POJ 1679

思路:就是将选好的边一条条的删了在看能不能找出相同的答案

提供两种方法

1.用数组储存找出的边

1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
int jh[310],m,n,shumu,del[310],k;
struct aa
{
    int x,y,s;
} ma[6000];
int cmp(const aa &a,const aa &b)
{
    return a.s<b.s;
}
int fin(int a)
{
    while(a!=jh[a])
        a=jh[a];
    return a;
}
void reset()
{
    int a;
    for(a=1; a<=n; a++)
        jh[a]=a;
}
int kru(int de,int flag)
{
    int a,b,c,ans=0;
    shumu=n;
    reset();
    for(a=1; a<=m&&shumu>1; a++)
        if(a!=de)
        {
            b=fin(ma[a].x);
            c=fin(ma[a].y);
            if(b!=c)
            {
                jh[b]=jh[ma[a].x]=jh[ma[a].y]=c;
                ans+=ma[a].s;
                shumu--;
                if(flag==1)
                    del[++k]=a;
            }
        }
    return ans;
}
int main ()
{
    int a,nn,ans,flag,b;
    scanf("%d",&nn);
    while(nn--)
    {
        scanf("%d%d",&n,&m);
        flag=1;
        k=0;
        for(a=1; a<=m; a++)
            scanf("%d%d%d",&ma[a].x,&ma[a].y,&ma[a].s);
        sort(&ma[1],&ma[m+1],cmp);
        ans=kru(-1,1);
        if(shumu>1)
        {
            printf("0\n");
            continue;
        }
        for(a=1; a<=k; a++)
        {
            b=kru(del[a],0);
            if(shumu>1)
                continue;
            if(b==ans)
            {
                flag=0;
                break;
            }
        }
        if(flag==0)
            printf("Not Unique!\n");
        else
            printf("%d\n",ans);
    }
    return 0;
}


2.以忽视第几条边为判断条件


1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
int jh[310],m,n,shumu,mark[6000];
struct aa
{
    int x,y,s;
} ma[6000];
int cmp(const aa &a,const aa &b)
{
    return a.s<b.s;
}
int fin(int a)
{
    while(a!=jh[a])
        a=jh[a];
    return a;
}
void reset()
{
    int a;
    for(a=1; a<=n; a++)
        jh[a]=a;
}
int kru(int de,int flag)
{
    int a,b,c,ans=0,num=0;
    shumu=n;
    reset();
    for(a=1; a<=m&&shumu>1; a++)
    {
        if(mark[a]!=0)
            num++;
        if(num!=de)
        {
            b=fin(ma[a].x);
            c=fin(ma[a].y);
            if(b!=c)
            {
                jh[b]=jh[ma[a].x]=jh[ma[a].y]=c;
                ans+=ma[a].s;
                shumu--;
                if(flag==1)
                    mark[a]=1;
            }
        }
        else
            num++;//这里小心,不加的话之后会影响之后的判断
    }
    return ans;
}
int main ()
{
    int a,nn,ans,flag,b;
    scanf("%d",&nn);
    while(nn--)
    {
        scanf("%d%d",&n,&m);
        flag=1;
        for(a=1; a<=m; a++)
            scanf("%d%d%d",&ma[a].x,&ma[a].y,&ma[a].s);
        sort(&ma[1],&ma[m+1],cmp);
        memset(mark,0,sizeof(mark));
        ans=kru(100000,1);
        if(shumu>1)
        {
            printf("0\n");
            continue;
        }
        for(a=1; a<=n-1; a++)
        {
            b=kru(a,0);
            if(shumu>1)
                continue;
            if(b==ans)
            {
                flag=0;
                break;
            }
        }
        if(flag==0)
            printf("Not Unique!\n");
        else
            printf("%d\n",ans);
    }
    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