深度学习调研报告

神经网络的学习与研究在近十年是一个很热门的研究课题，而最终这些研究成果部分可以体现在我们的日常生活中，神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。神经网络与其它传统方法相结，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类的认知的道路上更加深入发展，并与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向。虽然神经网络具有这么多的优点与可实用性，但是浅层神经网络在有限样本和计算单元情况下对复杂函数的表示能力有限，针对复杂分类问题其泛化能力受限，已经适应不了高速科技与信息时代的发展所引发的一系列深层次问题，故而引发人们对深层网络的构建、学习与发展

OpenCV3编程入门及源码百度网盘下载链接

OpenCV3编程入门及源码百度网盘下载链接，下载的TXT文件里有具体的源码下载链接，可以下载后按照TXT文件里的内容进行下载

gcc-linaro-arm-linux-gnueabihf-4.8-2014.04_linux.tar.xz

gcc-linaro-arm-linux-gnueabihf-4.8-2014.04_linux.tar.xz解压版，不是源码包，解压之后将其路径添加加到环境变量，就是那个bin文件夹，只有这样编译器才可以连接到，才能正常使用

lena常用图像

lena.bmp , lena.jpg, 数字图像处理中经常使用的标准lena图像

opencv-2.3.1（Linux）

opencv计算机视觉库，是Linux版本的，从GitHub上下载的，本人亲测可以用，效果不错，大家可以放心下载

约瑟夫问题的解答

约瑟夫问题是个有名的问题：N个人围成一圈，从第一个开始报数，第M个将被杀掉，最后剩下一个，其余人都将被杀掉。例如N=6，M=5，被杀掉的顺序是：5，4，6，2，3，1。 分析： （1）由于对于每个人只有死和活两种状态，因此可以用布朗型数组标记每个人的状态，可用true表示死，false表示活。 （2）开始时每个人都是活的，所以数组初值全部赋为false。 （3）模拟杀人过程，直到所有人都被杀死为止。

线性链表的实现

具有链接存储结构的线性表，它用一组地址任意的存储单元存放线性表中的数据元素，逻辑上相邻的元素在物理上不要求也相邻，不能随机存取。一般用结点描述：结点（表示数据元素） =数据域（数据元素的映象） + 指针域（指示后继元素存储位置）

快慢指针的实现

快慢指针中的快慢指的是移动的步长，即每次向前移动速度的快慢。例如可以让快指针每次沿链表向前移动2，慢指针每次向前移动1次。判断单链表是否为循环链表：让快慢指针从链表头开始遍历，快指针向前移动两个位置，慢指针向前移动一个位置;如果快指针到达NULL，说明链表以NULL为结尾，不是循环链表。如果 快指针追上慢指针，则表示出现了循环。

静态链表的实现

对于线性链表，也可用一维数组来进行描述。这种描述方法便于在没有指针类型的高级程序设计语言中使用链表结构。用数组描述的链表，即称为静态链表。在C语言中，静态链表的表现形式即为结构体数组，结构体变量包括数据域data和游标CUR。

单链表的实现

单链表是一种链式存取的数据结构，用一组地址任意的存储单元存放线性表中的数据元素。链表中的数据是以结点来表示的，每个结点的构成：元素(数据元素的映象) + 指针(指示后继元素存储位置)，元素就是存储数据的存储单元，指针就是连接每个结点的地址数据