hdu 2222 Keywords Search (AC自动机)

//可能有重复单词
# include <stdio.h>
# include <queue>
# include <string.h>
# include <algorithm>
using namespace std;
char str[110],a[1000010];
# define kind 26
struct node
{
    node *fail;
    node *next[kind];
    int cnt;//从根到此处是否是关键字,并且记录是多少个关键字的结尾
    node()
    {
        fail=NULL;
        cnt=0;
        for(int i=0;i<26;i++)
            next[i]=NULL;
      //  memset(next,0,sizeof(next));
    }

};
queue<node*>qq;
void Buildtree(node *root ,int index)
{
    node *p=root;
    int i=0,id;
    while(str[i])
    {
        id=str[i]-'a';
        if(p->next[id]==NULL)
            p->next[id]=new node();
        p=p->next[id];
        i++;
    }
    (p->cnt)++;///记录是多少个关键字的结尾
}
void bfs(node *root)
{
    while(!qq.empty())
        qq.pop();
    root->fail=NULL;
    qq.push(root);
    root->fail=NULL;
    node *tmp,*p;
    while(!qq.empty())
    {
        tmp=qq.front();
        qq.pop();
        p=NULL;
        for(int i=0;i<kind;i++)
        {
            if(tmp->next[i]!=NULL)
            {
                p=tmp->fail;
                while(p&&!p->next[i])
                    p=p->fail;
                if(!p)
                    tmp->next[i]->fail=root;
                else
                    tmp->next[i]->fail=p->next[i];
                qq.push(tmp->next[i]);
            }
        }
    }
}
int has[10010];
int Ac_run(node *root)
{
    int i=0,ans=0,id;
    node *p=root;
    while(a[i])
    {
        id=a[i]-'a';
        while(!p->next[id]&&p!=root)//跳转失败指针
            p=p->fail;
        p=p->next[id];
        if(!p)
            p=root;
        node *tmp=p;//p不动,temp计算后缀串
        while(tmp!=root&&tmp->cnt!=-1)
        {

                ans+=tmp->cnt;
                tmp->cnt=-1;///
               // has[tmp->cnt]=1;
                tmp=tmp->fail;
        }
        i++;

    }
    return ans;
}
int main()
{
    int t,n;
    while(~scanf("%d",&t))
    {
        while(t--)
        {
            node *root=new node();
            scanf("%d",&n);
            for(int i=1;i<=n;i++)
            {
                scanf("%s",str);
                Buildtree(root,i);
            }
            bfs(root);
         //   memset(has,0,sizeof(has));
            scanf("%s",a);
            printf("%d\n",Ac_run(root));

        }
    }
    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