1023. 组个最小数 (20)

泪奔中,上面是自己的写的,为啥能这么复杂,为啥我一定要用c来写 - -!

/*
给定数字0-9各若干个。你可以以任意顺序排列这些数字,但必须全部使用。目标是使得最后得到的数尽可能小(注意0不能做首位)。例如:给定两个0,两个1,三个5,一个8,我们得到的最小的数就是10015558。

现给定数字,请编写程序输出能够组成的最小的数。

输入格式:

每个输入包含1个测试用例。每个测试用例在一行中给出10个非负整数,顺序表示我们拥有数字0、数字1、……数字9的个数。整数间用一个空格分隔。10个数字的总个数不超过50,且至少拥有1个非0的数字。

输出格式:

在一行中输出能够组成的最小的数。

输入样例:
2 2 0 0 0 3 0 0 1 0
输出样例:
10015558
*/

#include
   
   
    
    
#include
    
    
     
     
#include
     
     
      
      
using namespace std;
typedef struct node List;
struct node{
	int index;
	int value;	
};
void print(List *L,int len){
	if((L->index!=0))
		while((L->value !=0)){
			for(int i =0; i != L->value; ++i)
				printf("%d",L->index);
			++L;
		}
	else{
	printf("%d",(L+1)->index);
	for(int i = 0; i != L->value; ++i)
		printf("0");
	((L+1)->value)--;
	++L;
	//为了应对 1 1 1 1 1 1 1 1 1 1 全为1的情况 
	if(L->value ==0)
		L++;
	while((L->value !=0)){
			for(int i =0; i != L->value; ++i)
				printf("%d",L->index);
			++L;

		}
	}
		
}
bool compare_value(const List &L1,const List &L2){
	if(L2.value == 0)
	return true;
	if(L1.value ==0)
	return false;
	return L1.index <= L2.index;	
}
int main(){
	List N[10];
	for(int i = 0; i != 10; ++i){
		scanf("%d",&(N+i)->value);
		(N+i)->index = i;
	}
	sort(N,N+10,compare_value);
	/*for test
	List *tmp;
	tmp = N;
	for(int i = 0; i != 10; ++i,++tmp)
		printf("%d %d\n",tmp->index,tmp->value);
	*/
	print(N,10);
		
}

     
     
    
    
   
   

后面是用string来写的,string类下的append函数

s.append(n,c); 在str后追加n个字符c

#include 
   
   
    
    
#include 
    
    
     
     
#include 
     
     
      
      
using namespace std;
void swap(char *a,char *b)
{
  char temp = *a;
  *a = *b;
  *b = temp;
}
int main()
{
  vector
      
      
       
        a;
  for(int i=0;i<10;i++)
  {
    int temp;
    cin >> temp;
    a.push_back(temp);
  }
  string b;
  for(int i=0;i<10;i++)
  {
    char temp = i + '0';
    b = b.append(a[i],temp);
  }
  //cout << a.size();
  if(b[0] == '0')  //第一个为0时,直接寻找,用最近的一个数与之交换
  {
    int i = 0;
    while(b[i] == '0')
    {
      i++;
    }
    swap(b[0],b[i]);
  }
  cout << b << endl;
  //system("pause");
  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