最长公共子串

最长公共子串问题

      Time Limit:1000MS Memory Limit:65536KB
   

所谓最长公共子串,比如串A "acedfe", 串B "aede", 则它们的最长公共子串为串 "aede", 即不论串中字符是否相邻,只要它是给定各个串都包含的,且长度最长的串。给定两个不包含空格的字符串和一整数n , 如果最长公共串长度大于或等于n,输出Not Smaller, 否则输出Smaller.
第一行仅一个整数N,(1<= N <= 100).表示包含N个测试样例. 
每个测试样例由两个字符串A,B( 0< strlen(A),strlen(B) <= 1000) 和一个整数n( 0 <= n <= 1000)构成.
对于每个测试样例,输出Not Smaller 或 Smaller.


Sample Input


3
acedsd
acdd
2
eedfd
zzxxxx
3
feefs
as
1
      

Sample Output


Not Smaller
Smaller
Not Smaller
 
用二维数组记录a长度为i,b长度为j时最长公共子串的长度。maze[i][j]的更新方式有两种情况:①a[i] == b[i],此时maze[i][j] =max(maze[i - 1][j] , maze[i][j - 1] ,  maze[i - 1][j - 1] + 1);②a[i] != b[i],此时maze[i][j] = max(maze[i - 1][j] , maze[i][j - 1] , maze[i - 1][j - 1]).以下举例说明填充maze[i][j]的方法:

                      a       b       c     d
                 0   0       0       0      0
             a  0   1       1       1      1

             b  0   1       2       2      2

             e  0   1       2       2      2

             d  0   1       2       2      3

代码:
<span style="font-size:14px;">#include"cstdio"
#include"cstring"
#include"iostream"
#include"algorithm"

using namespace std;

char a[1005],b[1005];
int maze[1005][1005];

int main()
{
    int cas;
    while(~scanf("%d",&cas))
    {
        int n;
        while(cas--)
        {
            scanf("%s%s%d",a,b,&n);
            int la = strlen(a);
            int lb = strlen(b);
            for(int i = 0;i <= la;i++)
            {
                for(int j = 0;j <= lb;j++)
                {
                    maze[i][j] = 0;
                }
            }
            for(int i = 1;i <= la;i++)
            {
                for(int j = 1;j <= lb;j++)
                {
                    if(a[i - 1] == b[j - 1])
                    {
                        maze[i][j] = maze[i - 1][j - 1] + 1; //a[i] == b[i]时,由对角线更新maze
                    }
                    else
                    {
                        maze[i][j] = max(maze[i - 1][j],maze[i][j - 1]); //a[i] != b[i]时,左下右上取较大
                    }
                }
            }
            if(maze[la][lb] >= n)
            {
                cout << "Not Smaller" << endl;
            }
            else
            {
                cout << "Smaller" << endl;
            }
        }
    }
    return 0;
}
</span>


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