UVa:10034 Freckles

还是最小生成树的问题。

 

不过这里的边需要自己求。两个循环就可以求出来。

 

Kruskal算法:

#include <cstdio>
#include <iostream>
#include <cstdlib>
#include <cmath>
#include <cstring>
#include <algorithm>
using namespace std;
int father[105];
struct Edge
{
    int u,v;
    double w;
};
struct Point
{
    double x,y;
};
double Distance(Point &a,Point &b)
{
    return sqrt((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));
}
bool cmp(Edge a,Edge b)
{
    return a.w<b.w;
}
int find(int x)
{
    return father[x]<0?x:(father[x]=find(father[x]));
}
int main()
{
    int T;
    scanf("%d",&T);
    while(T--)
    {
        Point p[105];
        int n;
        scanf("%d",&n);
        for(int i=0;i<n;++i)
        scanf("%lf%lf",&p[i].x,&p[i].y);
        Edge e[10005];
        int N=0;
        for(int i=0;i<n-1;++i)
         for(int j=i+1;j<n;++j)
         {
             e[N].u=i;
             e[N].v=j;
             e[N].w=Distance(p[i],p[j]);
             N++;
         }
         sort(e,e+N,cmp);
         memset(father,-1,sizeof(father));
         double ans=0;
         for(int i=0;i<N;++i)
         {
             Edge t=e[i];
             if(find(t.u)!=find(t.v))
             {
                 father[find(t.u)]=find(t.v);
                 ans+=t.w;
             }
         }
         printf("%.2lf\n",ans);
         if(T) printf("\n");
    }
    return 0;
}

 

 

 

Prim算法:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#define INF 9999999999
using namespace std;
int main()
{
    int T;
    scanf("%d",&T);
    while(T--)
    {
        int n;
        scanf("%d",&n);
        double x[105],y[105];
        for(int i=0;i<n;++i) scanf("%lf%lf",&x[i],&y[i]);
        double e[105][105];
        for(int i=0;i<n;++i)
         for(int j=0;j<n;++j)
         e[i][j]=e[j][i]=sqrt((x[i]-x[j])*(x[i]-x[j])+(y[i]-y[j])*(y[i]-y[j]));
        double mincost[105];
        for(int i=0;i<n;++i) mincost[i]=INF;
        bool used[105]={false};
        mincost[0]=0;
        double res=0;
        while(1)
        {
            int v=-1;
            for(int i=0;i<n;++i)
        if(!used[i]&&(v==-1||mincost[i]<mincost[v])) v=i;

            if(v==-1) break;
            used[v]=true;
            res+=mincost[v];
            for(int i=0;i<n;++i)
            mincost[i]=min(mincost[i],e[v][i]);
        }
        printf("%.2lf\n",res);
        if(T) printf("\n");
    }
    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