2019牛客暑期多校训练营(第五场)B generator 1 十进制矩阵快速幂

题意:,求xn

题解:用矩阵快速幂搞,但是n太大所以得转化为十进制求。然后矩阵乘法那个地方不要mod太多。。。会被卡常

//#pragma comment(linker, "/STACK:1024000000,1024000000")
#include <bits/stdc++.h>
using namespace std;
typedef long long int ll;
typedef unsigned long long ull;
#define ms(s) memset(s, 0, sizeof(s))
const int INF = 0x3f3f3f3f;
const int maxn = 1e6+5;
ll  mod;
struct mat{
	ll c[2][2];
}E;
mat multi(mat a,mat b){
	 mat ans;
	 ans.c[0][0]=ans.c[0][1]=ans.c[1][0]=ans.c[1][1]=0;
	 for(int i=0;i<2;i++){
	 	for(int j=0;j<2;j++){
	 		for(int k=0;k<2;k++){
	 			ans.c[i][j]+=a.c[i][k]*b.c[k][j];
	 			ans.c[i][j]%=mod;
	 		}
	 	}
	 }
	 return ans;
}
mat quick_pow(mat a,int b){
	mat ans=E;
	while(b){
		if(b&1)ans=multi(ans,a);
		a=multi(a,a);
		b>>=1;
	}
	return ans;
}
char s[maxn];
int main() 
{
	ll  x0,x1,a,b;
	scanf("%lld%lld%lld%lld%s%lld",&x0,&x1,&a,&b,s,&mod);
	mat tmp;
	tmp.c[1][0]=b,tmp.c[1][1]=a;
	tmp.c[0][0]=E.c[0][1]=E.c[1][0]=0;
	tmp.c[0][1]=E.c[0][0]=E.c[1][1]=1;
	mat ans=E;
	for(int i=0;s[i];i++){
		ans=multi(quick_pow(ans,10),quick_pow(tmp,s[i]-'0'));
	}
	printf("%lld\n",(x0*ans.c[0][0]%mod+x1*ans.c[0][1]%mod)%mod);
    return 0;
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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