UVA 11627(p80)----Slalom

#include<bits/stdc++.h>
#define debu
using namespace std;
const int maxn=1e6+50;
int maxx,w,vh,n,s,ans,tmp;
int x[maxn],y[maxn],ski[maxn];
int check(int speed)
{
    double l=(double)x[0],r=(double)(x[0]+w);
    for(int i=1; i<n; i++)
    {
        double d=(double)(y[i]-y[i-1])/(double)speed*vh;
        l-=d;r+=d;
        l=max(l,(double)x[i]);
        r=min(r,(double)(x[i]+w));
        if(l>r) return 0;
    }
    return 1;
}
void solve()
{
    int l=0,r=maxx,mid;
    while(l<r)
    {
        mid=l+(r-l+1)/2;
        if(check(mid))
        {
            tmp=mid;
            l=mid;
        }
        else r=mid-1;
    }
}
void output()
{
    sort(ski,ski+s);
    for(int i=0; i<s; i++)
    {
        if(ski[i]<=tmp) ans=ski[i];
        else break;
    }
    if(ans!=-1) printf("%d\n",ans);
    else printf("IMPOSSIBLE\n");
}
int main()
{
#ifdef debug
    freopen("in.in","r",stdin);
#endif // debug
    int t;
    scanf("%d",&t);
    while(t--)
    {
        ans=-1;
        tmp=-1;
        maxx=0;
        scanf("%d%d%d",&w,&vh,&n);
        for(int i=0; i<n; i++)
            scanf("%d%d",&x[i],&y[i]);
        scanf("%d",&s);
        for(int i=0; i<s; i++)
        {
            scanf("%d",&ski[i]);
            maxx=max(maxx,ski[i]);
        }
        solve();
        output();
    }
    return 0;
}
题目地址:https://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&page=show_problem&problem=2674
题解:当速度越小时,越易成功穿过。二分速度v,寻找速度最大值,判断是否合法:求出当前可达区间,与下一位置区间求并,若不为空,则可到达下一位置。最后寻找小于等于v的最大速度即可。

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