企业官网建设流程全解析

今日总结

• java随笔录——什么是聚簇索引，什么是非聚簇索引？什么是覆盖索引？
• AI随探录——NLP中RNN到Attention机制的演进
• 代码随想录——n皇后，贪心算法—分发饼干

目录

今日总结

详细内容

java随笔录

1、什么是聚簇索引，什么是非聚簇索引？

2、什么是覆盖索引？

AI随探录

NLP中RNN到Attention机制的演进

代码随想录

回溯算法—n皇后

贪心算法——分发饼干

详细内容

java随笔录

AI随探录

NLP中RNN到Attention机制的演进

1、循环神经网络RNN

​​​​​​​ ​​​​​​​

通过隐藏状态传递历史信息，(h_t = tanh(W_{ih} * x_t + W_{hh} * h_{t-1} + b_h))，其中(h_{t-1})是上一时刻的隐藏状态，负责传递历史信息；tanh是激活函数，限制输出范围（-1~1）。仅通过一个循环单元实现时序依赖建模。

但是对于早期时刻的信息难以捕捉，会造成梯度消失或梯度爆炸问题。

通过隐藏状态传递历史信息，(h_t = tanh(W_{ih} * x_t + W_{hh} * h_{t-1} + b_h))，其中(h_{t-1})是上一时刻的隐藏状态，负责传递历史信息；tanh是激活函数，限制输出范围（-1~1）。仅通过一个循环单元实现时序依赖建模。

但是对于早期时刻的信息难以捕捉，会造成梯度消失或梯度爆炸问题。

2、长短期记忆网络（LSTM）

针对 RNN 的 “梯度消失” 和 “长记忆缺失” 问题，提出结构化记忆单元，通过三大门控机制（遗忘门、输入门、输出门）精确控制信息的存储更新遗忘。解决了长依赖问题，但是参数数量暴增，训练成本变高，结构变得很复杂。

3、门控循环单元（GRU）

在 LSTM 的基础上简化结构，保留核心门控逻辑，同时减少参数和计算量，将遗忘门和输入门合并为更新门，用重置门替代输出门。

4、Seq2Seq（Encoder-Decoder）模型

编码器主要由一个循环神经网络（RNN/LSTM/GRU）构成，其任务是将输入序列的语义信息提取并压缩为一个上下文向量。

在模型处理输入序列时，循环神经网络会依次接收每个token的输入，并在每个时间步步更新隐藏状态。每个隐藏状态都携带了截止到当前位置为止的信息。随着序列推进，信息不断累积，最终会在最后一个时间步形成一个包含整句信息的隐藏状态。

这个最后的隐藏状态就会作为上下文向量（context vector），传递给解码器，用于指导后续的序列生成。

解码器主要也由一个循环神经网络（RNN / LSTM / GRU）构成，其任务是基于编码器传递的上下文向量，逐步生成目标序列。

在生成开始时，循环神经网络以上下文向量作为初始隐藏状态，并接收一个特殊的起始标记 <sos>（start of sentence）作为第一个时间步的输入，用于预测第一个 token。

随后，在每一个时间步，模型都会根据前一时刻的隐藏状态和上一步生成的 token，预测当前的输出。这种“将前一步的输出作为下一步输入”的方式被称为自回归生成（Autoregressive Generation），它确保了生成结果的连贯性。

生成过程会持续进行，直到模型生成了一个特殊的结束标记 <eos>（end of sentence），表示句子生成完成。

说明：起始标记和结束标记会在训练数据中显式添加，模型会在训练中学会何时开始、如何续写，以及何时结束，从而掌握完整的生成流程。

5、Attention 机制

传统的 Seq2Seq 模型中，编码器在处理源句时，无论其长度如何，最终都只能将整句信息压缩为一个固定长度的上下文向量，用作解码器的唯一参考。这种设计存在两个显著问题：

• 信息压缩困难：固定向量难以完整表达长句或复杂语义，容易丢失关键信息；
• 缺乏动态感知：解码器在每一步生成中都只能依赖同一个上下文向量，难以根据不同位置的生成需要灵活提取信息。

为了解决上述问题，研究者引入了 Attention 机制。其核心思想是：

解码器在生成目标序列的每一步时，不再依赖于一个静态的上下文向量，而是根据当前的解码状态，动态地从编码器各时间步的隐藏状态中选取最相关的信息，以辅助当前步的生成。

代码随想录

回溯算法—n皇后

按照国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。

n 皇后问题研究的是如何将n个皇后放置在n×n的棋盘上，并且使皇后彼此之间不能相互攻击。

给你一个整数n，返回所有不同的n皇后问题的解决方案。

每一种解法包含一个不同的n 皇后问题的棋子放置方案，该方案中'Q'和'.'分别代表了皇后和空位。

示例 1：

输入：n = 4输出：[[".Q..","...Q","Q...","..Q."],["..Q.","Q...","...Q",".Q.."]]解释：如上图所示，4 皇后问题存在两个不同的解法。

示例 2：

输入：n = 1输出：[["Q"]]

class Solution { List<List<String>> result = new ArrayList<>(); private void back(int n, int row,char[][] chessboard) { if(row == n) { result.add(ArraytoList(chessboard)); return; } for(int i = 0; i < n; i++) { if(isValue(row,i,n,chessboard)) { chessboard[row][i] = 'Q'; back(n,row + 1, chessboard); chessboard[row][i] = '.'; } } } public List ArraytoList(char[][] chessboard) { List<String> list = new ArrayList<>(); for (char[] c : chessboard) { list.add(String.copyValueOf(c)); } return list; } public boolean isValue(int row,int col, int n, char[][] chessboard ) { for (int i=0; i<row; ++i) { if (chessboard[i][col] == 'Q') { return false; } } for (int i=row-1, j=col-1; i>=0 && j>=0; i--, j--) { if (chessboard[i][j] == 'Q') { return false; } } for (int i=row-1, j=col+1; i>=0 && j<=n-1; i--, j++) { if (chessboard[i][j] == 'Q') { return false; } } return true; } public List<List<String>> solveNQueens(int n) { char[][] chessboard = new char[n][n]; for (char[] c : chessboard) { Arrays.fill(c, '.'); } back(n, 0, chessboard); return result; } }

贪心算法——分发饼干

假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。

对每个孩子i，都有一个胃口值g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干j，都有一个尺寸s[j]。如果s[j] >= g[i]，我们可以将这个饼干j分配给孩子i，这个孩子会得到满足。你的目标是满足尽可能多的孩子，并输出这个最大数值。

示例 1:

输入:g = [1,2,3], s = [1,1]输出:1解释:你有三个孩子和两块小饼干，3 个孩子的胃口值分别是：1,2,3。 虽然你有两块小饼干，由于他们的尺寸都是 1，你只能让胃口值是 1 的孩子满足。 所以你应该输出 1。

示例 2:

输入:g = [1,2], s = [1,2,3]输出:2解释:你有两个孩子和三块小饼干，2 个孩子的胃口值分别是 1,2。 你拥有的饼干数量和尺寸都足以让所有孩子满足。 所以你应该输出 2。

class Solution { public int findContentChildren(int[] g, int[] s) { reverse(g); reverse(s); int sum = 0; for(int i = 0, j = 0; i < g.length && j < s.length;) { if(s[j] >= g[i]) { j++; sum++; } i++; } return sum; } void reverse(int[] arr) { Arrays.sort(arr); for (int i = 0; i < arr.length / 2; i++) { int temp = arr[i]; arr[i] = arr[arr.length - 1 - i]; arr[arr.length - 1 - i] = temp; } } }