[矩阵树定理] LOJ#6259. 「CodePlus 2017 12 月赛」白金元首与独舞

如果已经有箭头的格子之间形成环,那么显然无解
新增一个关键点代表出界
那么每个关键点加上上下左右箭头后会走到其他关键点。
就相当于在k个关键点之间加上有向边,那么每一种以“出界”的关键点为根的生成树形图代表一种方案,用矩阵树定理就行了

#include <cstdio>
#include <iostream>
#include <algorithm>

using namespace std;

const int N=310,P=1e9+7;

typedef int Mat[N][N];

int T,n,m,cnt,ns;
char a[N][N];
int t[N][N],g[N][N],vis[N][N];

void dfs(int x,int y){
  if(x<1 || x>n || y<1 || y>m) return ;
  if(vis[x][y]){
    if(!t[x][y]) ns=1;
    return ;
  }
  vis[x][y]=1;
  if(a[x][y]=='.') return ;
  if(a[x][y]=='L'){
    dfs(x,y-1); t[x][y]=t[x][y-1];
  }
  if(a[x][y]=='R'){
    dfs(x,y+1); t[x][y]=t[x][y+1];
  }
  if(a[x][y]=='U'){
    dfs(x-1,y); t[x][y]=t[x-1][y];
  }
  if(a[x][y]=='D'){
    dfs(x+1,y); t[x][y]=t[x+1][y];
  }
}

Mat mt;

inline void addedge(int x,int y){
  if(x==y) return ;
  mt[y][x]--; mt[x][x]++;
}

inline int Pow(int x,int y){
  int ret=1;
  for(;y;y>>=1,x=1LL*x*x%P) if(y&1) ret=1LL*ret*x%P;
  return ret;
}

inline int calc(Mat a){
  int ret=1,f=0;
  for(int i=1;i<cnt;i++){
    int k; for(k=i;!a[k][i] && k<cnt;k++);
    if(k>=cnt) return 0;
    if(k^i){ for(int j=1;j<cnt;j++) swap(a[k][j],a[i][j]); f^=1; }
    for(int j=i+1;j<cnt;j++){
      int t=1LL*a[j][i]*Pow(a[i][i],P-2)%P;
      for(int k=i;k<cnt;k++)
    a[j][k]=(a[j][k]-1LL*a[i][k]*t)%P;
    }
  }
  for(int i=1;i<cnt;i++) ret=1LL*ret*a[i][i]%P;
  return f?-ret:ret;
}

int main(){
  scanf("%d",&T);
  while(T--){
    scanf("%d%d",&n,&m); ns=cnt=0;
    for(int i=1;i<=n;i++) scanf("%s",a[i]+1);
    for(int i=1;i<=n;i++)
      for(int j=1;j<=m;j++){
    vis[i][j]=t[i][j]=0;
    if(a[i][j]=='.') g[i][j]=t[i][j]=++cnt;
      }
    ++cnt;
    for(int i=1;i<=cnt;i++)
      for(int j=1;j<=cnt;j++) mt[i][j]=0;
    for(int i=1;i<=n;i++) t[i][0]=t[i][m+1]=cnt;
    for(int i=1;i<=m;i++) t[0][i]=t[n+1][i]=cnt;
    for(int i=1;i<=n && !ns;i++)
      for(int j=1;j<=m;j++)
    if(a[i][j]!='.'){
      dfs(i,j);
      if(ns) break;
    }
    if(ns){
      puts("0"); continue;
    }
    for(int i=1;i<=n;i++)
      for(int j=1;j<=m;j++)
    if(a[i][j]=='.'){
      addedge(g[i][j],t[i+1][j]);
      addedge(g[i][j],t[i-1][j]);
      addedge(g[i][j],t[i][j+1]);
      addedge(g[i][j],t[i][j-1]);
    }
    printf("%d\n",(calc(mt)+P)%P);
  }
  return 0;
}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值