一、买卖股票的最佳时机含冷冻期 1.1题目 给定一个整数数组prices，其中第 prices[i] 表示第 i 天的股票价格。 设计一个算法计算出最大利润。在满足以下约束条件下，你可以尽可能地完成更多的交易（多次买卖一支股票）:卖出股票后，你无法在第二天买入股票(即冷冻期为1天)。 注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。示例1:输入:prices=[1,2,3,0,2]输出:3解释:对应的交易状态为:[买入,卖出,冷冻期,买入,卖出]示例2:输入:prices=[1]输出:0提示：10 1
一、最长递增子序列 1.1题目 给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。 子序列 是由数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。 示例1：输入：nums=[10,9,2,5,3,7,101,18]输出：4解释：最长递增子序列是[2,3,7,101]，因此长度为4。示例2：输入：nums=[0,1,0,3,2,3]输出：4示例3：输入：nums=[7,7,7,7,7,7,7]输出：1提示：1-10^4进阶：你能将算法的时间复杂
一、买卖股票的最佳时机（只能买卖一次） 1.1题目 给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。 你只能选择 某一天 买入这只股票，并选择在 未来的某一个不同的日子 卖出该股票。设计一个算法来计算你所能获取的最大利润。 返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。示例1：输入：[7,1,5,3,6,4]输出：5解释：在第2天（股票价格=1）的时候买入，在第5天（股票价格=6）的时候卖出，最大利润=6-1=5。注意利润不能是7-1=6,因为卖出价格需要
一、买卖股票的最佳时机III（至多能买卖2次） 1.1题目 给定一个数组，它的第 i 个元素是一支给定的股票在第 i 天的价格。 设计一个算法来计算你所能获取的最大利润。你最多可以完成 两笔 交易。 注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。示例 1:输入：prices=[3,3,5,0,0,3,1,4]输出：6解释：在第4天（股票价格=0）的时候买入，在第6天（股票价格=3）的时候卖出，这笔交易所能获得利润=3-0=3。 随后，在第7天（股票价格=1）的时候买入，在第8天（股票价格=4）的时候卖出，这笔交易所能
一、两个字符串的删除操作 1.1题目 给定两个单词 word1 和 word2 ，返回使得 word1 和 word2 相同所需的最小步数。 每步 可以删除任意一个字符串中的一个字符。示例1：输入:word1="sea",word2="eat"输出:2解释:第一步将"sea"变为"ea"，第二步将"eat"变为"ea"示例 2:输入：word1="leetcode",word2="etco"输出：4提示：1word1 和 word2 只包含小写英文字母 1.2题目链接 583.两个字符串的删除操作 1.3解题过程和过
一、完全背包问题与其解法 1.1完全背包问题 假设有一个可装载重量为W的背包，以及一组物品，每种物品都有一个重量和一个价值。要求在不超过背包容量的前提下，选择一些物品放入背包中，使得背包中物品的总价值最大化。 与0-1背包问题不同的是，完全背包问题允许同一种物品可以选择多次放入背包中。也就是说，对于每一种物品，可以选择将它放入背包中0次、1次、2次......直到放满为止。 1.2完全背包问题与0-1背包问题解法区别 完全背包问题与0-1背包问题的解法大致类似，但因其二者的特性差别，导致有部分差别。 1.2.1遍历背包
文储研习社是文储区块链技术人员自发组织的学习交流社区，旨在于追踪区块链时下最新热点，解码热点蕴含的未知领域，享受思想交流的碰撞，欢迎志同道合的小伙伴加入我们，共同学习与成长。第05期：区块链核心科技——非对称加密作者：小范非对称式密码学，是区块链必不可少的技术。在区块链上，进行任何操作时都需要用到——签名、转账、交互合约等等，但这些技术并不是伴随着区块链诞生的。早在1974，该技术就曾被提出。而在1976年，惠特菲尔德·迪菲（WhitfieldDiffie）与马丁·赫尔曼（MartinHellman）两位学者以单向函数与单向暗门函数为基础，为发讯与收讯的两方创建密钥。由此非对称加密技术开始被使
目录 1.从感知机到神经网络2.深度神经网络（DNN）的基本结构3.深度神经网络前向传播算法的原理4.深度神经网络的前向传播算法5.深度神经网络反向传播算法要解决的问题6.深度神经网络反向传播算法的基本思路7.深度神经网络反向传播算法过程8.均方差损失函数+sigmoid激活函数的问题9.改变损失函数和激活函数1.从感知机到神经网络上图是一个感知机模型，有若干个输入和一个输出（输出的结果只可以是1或-1）输入和输出有一个线性关系：神经元激活函数：（二分类） 由于这个简单的感知机只可以进行二分类，则对于感知机进行升级，升级如下：1）加入隐藏层，从而增加模型的表达能力，同时也增加了模型的复
目录 1.从感知机到神经网络2.深度神经网络（DNN）的基本结构3.深度神经网络前向传播算法的原理4.深度神经网络的前向传播算法5.深度神经网络反向传播算法要解决的问题6.深度神经网络反向传播算法的基本思路7.深度神经网络反向传播算法过程8.均方差损失函数+sigmoid激活函数的问题9.改变损失函数和激活函数1.从感知机到神经网络上图是一个感知机模型，有若干个输入和一个输出（输出的结果只可以是1或-1）输入和输出有一个线性关系：神经元激活函数：（二分类） 由于这个简单的感知机只可以进行二分类，则对于感知机进行升级，升级如下：1）加入隐藏层，从而增加模型的表达能力，同时也增加了模型的复
你好，我是Bingo。身在科技行业，我们可以随口说出许多岗位，比如可以划分为：技术/研发类、产品类、设计类、运营类、市场类、战略/投资类、职能及其他类。每个分类就可以衍生出无数岗位，培训机构可以细化分类，并开展标准化的职业培训。回到区块链行业，这是一个新世界，具有新世界的典型特点：雏形原始、光怪陆离、千奇百怪、争议不断，更重要的是缺乏人才。有人说，时尚是一个轮回。身在科技行业，也是如此，传统科技行业现已衍生出无数岗位，而区块链仿佛又将要重新要走一遍互联网的道路。身在科技发展的进程中，如何搭上“顺风车”走上快车道是需要思考与探索的。区块链培训与传统职业化培训相比，就是一个“巨大且分散的非标准化的
