Lucky and Good Months by Gregorian Calendar (模拟)

文章要点:

Gregorian Calendar格里高公历 就是现在广泛使用公历(西历),下面简称GC

GC的起始日期为 1年1月1号,该日为星期六

GC平年有365天,闰年366天(2月多1天)

GC有12个月,各月的天数和现在的使用的西历一致

GC在1582年之前(不包括1582),若该年份能被4整除,则为闰年

GC在1582年之后(包括1582),判断闰年的标准(满足下面随便一个):

(1) 能被4整除,但不能被100整除;

(2) 能被400整除。

由于历史原因,GC规定1700年无条件为闰年

由于历史原因,GC规定1752年9月3日~13日共11天不存在,即1752年9月只有19天

#include <cstdio>
int mon[] = {0,31,28,31,30,31,30,31,31,30,31,30,31},sg,sl;
unsigned long long sd;
int judge(int y)
{
    if(y == 1752)
        mon[9] = 19;
    else mon[9] = 30;
    if(y == 1700)
        return 1;
    if(y < 1582)
    {
        if(y%4 == 0)
            return 1;
        return 0;
    }
    if( (y%4 == 0 && y%100 != 0) || y%400 == 0)
        return 1;
    return 0;
}
void counter(int from,int endd)        //只需要判断月末是否为周五到周天之一,如果是则本月为lucky,则下个月则为good,endd月只算月尾
{
    for(int i = from; i <= endd; i++)
        {
            if((sd+5)%7 == 0 || (sd+5)%7 == 6 || (sd+5)%7 == 5)
                sg++;
            sd += mon[i];
            if((sd+5)%7 == 0 || (sd+5)%7 == 6 || (sd+5)%7 == 5)
                sl++;
        }
}
int main()
{
    int T,i,j,ys,ms,ye,me;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%d %d %d %d",&ys,&ms,&ye,&me);
        sd = 0;
        sl = 0;
        sg = 0;
        for(i = 1; i < ys; ++i)
        {
            if(judge(i))
                sd += 366;
            else sd += 365;
            if(i == 1752)
                sd -= 11;
        }
        mon[2]=(judge(ys)==1?29:28);
        for(i = 1; i < ms; i++)
            sd += mon[i];
        if( (sd+5)%7==0||(sd+5)%7==6||(sd+5)%7==5 )
            sg++;
        sd+=mon[ms];
        if( (sd+5)%7==0||(sd+5)%7==6||(sd+5)%7==5 )
            sl++;
        if(ys == ye)
            counter(ms+1,me);
        else
        {
            counter(ms+1,12);
            for(j=ys+1;j<ye;j++)
            {
                mon[2]=(judge(j)==1?29:28);
                counter(1,12);
            }
            mon[2]=(judge(ye)==1?29:28);
            counter(1,me);
        }
        printf("%d %d\n",sl,sg);
    }
    return 0;
}

转载于:https://www.cnblogs.com/You-Change/p/3533260.html

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