- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
记忆化递归（记忆化搜索）
我看了答案还是有些不能完全理解，于是又去b站翻了翻教程基础DP，其中提到记忆化的递归（也称记忆化搜索），相当于结合了dp和递归的优点（这时我又觉得比DP还厉害），然后就准备写写记忆化递归。 ---- 目录 1.记忆化递归的解释与分析 2.记忆化递归的应用 ---- 一、记忆化递归的解释与分析 前面说道它结合了dp和递归的优点，分别是记忆化和逻辑清晰易懂。 记忆化递归则更加”投机取巧“了，它只计算了需要用的值并储存起来，而其它不会用到的值不去计算，最大化地减少了计算。 打个比方，dp就相当于计算了一个方阵上所有的点（无论有没有利用价值），而记忆化递归相当于计算了方阵上有价值的点，因此记忆化递归的运行时间可能比dp还要短。 （注意只是可能，因为斐波那契数列无论是dp还是记忆化递归，都是要把前面的值全部算出来的） ---- 二、记忆化递归的应用 感觉没啥写的,就拿分配宝藏来写shui一写shui吧。题目在这里。
52660编辑于 2022-09-17 - 来自专栏扶墙集
记忆技巧
今天扫了收藏夹里一个TED视频，所以也借此总结一下上半辈子学到的点滴技巧吧~ 关于记忆技巧， 我印象最深的是小时候电视里有个老师在讲如何记忆英语单词，比如同样的词根，只要变换一个字母就可以记住一大批单词这样的技巧 第二个印象，是一个女的演讲者提到的记忆技巧， 她的记忆技巧可以归纳为一个词： “标新立异”， 也就是给每一个你要记忆的事物都打上一个不同寻常的标签，突出强烈的反差感， 比如在脑海里描绘一幅“隔壁老王蹲在一个十米的茅坑里 第三个印象是一个TED演讲者， 他的方法是是图像记忆法， 给每一个词语或者生硬的字面都配合上一幅图， 这种记忆法其实很好的阐述了那句英语谚语："one picture is better than a 第四个印象是某人发明了个记忆宫殿（Memory Palace）这样的记忆技巧或者说术语，总结下来就是上下文关联（Context），将你要记忆的信息放到一个上下文中，这个上下文是任何你熟悉的场景，比如你的房子 关联性，将要记忆的信息通过某种故事线或者物理场景（上下文Context） 串联起来，可以帮助我们批量记忆一组信息，配合强烈反差的故事线更好。
51110发布于 2020-01-13 - 来自专栏AI人工智能
智能体的记忆系统：短期记忆、长期记忆与知识图谱
智能体的记忆系统：短期记忆、长期记忆与知识图谱 嗨，我是IRpickstars！ 总有一行代码，能点亮万千星辰。 在技术的宇宙中，我愿做永不停歇的探索者。✨ 用代码丈量世界，用算法解码未来。 而具备记忆能力的智能体，能够记录和回忆过去的经验，从而在多轮对话、任务规划和长期交互中表现出更高的连贯性和智能性。智能体的记忆系统主要包括短期记忆、长期记忆和知识图谱三个层次。 记忆系统分类与实现智能体的记忆系统可以根据其功能和实现方式，分为以下几类：1. 短期记忆（STM）短期记忆用于存储当前会话或任务的上下文信息，通常具有较短的生命周期。 自适应记忆管理：系统将能够根据使用频率、重要性等因素自动调整记忆的存储策略，实现更加智能的记忆生命周期管理。 联邦记忆学习：在保护隐私的前提下，多个智能体之间可以共享和学习彼此的记忆，构建分布式的集体智能记忆网络。
41900编辑于 2025-07-14 - 来自专栏运维开发王义杰
刻意训练与记忆强化：竞技记忆与应用记忆的探索之旅
特别是在竞技记忆和应用记忆领域，我们看到了记忆力如何被推向极限，以及如何在日常生活中得到实际应用。本文旨在深入探讨这两个领域，分析其原理，探索它们的实际应用，并讨论如何通过刻意训练提高我们的记忆力。 一、竞技记忆：大脑的极限挑战 竞技记忆，顾名思义，是一种将记忆力竞赛化的活动。参与者需要在短时间内记忆尽可能多的信息，如一副洗乱的扑克牌、长串数字或复杂的图形等。 这不仅是一场对记忆力的挑战，更是对心智控制、专注力和心理素质的全面考验。 竞技记忆的技巧： 联想记忆：通过将抽象信息与熟悉事物关联，形成更容易记忆的图像。 二、应用记忆：日常生活的智慧 与竞技记忆相比，应用记忆更贴近日常生活，它关注如何将记忆技巧应用于学习、工作和生活中。 竞技记忆强调技巧和速度，而应用记忆强调实用性和长期记忆。两者之间的技巧和策略有交集，也有各自的特点。
