HDU 3709 数位DP

点击打开链接

题意:类似天平,若一个数以某一位当支点,两边的数以题目中那样计算的和相等,这这个数使我们要的,问区间共有多少个

思路:操作是一样的,只是我们需要枚举一下支点的位置即可,但是注意因为0是可以的,所以我们最后加的结果要减去1,因为00这样只能当作一个0来计算

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <iostream>
#include <algorithm>
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
const int inf=0x3f3f3f3f;
const ll INF=0x3f3f3f3f3f3f3f3fll;
const int maxn=5010;
int dig[30];
ll dp[20][20][1500];
ll dfs(int pos,int deep,int lim,int num,int flag){
    if(pos<0){
        if(flag) return 1;
        else if(num==0) return 1;
        else return 0;
    }
    if(!lim&&dp[pos][deep][num]!=-1) return dp[pos][deep][num];
    int las=lim?dig[pos]:9;
    ll ret=0;
    for(int i=0;i<=las;i++){
        if(flag==1){
            if(i==0) ret+=dfs(pos-1,deep,lim&&(i==las),0,1);
            else ret+=dfs(pos-1,deep,lim&&(i==las),i*(pos-deep),0);
        }else ret+=dfs(pos-1,deep,lim&&(i==las),i*(pos-deep)+num,0);
    }
    if(!lim) dp[pos][deep][num]=ret;
    return ret;
}
ll slove(ll n){
    if(n==-1) return 0;
    int len=0;
    ll ret=0;
    while(n){
        dig[len++]=n%10;
        n/=10;
    }
    for(int i=len-1;i>=0;i--) ret+=dfs(len-1,i,1,0,1)-1;
    return ret;
}
int main(){
    memset(dp,-1,sizeof(dp));
    int T,cas=1;
    ll n,m;
    scanf("%d",&T);
    while(T--){
        scanf("%I64d%I64d",&n,&m);
        if(n==0&&m==0) printf("1\n");
        else if(n==0) printf("%I64d\n",slove(m)+1);
        else printf("%I64d\n",slove(m)-slove(n-1));
    }
    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