spoj375树链剖分模板

题意:

    对于一颗树,两种操作(1)修改某边权(2)查询两点间最大边权

解:树链剖分

代码(200ms):

#include<cstdio>
#include<cstring>
#include<algorithm>
#include<cstdlib>
#include<vector>
#include<ctime>
#include<queue>
#define For(i,j,k) for(register int i=(j);i<=(int)k;i++)
#define Forr(i,j,k) for(register int i=(j);i>=(int)k;i--)
#define Rep(i,u) for(register int i=Begin[(u)],v=to[i];i;i=Next[i],v=to[i])
#define Set(a,b) memset((a),b,sizeof(a))
using namespace std;
const int N=10010,E=20010;
int Begin[N],Next[E],to[E],fa[N],siz[N],son[N],dep[N],w[N],e=1,top[N],cnt,n;
int d[N][3];
void read(int &x){
	x=0;char c=getchar();int f(0);
	while(c<'0'||c>'9'){c=getchar();if(c=='-')f=1;}
	while(c>='0'&&c<='9')x=x*10+c-'0',c=getchar();if(f)x=-x;
}
inline void add(int x,int y){to[++e]=y,Next[e]=Begin[x],Begin[x]=e;}
struct zkwtree{
	int T[N<<2],M;
	inline void clear(){Set(T,0);}
	inline void pushup(int x){T[x]=max(T[x<<1],T[x<<1|1]);}
	void Build(){for(M=1;M<=n+1;M<<=1);}
	void add(int x,int v){for(T[x+=M]=v,x>>=1;x;x>>=1)pushup(x);}
	int query(int s,int t){
		int ret=-0x3f3f3f3f;
		for(s+=M-1,t+=M+1;s^t^1;s>>=1,t>>=1){
			if(~s&1)ret=max(ret,T[s^1]);
			if(t&1)ret=max(ret,T[t^1]);
		}
		return ret;
	}
}t;
void dfs1(int u,int d){
	siz[u]=1;dep[u]=d;
	Rep(i,u)
		if(fa[u]!=v){
			fa[v]=u,dfs1(v,d+1),siz[u]+=siz[v];
			if(siz[v]>siz[son[u]])son[u]=v;
		}
} 
void dfs2(int u,int tp){
	top[u]=tp,w[u]=++cnt;
	if(son[u])dfs2(son[u],top[u]);
	Rep(i,u)
		if(son[u]!=v&&fa[u]!=v)
			dfs2(v,v);
}
void init(){
	read(n);
	Set(son,0),Set(Begin,0),Set(fa,0),e=1,cnt=0;
	For(i,1,n-1){
		read(d[i][0]),read(d[i][1]),read(d[i][2]);
		add(d[i][0],d[i][1]),add(d[i][1],d[i][0]);
	}
	dfs1(1,1);dfs2(1,1);
	t.clear();
	t.Build();
	For(i,1,n-1){
		if(dep[d[i][0]]>dep[d[i][1]])swap(d[i][0],d[i][1]);
		t.add(w[d[i][1]],d[i][2]);
	}
}
int Max(int x,int y){
	int tmp=-0x3f3f3f3f;
	for(;top[x]!=top[y];){
		if(dep[top[x]]<dep[top[y]])swap(x,y);
		tmp=max(tmp,t.query(w[top[x]],w[x]));
		x=fa[top[x]];
	}
	if (x==y)return tmp;
	if (dep[x]>dep[y])swap(x,y);
	return max(tmp,t.query(w[x]+1,w[y]));
}
void solve(){
	char s[10];
	while(scanf("%s",s)!=EOF){
		int x,y;
		if (s[0]=='D')break;
		read(x),read(y);
		if (s[0]!='Q')t.add(w[d[x][1]],y);
		else printf("%d\n",Max(x,y));
	}
}
int main(){
	int _;
	for(read(_);_;_--){
		init();
		solve();
	}
	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