29910编辑于 2024-01-04 - 来自专栏机器学习入门与实战
⻓短期记忆LSTM
候选记忆细胞 4. 记忆细胞 5. 隐藏状态 6. LSTM与GRU的区别 7. LSTM可以使用别的激活函数吗？ 8. 代码实现 9. 参考文献 1. 这篇将介绍另⼀种常⽤的⻔控循环神经⽹络：**⻓短期记忆（long short-term memory，LSTM）[1]。 （某些⽂献把记忆细胞当成⼀种特殊的隐藏状态），从而记录额外的信息。 输⼊⻔、遗忘⻔和输出⻔ 与⻔控循环单元中的重置⻔和更新⻔⼀样，⻓短期记忆的⻔的输⼊均为当前时间步输⼊Xt与上⼀时间步隐藏状态Ht−1，输出由激活函数为sigmoid函数的全连接层计算得到。 关于激活函数的选取，在LSTM中，遗忘门、输入门和输出门使用Sigmoid函数作为激活函数；在生成候选记忆时，使用双曲正切函数Tanh作为激活函数。
1.8K10发布于 2019-11-20 - 来自专栏远在上海
非典那年记忆
ABP core 的框架在过年期间，从1.0突然升级到2.0了，。 整个ABPCore 虽然版本变化 大，但使用流程基本不变吧， 我看官网上文档基本完毕了，官网文档有一个外国人视频，当时版本尚是0.18，总共有2小时吧。记录个学习笔记吧！
1K20发布于 2020-02-12 - 来自专栏计算机工具
长期记忆、短期记忆、遗忘机制及门控机制；
长期记忆、短期记忆、遗忘机制及门控机制智能问答系统实现长期记忆、短期记忆、遗忘机制以及门控机制的方法如下： 长期记忆的实现- **使用数据库存储**：将大量的知识、信息和历史交互数据存储在数据库中。 这样系统可以通过遍历知识图谱来获取更全面和深入的知识，实现长期记忆。短期记忆的实现：滑动窗口- **使用缓存技术**：在系统内存中设置缓存，用于临时存储近期使用过的信息。 它可以根据不同的条件和策略，决定哪些信息可以进入系统的不同记忆模块，哪些信息可以被保留或遗忘。 遗忘门决定了从过去的记忆中丢弃多少信息；输入门控制新的信息有多少可以进入记忆单元；输出门决定了当前的记忆状态有多少可以作为输出。 - **示例**：假设用户询问“人工智能的发展历程”，系统通过输入门将相关的历史数据输入到记忆单元中，同时遗忘门会根据之前的记忆和当前的输入决定丢弃一些不相关的旧信息。
30821编辑于 2025-01-18 - 来自专栏TechBlog
离散无记忆与有记忆信源的序列熵
文章目录 离散无记忆信源的序列熵 信源的序列熵 离散有记忆信源的序列熵 平稳有记忆N次扩展源的熵 离散无记忆信源的序列熵 马尔可夫信源的特点：无后效性。 当信源无记忆时： \begin{aligned} p(\bar{X}&\left. 对于有记忆信源,就不像无记忆信源那样简单, 它必须引入条件熵的概念, 而且只能在某些特殊情况下才能得到一些有价值的结论。 : 若进一步又满足平稳性时 H(\bar{X})=\sum_{l}^{L} H\left(X_{l}\right) \quad H(\bar{X})=L H(X) 平稳有记忆N次扩展源的熵 设 X 为离散平稳有记忆信源, X 的 N 次扩展源记为 X^N， X^{N}=\left[X_{1} X_{2} \cdots X_{N}\right] 根据熵的可加性,得 H\left(X^
1K20编辑于 2023-02-26 - 来自专栏CSDN技术头条
大脑记忆的建模
瑞士洛桑联邦理工学院的科学家们研究了大脑是如何通过突触形成记忆的。突触具有很高的可塑性，因此神经元可以改变信息传递速度和密度，从而改变记忆。 由沃尔夫兰姆·格斯特纳(Wolfram Gerstner)带领的一支研究团队针对所谓的“记忆集合”的形成过程进行了研究。这指的是一组由神经元组成的网络，之间由突触相互连接，可以存储一部分特定的记忆。 当人试图唤起某段回忆时，这些特定的记忆碎片就会组合在一起，形成完整的记忆。该研究团队的模拟过程显示，记忆形成和唤起的过程“就像交响乐队一样协调”。 根据其得出的结果，科学家们得到了一组复杂的算法，并称这是目前为止能够最精确地描述记忆形成过程的表示方法。 这一算法通过改良，可以用于研发新的科技，在大脑中激发新的记忆，或是完全抹去以前的记忆。 这说明科学家已经在它们脑中创造了新的记忆。
1.3K80发布于 2018-02-09 - 来自专栏look Java
UML图记忆技巧
