b \end{aligned}$
其中
$\begin{aligned} &\Delta w_{i} & =&\quad \eta (t-y)x_i \ &\Delta b & =&\quad \eta (t-y) \end{aligned}$
| 数学表达 | 含义 |
|---|---|
| $y$ | 感知器的输出值 |
| $t$ | target/label，训练样本的真实值 |
| $\eta $ | 学习速率 |