-
背包的动态规划算法.rar
背包的动态规划算法.rar-backpack dynamic programming algorithm. Rar
- 2022-08-10 03:17:55下载
- 积分：1
-
本程序实现了卡尔曼滤波器的算法及其在信号处理中的应用
本程序实现了卡尔曼滤波器的算法及其在信号处理中的应用-This procedure achieved a Kalman Filter Algorithm and Its Application in Signal Processing
- 2022-10-29 19:10:04下载
- 积分：1
-
ssd5 机试二
数据结构第二次实验课考试，停车场那个。只有main.cpp。
- 2022-01-23 10:11:12下载
- 积分：1
-
this is great book for learning elecromagnetic simulation using FDTD
this great book for learning elecromagnetic simulation using FDTD-this is great book for learning elecromagnetic simulation using FDTD
- 2022-01-31 10:37:14下载
- 积分：1
-
数据由多项式逼近
该程序从 APPROKSK 文件中读取数据。DAT 和发现多项式的系数数据进行拟合。在最后一步的计算结果表明在图表上。
- 2022-01-31 16:49:16下载
- 积分：1
-
快速傅立叶变换
快速傅立叶变换-Fast Fourier Transform
- 2022-05-30 22:33:52下载
- 积分：1
-
通用GPU计算已经成为越来越受欢迎，因为GPU的多…
通用GPU计算越来越受欢迎了，原因在于GPU具有多个并行计算单元，这是在GPU上进行通用计算的CPP代码-General GPU computing has become increasingly popular because GPU with multiple parallel computing units, which are common in GPU computing on the CPP code
- 2023-03-15 04:30:04下载
- 积分：1
-
该程序是作者编写的程序，实现了图和树中的部分算法。
该程序是作者编写的程序，实现了图和树中的部分算法。-that the procedure was prepared by the author of procedures, a map and part of the tree algorithm.
- 2022-03-05 11:00:37下载
- 积分：1
-
C++ ItemCF
UserCF和ItemCF是协同过滤中最为古老的两种算法，在top-N的推荐上被广泛应用。这两个算法之所以重要，是因为他们使用了两个不同的推荐系统基本假设。UserCF认为一个人会喜欢和他有相同爱好的人喜欢的东西，而ItemCF认为一个人会喜欢和他以前喜欢的东西相似的东西。这两个假设都有其合理性。根据我的测试，用UserCF和ItemCF做出的推荐列表中，只有50%是一样的，还有50%完全不同。但是这两个算法确有相似的精度。所以说，这两个算法是很互补的。我一直认为这两个算法是推荐系统的根本，因为无论我们是用矩阵，还是用概率模型，我们都非常的依赖于前面说的两种假设。如果用户的行为不符合那两种假设，推荐系统就没必要存在了。因此我一直希望能够找出这两种算法的本质区别。他们有相似的精度，但是coverage相差很大，ItemCF coverage很大而UserCF很小。我还测试了很多其他指标，不过要从这些表象的指标差异找出这两个算法的本质区别还是非常困难。不过上周我基本发现了这两个算法推荐机理的本质区别。我们做如下假设。每个用户兴趣爱好都是广泛的，他们可能喜欢好几个领域的东西。不过每个用户肯定也有一个主要的领域，对这个领域会比其他领域更加关心。给定一个用户，假设他喜欢3个领域A,B,C，同时A是他喜欢的主要领域。这个时候我们来看UserCF和ItemCF倾向于做出什么推荐。结果如下，如果用UserCF, 它会将A,B,C三个领域中比较热门的东西推荐给用户。而如果用ItemCF，它会基本上只推荐A领域的东西给用户。因为UserCF只推荐热门的，所以UserCF在推荐长尾上能力不足。而ItemCF只推荐A领域给用户，这样他有限的推荐列表中就可能包含了一定数量的不热门item，所以ItemCF推荐长尾的能力比较强。不过ItemCF的推荐对某一个用户而言，显然多样性不足。但是对整个系统而言，因为不同的用户的主要兴趣点不同，所以系统的coverage会很大。显然上面的两种推荐都有其合理性，但都不是最好的选择，因此他们的精度也会有损失。最好的选择是，如果我们给这个用户推荐30个item，我们既不是每个领域挑选10个最热门的给他，也不是推荐30个A领域的给他，而是比如推荐15个A领域的给他，剩下的15个从B,C中选择。认识到这一
- 2022-03-26 08:57:57下载
- 积分：1
-
复合形法的不等式约束优化。其中的主程序是通用的，只要修改自己的目标函数和约束条件即可。...
复合形法的不等式约束优化。其中的主程序是通用的，只要修改自己的目标函数和约束条件即可。-Complex method of inequality constrained optimization. One of the main program is commonly used, as long as the amendments to its own objective function and constraint conditions.
- 2022-03-25 07:27:58下载
- 积分：1