什么是UML类图 Class Diagram:用于表示类、接口、实例等之间相互的静态关系 虽然名字叫类图，但类图中并不只有类 记忆技巧 UML箭头方向： 从子类指向父类 我相信 很多同学都会有和我一样的想法 ，认为子类是以父类为基础的，箭头应该父类指向子类 那么我们改如何去记忆呢？ 线的含义 实线 -->继承 虚线-->实现 可以看到 大雁是一个类 实现的某个接口 是由它指向接口 因为接口不知道有大雁的定义 鸭是的父类 唐老鸭只是其中的一个子类 所以是由它指向父类鸭 如何记忆呢
30110编辑于 2023-12-07 - 来自专栏C/C＋＋、数据结构、算法
DFS：记忆化搜索
一、记忆化搜索vs动态规划 . - 力扣（LeetCode） class Solution { public: //记忆化搜索 //1、设置一个备忘录，要确保备忘录初始化的结果不能跟我们实际计算的结果相同 } } }; 二、不同路径 class Solution { public: int uniquePaths(int m, int n) { //记忆化搜索 vector<vector<int>> memo(m+1,vector<int>(n+1,-1));//建立一个记忆数组 return dfs(m,n,memo);// memo)+dfs(i,j-1,memo); return memo[i][j]; } }; 三、最长的递增子序列 class Solution { public: //记忆化搜索 //不用记忆化搜索的话会超时，因为本身就是一个多叉树 int lengthOfLIS(vector<int>& nums) { vector<int> memo
16510编辑于 2024-04-10 - 来自专栏全栈程序员必看
记忆化搜索专题
什么是记忆化搜索呢？搜索的低效在于没有能够很好地处理重叠子问题；动态规划虽然比较好地处理了重叠子问题，但是在有些拓扑关系比较复杂的题目面前，又显得无奈。 用一个公式简单地说：记忆化搜索=搜索的形式+动态规划的思想。 ，所以又称为记忆化搜索。 记忆化搜索递归式动态规划 1.记忆化搜索的思想 记忆化搜索的思想是,在搜索过程中，会有很多重复计算,如果我们能记录一些状态的答案，就可以减少重复搜索量 2、记忆化搜索的适用范围 根据记忆化搜索的思想 到此，就能明白，此题就是求出所有点与终点的最短距离，然后再从起点进行记忆化搜索。
76920编辑于 2022-09-19 - 来自专栏csdn文章搬运
【记忆化搜索】记忆化搜索算法的对比及总结
，先来尝试用递归解决这道斐波那契数，其实我们前面已经遇见很多次斐波那契数了，现在还拿它出来讲，其实是因为它涉及到很多算法，比如递归、循环、动态规划、记忆化搜索、矩阵快速幂等等。 而上面所说的操作，其实就叫做记忆化搜索！不要把它想得很复杂，其实 就是一个带 ”备忘录“ 的递归！ 返回结果 return dp[n]; } }; 通过上面的例子，我们很容易发现，其实 动态规划、记忆化搜索、带备忘录的递归，它们是同一个东西！ ☢️总结 记忆化搜索就是一个带 ”备忘录“ 的递归（暴搜、深搜）。 动态规划、记忆化搜索、带备忘录的递归，本质都是同一个东西，本质都还是暴力搜索，只不过做了优化！ 不是所有的递归都能转化为记忆化搜索的，记忆化搜索只适用于出现了大量重复的问题！ 递归和记忆化搜索，为动态规划解题又多开辟了一条思路，我们可以通过递归和记忆化搜索，想办法转化为动态规划！
18010编辑于 2025-02-15 - 来自专栏全栈程序员必看
论记忆化搜索
论记忆化搜索 什么是记忆化搜索呢？搜索的低效在于没有能够很好地处理重叠子问题；动态规划虽然比较好地处理了重叠子问题，但是在有些拓扑关系比较复杂的题目面前，又显得无奈。 记忆化搜索正是在这样的情况下产生的，它采用搜索的形式和动态规划中递推的思想将这两种方法有机地综合在一起，扬长避短，简单实用，在信息学中有着重要的作用。 用一个公式简单地说：记忆化搜索=搜索的形式+动态规划的思想。 以上的定义是抄的，说的非常神奇。一开始啊，我也不理解。因为我是遇到某些题然后百度到的。经过学习，我发现，所谓记忆化搜索说白了就是暴力枚举。 只不过略微优雅一点，把算过的，有可能发生重复的部分进行记忆，不要发生重复计算即可。这就是所谓的记忆化搜索，这是我的理解。 在学习它的过程中，人们总要讲到什么是动态规划，讲到普通的搜索。 需要自己作出判断 * 最后在说：所谓记忆化搜索，就是暴力枚举。。。。。
