nyoj 题目1085 数单词

题目:输出出现次数最多的单词(有几个输出几个,而且按之前给的顺序输出),之前被题目误解了,以为只要重复出现就要输出!!还有就是题目说单词数量最多是150,结果我开到200才给过!!因此wrong了好多次!!!以后数组尽量开大些!

解法:ac自动机模板题+map(单词可能会出现多次,这里要处理一下)!

#include<bits/stdc++.h>
using namespace std;
char str1[1000100],str[255][105],str2[255][105];
int a[255],n,k;
struct node
{
    int cnt,id;
    node *next[26],*fail;
    void init()
    {
        for(int i=0;i<26;i++)
            next[i]=NULL;
        cnt=0;
        fail=NULL;
    }
}*root;
void mt(char *s)
{
    node *p=root;
    int len=strlen(s);
    for(int i=0;i<len;i++)
    {
        int pos=s[i]-'a';
        if(p->next[pos]==NULL)
        {
            p->next[pos]=new node;
            p->next[pos]->init();
            p=p->next[pos];
        }
        else
            p=p->next[pos];
    }
    p->cnt++;
    p->id=++k;
}
void mf()
{
    node *son,*temp,*p=root;
    queue<node *>qu;
    qu.push(p);
    while(!qu.empty())
    {
        temp=qu.front();
        qu.pop();
        for(int i=0;i<26;i++)
        {
            son=temp->next[i];
            if(son)
            {
                if(temp==root)
                    son->fail=root;
                else
                {
                    p=temp->fail;
                    while(p)
                    {
                        if(p->next[i])
                        {
                            son->fail=p->next[i];
                            break;
                        }
                        p=p->fail;
                    }
                    if(!p)
                        son->fail=root;
                }
                qu.push(son);
            }
        }
    }
}
void sm()
{
    int len=strlen(str1);
    node *p=root,*temp;
    for(int i=0;i<len;i++)
    {
        int pos=str1[i]-'a';
        while(!p->next[pos]&&p!=root)
            p=p->fail;
        p=p->next[pos];
        if(!p)
            p=root;
        temp=p;
        while(temp!=root)
        {
            if(temp->cnt)
                a[temp->id]++;
            temp=temp->fail;
        }
    }
}
int dt(node* T)
{
    if(T==NULL)
        return 0;
    for(int i=0;i<26;i++)
        if(T->next[i])
            dt(T->next[i]);
    free(T);
    return 0;
}
int main()
{
    int T;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d",&n);
        k=0;
        map<string,int>pq;
        memset(a,0,sizeof(a));
        root=new node;
        root->init();
        int v=1;
        for(int i=1;i<=n;i++)
        {
            scanf("%s",str[i]);
            if(!pq.count(str[i]))
            {
                mt(str[i]);
                pq[str[i]]=-1;
                strcpy(str2[v++],str[i]);
            }
        }
        mf();
        scanf("%s",str1);
        sm();
        int maxn=-1;
        for(int i=1;i<=k;i++)
            if(a[i]>maxn)
                maxn=a[i];
        printf("%d\n",maxn);
        for(int i=1;i<=k;i++)
            if(a[i]==maxn)
                pq[str2[i]]=maxn;
        for(int i=1;i<=n;i++)
            if(pq[str[i]]==maxn)
                printf("%s\n",str[i]);
        dt(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,生成器生成据,判别器评估据的真实性。 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(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。 9. **损失函(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。 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