剑指offer 1384 二维数组中的查找

</pre><pre name="code" class="cpp">
<pre name="code" class="cpp">
http://ac.jobdu.com/problem.php?pid=1384

#include<stdio.h>
 
int binary_search(int a[],int l,int r,int t){
    int begin=l;
    int end=r;
  while(begin<=end){
     int mid=(begin+end)/2;
     if(t==a[mid])
         return 1;
     else if(t<a[mid])
          end=mid-1;
     else   begin=mid+1;
  }
    return 0;
}
 
int main()
{
  int m,n,a[1000000],i,j,t;
  while(scanf("%d%d",&m,&n)!=EOF){
    
    scanf("%d",&t);
    for(i=0;i<m;i++)
        for(j=0;j<n;j++){
          scanf("%d",&a[n*i+j]);
        }
        if(binary_search(a,0,m*n-1,t)) 
            printf("Yes\n");
                
        else
             printf("No\n");
                 
  }
 
}
/**************************************************************
    Problem: 1384
    Language: C++
    Result: Accepted
    Time:680 ms
    Memory:4856 kb
****************************************************************/

#include<stdio.h>
#define N 1001
int Matrix[N][N];
int find(int Matrix[N][N],int m,int n,int t){
    int i=0,j=n-1;
    while(i<m&&j>=0){
      if(t==Matrix[i][j])
          return 1;
      else if(t<Matrix[i][j])
          j--;
      else if(t>Matrix[i][j])
          i++;
    }
return 0;
}
int main(){
  int m,n,i,j,t;
  while(scanf("%d%d",&m,&n)!=EOF){
    scanf("%d",&t);
  for(i=0;i<m;i++)
      for(j=0;j<n;j++){
        scanf("%d",&Matrix[i][j]);
      }
  int r= find(Matrix,m,n,t);
      if(r==1)
          printf("Yes\n");
      else
          printf("No\n");
  }
 
}
/**************************************************************
    Problem: 1384
    Language: C++
    Result: Accepted
    Time:680 ms
    Memory:4936 kb
****************************************************************/
#include<stdio.h>
  
    int main(){
    int m,n,t,i,j;
    int a[1000][1000];
    while(scanf("%d%d",&m,&n)!=EOF){
     scanf("%d",&t);
     for(i=0;i<m;i++)
         for(j=0;j<n;j++){
          scanf("%d",&a[i][j]);
         }
         int flag=0;
        for(i=0;i<m;i++)
            for(j=0;j<n;j++){
            if(a[i][j]==t)
             flag=1;
            }
  
        if(flag)
            printf("%s\n","Yes");
        else
            printf("%s\n","No");
    }
}
/**************************************************************
    Problem: 1384
    Language: C++
    Result: Accepted
    Time:660 ms
    Memory:4856 kb
****************************************************************/


 


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