单目标优化：蜣螂优化算法（Dung beetle optimizer，DBO）
蜣螂优化算法（Dung beetle optimizer，DBO）由Jiankai Xue和Bo Shen于2022年提出，该算法主要受蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为的启发所得。
Python组合列表中多个整数得到最小整数（一个算法的巧妙实现）
'''程序功能： 给定一个含有多个整数的列表，将这些整数任意组合和连接， 返回能得到的最小值。 代码思路： 将这些整数变为相同长度（按最大的进行统一...
【编译原理】第三章部分课后题答案
为习题3.3的文法构造SLR分析表为下面文法构造规范LR(1)分析表，画出像图3.20这样的状态转换图就可以上述状态转换图有同心项目集吗？若有，合并同心项目集后是否会出现动作冲突为句子abab构造两个不同的最左推导，以此说明该文法是二义的下面的二义文法描述命题演算公式，为它写一个等价的非二义性文法构
前端笔试常考设计模式，操作系统，数据结构，ACM模板，经典算法，正则表达式，常用方法
考试时允许使用草稿纸，请提前准备纸笔。考试过程中允许上厕所等短暂离开，但请控制离开时间笔试得分60%一般通过，面试答对80%才能通过。
深度强化学习（DRL）简介与常见算法（DQN，DDPG，PPO，TRPO，SAC）分类
简单介绍深度强化学习的基本概念，常见算法、流程及其分类（持续更新中），方便大家更好的理解、应用强化学习算法，更好地解决各自领域面临的前沿问题。欢迎大家留言讨论，共同进步。
智能算法系列之遗传算法
本篇是[智能算法(Python复现)]专栏的第一篇文章，主要介绍遗传算法`(Genetic Algorithm, GA)`的思想，`python`实现及相关应用场景模拟。
AI面题 | 谈谈目标检测中两阶段和单阶段方法的特点和区别
大家好，我是起床敲代码，本期给大家带来一道深度学习领域的面题：目标检测中两阶段和单阶段方法的特点和区别。
终于有人把分布式机器学习讲明白了
导读：分布式机器学习与联邦学习。作者：薄列峰黄恒 顾松庠 陈彦卿 等来源：大数据DT（ID：hzdashuju）分布式机器学习也称分布式学习，是指利用多个计算节点（也称工作节点，Worker）进行机器学习或者深度学习的算法和系统，旨在提高性能、保护隐私，并可扩展至更大规模的训练数据和更大的模型。联邦
Apollo星火计划学习笔记——Apollo开放空间规划算法原理与实践
1. 开放空间规划算法总体介绍1.1 Task: OPEN_SPACE_ROI_DECIDER1.2 Task: OPEN_SPACE_TRAJECTORY_PROVIDER1.3 Task: OPEN_SPACE_TRAJECTORY_PARTITION1.4 Task: OPEN_SPACE_F
隐私计算从AI到BI：隐语SCQL数据分析引擎上线
计算引擎会先将DB的数据读出并进行计算，图中右下是SCQL计算引擎的架构，其中包含很多算子实现，也是明密文的混合，明文计算直接使用Arrow进行计算，密文使用隐语已经开源的SPU，如果大家对隐语有了解，就知道两个密态计算引擎完成这个计算。第二，还是与SQL的交互式相关，每一个都需要多方审核，用户的操
性能优化必备——火焰图
火焰图，因其形似火焰而得名。它由各种大小/颜色的方块组成，每个方块内部还标识了文字，整个图片顶部凹凸不平，形似一簇簇“火苗”，因此得名火焰图。火焰图是 SVG 生成，因此可以与用户互动，鼠标悬浮在某个方块时，会详细展示内部文字。点击后，即会以当前被点击方块为底向上展开。特征使用火焰图分析之前，我们得
机器学习强基计划8-2：详细推导多维缩放MDS算法(附Python实现)
多维缩放算法MDS是经典的线性降维技术，其限制样本经过降维映射得到的低维空间中的欧式距离，等价于原始空间。本文详细推导MDS算法，并给出Python实现加深理解
异常检测算法分类总结（含常用开源数据集）
异常检测是识别与正常数据不同的数据，与预期行为差异大的数据。本文详细介绍了异常检测的应用领域以及总结梳理了异常检测的算法模型分类。文章最后更是介绍了常用的异常算法数据集。
Python典型案例——温度转换
温度的刻画有两个不同体系：摄氏度（Celsius）和华氏度（Fahrenheit）。
抽烟行为识别预警系统 yolov5
抽烟行为识别预警系统基于yolov5网络模型智能分析技术，抽烟行为识别预警算法通过监测现场人员抽烟行为自动存档进行报警提示。我们选择当下YOLO卷积神经网络YOLOv5来进行抽烟识别检测。6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。而且这一次的YOLO
LOAM、Lego-liom、Lio-sam轨迹保存，与Kitti数据集真值进行评估
LOAM、Lego-liom、Lio-sam轨迹保存，与Kitti数据集真值进行评估
一文速学-XGBoost模型算法原理以及实现+Python项目实战
集成模型Boosting补完计划第三期了，之前我们已经详细描述了AdaBoost算法模型和GBDT原理以及实践。通过这两类算法就可以明白Boosting算法的核心思想以及基本的运行计算框架，余下几种Boosting算法都是在前者的算法之上改良得到，尤其是以GBDT算法为基础改进衍生出的三种Boost
【1】从零开始学习目标检测：YOLO算法详解
目标检测目标检测的目标是在图像或视频中检测出目标的位置和边界框，
四种确定K-means最佳聚类个数的方法（K-means++）——附代码
k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。其中，ai是第i个点到与i相同聚类中其他点的平
