归档
时光荏苒，文字留痕
共 49 篇文章
图论 Tarjan 算法
一、Tarjan 在解决什么问题 1.1 问题背景 从图的连通性切入： 在一个无向连通图中： 删除某个顶点后，图可能不再连通； 删除某条边后，图也可能不再连通。 这些关键顶点和关键边分别称为： 割点 割边，也叫桥
HD-KT：通过异常学习交互检测提升知识追踪鲁棒性
1. 前言 1.1 知识追踪在做什么 知识追踪根据学生的历史学习交互，动态建模学生的知识状态，并预测学生下一次回答某道题的正确概率。 一般将学生 ii 的历史交互序列表示为：
QIKT 论文学习：基于题目中心认知表示的可解释知识追踪
1. 前言 知识追踪（Knowledge Tracing，KT）的目标是根据学生过去的做题记录，估计学生当前的知识状态，并预测学生在下一道题上的作答表现。 传统的深度知识追踪模型通常把知识点作为建模对象。例如，只要两道题关联了相同的知识点，模型就可能把它们视为相似甚至等价的题目。 但在真实教学场景中
DFS 中的搜索顺序
一、文章大纲 1. DFS 搜索顺序是什么？ 先说明 DFS 的本质。 DFS 不是简单地“递归往下走”，而是在一棵隐式的搜索树上进行遍历。 例如排列问题：从 1 ~ n 中选数，组成一个排列 搜索树可以理解为： 第 0 层：还没有选任何数 第 1 层：选择第 1 个位置的数字 第 2 层：选择第
搜索算法进阶：A* 算法详解
一、A* 算法解决什么问题？ A* 是一种 启发式搜索算法。 它常用于解决： 网格地图最短路径 八数码、十五数码问题 状态空间搜索 第 K 短路 迷宫寻路 游戏 AI 路径规划 普通 BFS 或 Dijkstra 搜索时，会比较“盲目”地扩展节点。 而 A* 的核心思想是：
搜索算法专题：双端队列广搜，0-1 BFS
一、引入：为什么需要双端队列广搜？ 在普通 BFS 中，我们通常用一个普通队列 Queue 来维护待扩展的状态。 普通 BFS 适用于： 每走一步的代价都相同，比如每次移动的代价都是 1。 例如在网格中，从起点走到终点，每次上下左右移动都算一步，这种问题可以直接用 BFS 求最短步数。 但是有些题目
双向广搜
一、引入：为什么需要双向广搜？ 1. 从普通 BFS 说起 普通 BFS 常用于求： 无权图中的最短路问题。 比如： 从起点 start 出发，每次扩展一步，直到遇到终点 target。 普通 BFS 的特点是：
搜索算法中的最短路模型：BFS
一、文章定位 这篇文章主要讲解算法竞赛中非常常见的一类模型： 在无权图、网格图、状态图中，求从起点到终点的最短步数。 这里的“最短路”不是 Dijkstra 那种带权最短路，而是 每一步代价相同 的最短路问题。 典型场景包括： 迷宫最短路径 棋盘最少步数 单词变化最少次数 数字状态最少操作次数 多个
从岛屿数量开始理解 Flood Fill：搜索算法中的经典连通块模型
一、什么是Flood Fill？ 1.1 基本概念 Flood Fill，中文通常叫 洪水填充算法，它是一类基于搜索的经典模型。 它的核心思想是： 从某个起点出发，沿着合法方向不断扩展，把与起点连通的所有合法位置都访问一遍。 在算法竞赛中，Flood Fill 经常用于处理； 二维网格中的连通块 岛
动态词向量预训练模型
现在比较流行的词向量学习方法有Word2Vec、GloVe等，并且把这些词向量作为一些下游任务的初始化可以提升模型的性能。但是一个词的向量表示，不应该是一成不变的，而应该根据它所处的“上下文环境”动态生成。 CoVe 在图像识别领域，研究者经常把ImageNet上预训练的CNN用于其他图像识别模型。