面试题12. 矩阵中的路径
请设计一个函数，用来判断在一个矩阵中是否存在一条包含某字符串所有字符的路径。路径可以从矩阵中的任意一格开始，每一步可以在矩阵中向左、右、上、下移动一格。如果一条路径经过了矩阵的某一格，那么该路径不能再次进入该格子。例如，在下面的3×4的矩阵中包含一条字符串“bfce”的路径（路径中的字母用加粗标出） ...
面试题10- I. 斐波那契数列
题目描述写一个函数，输入 n ，求斐波那契（Fibonacci）数列的第 n 项。斐波那契数列的定义如下：
F(0) = 0, F(1) = 1F(N) = F(N - 1) + F(N - 2), 其中 N > 1.斐波那契数列由 0 和 1 开始，之后的斐波那契数就是由之前的两数相加而 ...
EPAN: Effective parts attention network for scene text recognition论文阅读
动机目前的方法中，都会将图像转化为高度为1的高级特征向量，这样的矢量可能包含不必要的噪声，文章提出了有效的零件注意力网络（EPAN)，用于
论文方法
编码部分使用了CNN（Resnet),每一行进行编码，最后合并为一行
解码部分glimpse attention其中 e表示attention的分数。 ...
Image-to-Markup Generation with Coarse-to-Fine Attention论文阅读
动机公式具有结构信息，与一般的OCR识别不同。但是与Image caption问题类似。因此本文作者借鉴了论文[1]的内容同时增加了一个行encoder
论文方法encoder部分使用VGG网络得到特征向量$\hat V$,得到的特征向量$\hat V$经过每一行encoder。也就是将卷积神经网络 ...
面试题09. 用两个栈实现队列
题目描述用两个栈实现一个队列。队列的声明如下，请实现它的两个函数 appendTail 和 deleteHead ，分别完成在队列尾部插入整数和在队列头部删除整数的功能。(若队列中没有元素，deleteHead 操作返回 -1 )
示例 1：
输入：[“CQueue”,”appendTail”,”d ...
动态规划
原文地址. 动态规划问题的一般形式就是求最值。动态规划其实是运筹学的一种最优化方法，只不过在计算机问题上应用比较多，比如说让你求最长递增子序列呀，最小编辑距离呀等等。
既然是要求最值，核心问题是什么呢？求解动态规划的核心问题是穷举。因为要求最值，肯定要把所有可行的答案穷举出来，然后在其中找最值呗。
...
面试题 59 - II. 队列的最大值
题目描述请定义一个队列并实现函数 max_value 得到队列里的最大值，要求函数max_value、push_back 和 pop_front 的均摊时间复杂度都是O(1)。
若队列为空，pop_front 和 max_value 需要返回 -1
示例 1：
输入:[“MaxQueue”,”pus ...
面试题 -- 数组中重复的数字
题目描述找出数组中重复的数字。
在一个长度为 n 的数组 nums 里的所有数字都在 0～n-1 的范围内。数组中某些数字是重复的，但不知道有几个数字重复了，也不知道每个数字重复了几次。请找出数组中任意一个重复的数字。
示例 1：
输入：[2, 3, 1, 0, 2, 5, 3]输出：2 或 3
...
面试题57 和为s的连续正数序列
题目描述输入一个正整数 target ，输出所有和为 target 的连续正整数序列（至少含有两个数）。
序列内的数字由小到大排列，不同序列按照首个数字从小到大排列。
示例 1：
输入：target = 9输出：[[2,3,4],[4,5]]示例 2：
输入：target = 15输出：[[1,2, ...
损失函数
均方误差在线性回归问题中，常常使用MSE（Mean Squared Error）即均方误差作为loss函数，比如：
loss = \frac{1}{2m}\sum_{i=1}^m(y_i-\hat{y_i})^2这里的m表示m个样本的，loss为m个样本的loss均值。MSE在线性回归问题中比较好 ...
