ILUO

Do not go gentle into that good night


  • Home

  • About

  • Tags

  • Archives

  • Sitemap

  • Search

显式锁ReentranLock的可中断锁获取操作

Posted on 2020-03-22 | Views:

显式锁

显式锁,即Java接口Lock,ReentranLock是其中的一个实现,与synchronized一样具有可重入的特性,同时具有可以自定义公平性,可轮询,可定时,可中断的高级特性。是Java 5.0之后引入用于调节共享对象访问的机制。Java 6.0之后,synchronized做了很多优化,其性能和显示锁差异不大,因此在使用时,只有用到显示锁的高级特性才使用显示锁,特别是因为显示锁需要手动释放,所以具有一定的隐患。下面对显示锁可响应中断的高级特性进行测试。

Read more »

01背包中的常数优化

Posted on 2020-02-24 | Edited on 2020-03-22 | Views:

01背包中的常数优化

基础01背包

最基础的01背包问题:一个背包的容量为V,现有N个物品,每个物品都具有一个体积$C_i$和重量$W_i$,把这些物品装入背包,求背包能下物品的最大重量。

Read more »

Java线程池

Posted on 2019-12-25 | Views:

Java线程池

说说进程和线程

进程的引入

多道程序设计允许多个程序进入内存运行,提高CPU利用率和效率,为了区分进入内存的不同程序,引入了“进程”概念。

进程是具有独立功能的程序关于某个数据集合上的一次运行活动。是系统进行资源分配和调度(不支持线程机制时)的独立单位,每个进程分配了独立的地址空间。

线程的引入

进程切换开销大,且进程内部需要并行实现不同功能,如浏览器进程需要在播放视频时下载文件,由于线程间切换通信更快,无需经过内核(因为进程内共享内存和文件),因此引入线程,作为调度的基本单位。

在windows中,线程作为分配CPU的基本单位,如果线程数不大于CPU核数,任务并行运行,大于CPU核数时,任务并发运行。

Read more »

代理模式

Posted on 2019-11-11 | Views:

代理模式

情景引入

比基尼海滩的蟹老板开了家蟹王堡,最开始的时候,材料采购、蟹王堡制作、确认订单、收款都是他一人完成的,随着生意越来越好,他招聘了海绵宝宝做材料采购和厨师,让章鱼哥下单同时兼任财务。为了方便管理,找派大星(bushi)做了一套餐厅的管理系统,在这个系统里面,海绵宝宝需要记录自己采购原材料的一些细节,比如买了什么食材,单价是什么,章鱼哥需要给员工发工资,并把采购相关细节,这样蟹老板一个人时要做的工作分别代理给了海绵宝宝和章鱼哥。这就是代理。

Read more »

MLDS18(2) Optimization

Posted on 2018-10-20 | Views:

这是李宏毅老师2018年春季深度学习课程的第二章,主要讲了神经网络的损失函数是非凸的,但是我们仍然有办法去达到local minima,但是如何达到global minima,还有待探索。

Read more »

MLDS18(1) Why Deep Network?

Posted on 2018-10-14 | Edited on 2018-10-20 | Views:

人道渺渺 仙道莽莽 鬼道乐兮

当人生门 仙道贵生 鬼道贵终

仙道常自吉 鬼道常自凶

高上清灵美 悲歌朗太空

唯愿仙道成 不欲人道穷

                                                                                                                                                                     -《度人经》

Read more »

CS229 主成分分析(Principal components analysis)

Posted on 2018-09-29 | Edited on 2018-10-01 | Views:

今天是校庆,学校难得开灯,放一张图书馆的照片。

Read more »

CS229 因子分析(Factor Analysis)

Posted on 2018-09-24 | Views:

CS229 因子分析(Factor Analysis)

因子分析的本质是一种降维算法,即现有特征向量是由维度更小的因子经过映射得到的。当原有特征维度过高,甚至超过了样本数目,这时要运用高斯模型来建模是不可行的,因为特征的协方差矩阵是奇异的,所以可以利用因子分析对数据进行降维,即将隐变量(因子)和观测到的样本的联合分布进行建模,得到样本的边缘分布,由于直接求解边缘分布的最大似然估计没有封闭解(参数是因子到样本的映射中涉及到的系数),所以运用EM算法得到一个关于因子到样本映射的参数的解,得到映射的参数后,就可以将所有样本还原为维度更小的因子了。

Read more »

EM算法

Posted on 2018-09-15 | Views:

Jensen’s inequality

这一部分引入了Jensen不等式来导出EM算法,利用jensen不等式取等号的条件构造似然函数的下界,并且可以证明EM算法是可以收敛的。最后一部分将算法代入高斯混合模型求解。

Read more »

混合高斯模型与EM算法

Posted on 2018-09-13 | Views:

Mixtures of Gaussians

这一部分引入了高斯混合模型和EM算法的定义,但是没有进一步证明EM算法的导出。

Read more »
12…4
ILUO

ILUO

唯有春风最相惜 一年一度一归来

32 posts
17 tags
GitHub weibo zhihu bilibili
Links
  • linbinyoung
© 2018 – 2021 ILUO
Powered by Hexo v3.4.1
|
Theme – NexT.Gemini v6.4.1