UVA10739 String to Palindrome(区间DP + 递推)

Sample Input
6
tanbirahmed
shahriarmanzoor
monirulhasan
syedmonowarhossain
sadrulhabibchowdhury
mohammadsajjadhossain
Sample Output
Case 1: 5
Case 2: 7
Case 3: 6
Case 4: 8
Case 5: 8
Case 6: 8
题意:给出一个字符串,可以添加删除字符,或替换字符,求把它变成回文的最少操作次数。
dp[i][j]表示字符i到j位置上最少需要几步构成回文。
分两种情况讨论: 1.str[i] == str[j],此时则直接用上一步的值进行更新这一步,即dp[i][j] = dp[i+1][j-1]
2.str[i]!=str[j],此时可以有两种操作,替换,删除,状态转移方程为dp[i][j] = min(min(dp(i+1,j),dp(i,j-1),dp(i+1,j-1))




动规
#include <iostream>
#include <algorithm>
#include <stdio.h>
#include <string.h>
const int INF = 0x3f3f3f3f;
using namespace std;
int dp[1010][1010];
int n,len;
char str[1010];


int main()
{
    int Case = 0;
    scanf("%d",&n);
    while(n --)
    {
        scanf("%s",str);
        len = strlen(str) - 1;
        memset(dp,0,sizeof(dp));
        for(int i = len; i >= 0; i --)
            for(int j = i + 1; j <= len; j ++)
                if(str[i] == str[j])
                    dp[i][j] = dp[i+1][j-1];
                else
                    dp[i][j] = min(min(dp[i+1][j],dp[i][j-1]),dp[i+1][j-1]) + 1;
        printf("Case %d: %d\n",++ Case,dp[0][len]);
    }
    return 0;
}






记忆化搜索
#include <iostream>
#include <algorithm>
#include <stdio.h>
#include <string.h>
const int INF = 0x3f3f3f3f;
using namespace std;
int dp[1010][1010];
int n,len;
char str[1010];
int DFS(int x,int y)
{
    if(x <= y)  ///结束条件
    {
        if(x == y || (x + 1 == y && str[x] == str[y]))
        {
            dp[x][y] = 0;
            return dp[x][y];
        }
        if(dp[x][y] != INF) ///减枝
            return dp[x][y];
        if(str[x] == str[y])
            dp[x][y] = min(dp[x][y],DFS(x + 1,y - 1));
        else
        {
            if(DFS(x + 1,y) < dp[x][y])
                dp[x][y] = DFS(x + 1,y);
            if(DFS(x,y - 1) < dp[x][y])
                dp[x][y] = DFS(x,y-1);
            if(DFS(x + 1,y - 1) < dp[x][y])
                dp[x][y] = DFS(x + 1,y - 1);
            dp[x][y] += 1;
        }
        return dp[x][y];
    }
    return INF;
}
int main()
{
    int Case = 0;
    scanf("%d",&n);
    while(n --)
    {
        scanf("%s",str);
        len = strlen(str);
        memset(dp,INF,sizeof(dp));
        printf("Case %d: %d\n",++ Case,DFS(0,len-1));
    }
    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