• 09 HashTable与HashMap

    HashMap:基本概念HashMap是Java集合框架中基于哈希表(Hash Table)实现的键值对(Key-Value)存储结构。它允许存储null值和null键,并且不保证元素的顺序。HashMap是非线程安全的,如果需要线程安全的操作,可以使用ConcurrentHashMap`或者通过Collections工具类将其包装为线程安全的版本。​ 主要特点​ 快速访问...
  • 08 哈希表

    哈希表详解1. 引言哈希表(Hash Table)是一种常用于快速查找的数据结构,它通过哈希函数将键映射到数组的特定位置,以实现快速的插入、删除和查找操作。 2. 哈希表原理哈希表的原理基于哈希函数,这是一种能够将任意大小的数据映射到固定大小范围的函数。哈希表由一个数组和一个哈希函数组成。当插入一个键值对时,哈希函数计算键的哈希值,然后将该值映射到数组的特定位置。在查找时,哈希表再次使用哈希...
  • 07 查找

    常用搜索算法详解1. 顺序(线性)搜索顺序搜索是一种简单直观的搜索算法,它按顺序逐个检查数组中的元素,直到找到目标元素或遍历整个数组。其时间复杂度为O(n),适用于小型数据集。 12345def sequential_search(arr, target): for i in range(len(arr)): if arr[i] == target: ...
  • 06.3 插入排序

    插入排序详解1. 引言插入排序是一种简单而有效的排序算法,其核心思想是逐步构建有序序列。在每一轮遍历中,将未排序部分的元素逐个插入已排序部分的合适位置。 2. 插入排序原理 [!NOTE] 插入排序的基本思路是将一个元素插入已经有序的部分,通过不断地扩大已排序部分的范围,最终完成整个数组的排序。 3. 插入排序步骤插入排序的具体步骤如下: [!TIP] 从第二个元素开始,将其与已排序...
  • 06.2 选择排序

    选择排序详解1. 引言选择排序是一种简单直观的排序算法,其核心思想是通过多次遍历数组,在每轮遍历中选择未排序部分的最小元素并将其放置到已排序部分的末尾。 2. 选择排序原理选择排序的基本思路是通过不断选择最小的元素,逐步构建有序序列。在每一轮遍历中,找到未排序部分的最小元素,并与未排序部分的第一个元素交换位置,将其纳入已排序的部分。 3. 选择排序步骤选择排序的具体步骤如下: 在未排序部分...
  • 06.1 冒泡排序

    冒泡排序详解1. 引言冒泡排序是一种简单直观的排序算法,其基本思想是通过多次遍历数组,比较相邻元素并交换,使得每一轮遍历后最大的元素都位于数组末尾。 2. 冒泡排序原理冒泡排序的核心思想是相邻元素两两比较,将较大的元素逐步交换到右侧,通过多轮遍历实现整体排序。 3. 冒泡排序步骤冒泡排序的具体步骤如下: 从第一个元素开始,依次比较相邻元素。 如果前一个元素大于后一个元素,则交换它们的位置。...
  • 06.0 排序算法概述与时间复杂度

    排序算法概述1. 引言在计算机科学领域,排序是一项基础而重要的任务。排序算法用于将一组数据按照一定顺序排列,以提高后续操作的效率。排序算法分为内部排序和外部排序,同时在选择排序算法时需要考虑时间复杂度和空间复杂度。 2. 内部排序与外部排序 2.1 内部排序内部排序是指所有排序操作都在内存中完成的过程。常见的内部排序算法有冒泡排序、选择排序、插入排序、归并排序和快速排序等。这些算法适用于数据...
  • 05. 递归

    递归:无尽的迭代之美在计算机科学中,递归是一种强大的编程技术,它通过将问题拆分成更小的、相似的子问题来解决复杂的任务。 1. 什么是递归?1.1 基本概念递归是一种通过调用自身来解决问题的方法。在递归过程中,问题会被分解为规模较小、结构相似的子问题,直到达到某个基本条件,然后逐层返回结果,最终得到原始问题的解。 1.2 递归 vs. 迭代递归与迭代(循环)是解决问题的两种不同方式。递归通常更...
  • 使用常识知识图和神经模型构建强大且可解释的人工智能

    Chapter9:Building Robust and Explainable AI with Commonsense Knowledge Graphs and Neural Models总览 常识推理的背景和挑战:作者回顾了早期的基于逻辑和知识库的常识推理方法,以及近年来的基于神经模型的方法,指出了它们的优缺点和局限性,提出了构建健壮和可解释的常识推理系统的开放挑战。 常识知识图谱的组织...
  • 神经符号与人工智能

    摘要“Compendium of Neurosymbolic Artificial Intelligence”探讨如何将符号推理和神经或连接主义方法(例如深度学习)结合起来的各种方法。这本书包含30篇邀请论文,它们探索了定义和开发成功系统以结合这两种方法的不同途径。每种策略都有明显的优势和劣势,大多数的目标是在符号系统的严格透明性和灵活但高度不透明的神经应用之间找到一些有用的中间地带。这些论...
18910111219