36920编辑于 2022-09-17 - 来自专栏全栈程序员必看
英语单词记忆法拆分2000个_usually拆分记忆
示例 3： 输入: s = "catsandog" wordDict = ["cats", "dog", "sand", "and", "cat"] 输出: [] 题解 记忆化搜索+hash class
37010编辑于 2022-09-22 - 来自专栏小K算法
啥是记忆化搜索？
之所以重复计算，是因为每一次尝试都是重新的开始，它并不知道这条路已经走过了，也就是没有记忆，所以我们引入一种优化的方法，就是记忆化搜索。 04 记忆化搜索 可以引入一个f[i][j]数组，记录以(i,j)为起点所能找到的最长路线的长度，初始赋值为-1，表示还没有走过。 ; } fout << maxHeight << endl; fin.close(); fout.close(); return 0; } 06 总结 记忆化搜索是一种非常实用的算法 ，因为深搜用递归很容易实现，记忆化又避免了重复子问题的计算，提高了运行效率。 这其实就是动态规划的思想，常见的动态规划用递推实现，相比记忆化搜索实现上会更难一点，而记忆化搜索就没有这个问题。 算法的适用场景也需要根据具体的问题来分析，一般常用在地图或者树型结构中。
38620编辑于 2022-04-18 - 来自专栏C++/Linux
【算法专题】记忆化搜索
记忆化搜索 什么是记忆化搜索呢？ 记忆化搜索其实就是带了"备忘录"的递归，给递归加上一个"备忘录"，递归每次返回的时候，将结果放到"备忘录"里面，在每次进入递归的时候，往"备忘录"里面看看，当前需要递归的数据时候在"备忘录"里存在，如果存在 下面我们看一道经典的递归题可以使用记忆化搜索优化： 1. 斐波那契数(记忆化搜索) 题目链接 -> Leetcode -509.斐波那契数(记忆化搜索) Leetcode -509.斐波那契数(记忆化搜索) 题目：斐波那契数 （通常用 F(n) 表示）形成的序列称为 不同路径Ⅱ(记忆化搜索) 题目链接 -> Leetcode -62.不同路径Ⅱ(记忆化搜索) Leetcode -62.不同路径Ⅱ(记忆化搜索) 题目：一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为
29710编辑于 2024-03-01 - 来自专栏全栈程序员必看
记忆化搜索(Memory Search)
试着用记忆化搜索搞，调试了蛮长时间，终于搞定，这时当n为1000时便可在2s内得出答案，但时限1s，依旧超时，所以还可以进一步的优化。下面结合这道题总结下记忆化搜索。 记忆化搜索本质上是DP，它们都保存了中间结果，不同点是DP从下往上算，记忆化DFS因为是递归所以从上往下算。 记忆化搜索： 递归函数的结果以返回值形式存在，不能以全局变量或参数形式传递。 （根据以上两个要求把朴素暴搜dfs写出来后，添加个记忆化数组就ok了） 记忆化数组一般初始化为-1。在每一状态搜索的开始进行判断，如果该状态已经计算过，则直接返回答案，否则正常搜索。 dp[3][1]中，后面再遇到直接调用记忆数组就可以了。 如果对记忆化搜索不熟练，可以先写出void型dfs，再转化为有返回值的dfs，最后再加个数组记录已经搜过的状态就是记忆化dfs了。
39120编辑于 2022-09-17 - 来自专栏前端知否
React Hooks - 缓存记忆
不使用缓存记忆 让我们看一个不使用缓存记忆的示例，和理解为什么这会导致性能问题。 记忆 & 回调函数 让我们进行一些小的修改，然后将inc按钮添加到所有列表项。需要注意的是，将回调函数传递给已记忆的组件可能会导致细微的错误。 在记忆组件之前，我们需要一种记忆函数本身的方法。 useCallback 幸运的是，React为此有两个内置的钩子：useMemo和useCallback。 所以此代码也不会缓存记忆。 在此示例中，缓存记忆正确运行，没有任何错误。
4K10发布于 2020-03-23 - 来自专栏python3
python 游戏(记忆拼图Memory
实现功能:翻开两个一样的牌子就显示,全部翻开游戏结束,设置5种图形,7种颜色,游戏开始提示随机8个牌子
1.7K20发布于 2020-01-16
腾讯云开发者
