找到一组数组中重复出现的数（只有一个），空间复杂度O(1)，时间复杂度O(n^2)以内。
LeetCode 264 Ugly Number II
每一个Ugly Number必定由之前的某一Ugly Number （除了1之外）乘以2，3，5得到。用三个指针分别指向当前x2 x3 x5还没有放进队列的最小数，然后每次从三个数分别x2 x3 x5后取最小值作为新的加入队列的数，并且检查更新三个指针的指。
Transformer结构及其应用--GPT、BERT、MT-DNN、GPT-2
本文首先详细介绍Transformer的基本结构，然后再通过GPT、BERT、MT-DNN以及GPT-2等基于Transformer的知名应用工作的介绍并附上GitHub链接，看看Transformer如何在各个模型中中大显神威。
本文首发于知乎专栏：SoftWiser
LeetCode 134 Gas Station
其实就是找到序列中最大和序列，数量为gas[i] - cost[i]，寻找的方法一样，然后就是从先走这个最大序列和的序列，然后再走之前和为负的序列。要计算和为负的累计。
LeetCode 240 Search a 2D Matrix II
可以从右上角或者左下角开始。以右上角为例，若这个数比target大，那么这一列都不可能，若比target小，那么这一行都不可能。这样逐渐收缩都target的位置。如果到最后都没找到target，返回false
网络表示学习(一)--DeepWalk、LINE、Node2Vec、HARP、GraphGAN
图结构数据是除了图片、文本、语音之外又一常见且重要的数据类型，例如社交网络数据、引用网络数据、和生物蛋白质数据等等。在针对图像、文本等数据的机器学习任务中，都有相对应的方法，将这些数据中的特征用一个稠密向量进行表示，然后再运用于各种各样的任务中去。网络表示学习就是将网络中结点的特征，嵌入(Embedding)至低位向量中的方法。学习到的这些向量将会保留图结构数据结点的相似性，使得一些下游机器学习任务，例如结点分类、结点聚类、连接预测、可视化等等的模型泛化性能得到增强。
本文首先将会介绍网络表示学习最为著名的四份工作：DeepWalk、LINE、Node2Vec和SDNE。
然后将会介绍两篇在AAAI18上的两篇网络结构表示学习的新工作HARP、GraphGAN
本文首发于知乎专栏：SoftWiser