Saddle Point ZOJ - 3955(求每个值得贡献)

题意:

  给出一个矩阵,删掉一些行和列之后 求剩下矩阵的鞍点的总个数

解析:

  对于每个点 我们可以求出来 它所在的行和列  有多少比它大的 设为a 有多少比它小的 设为b

 然后对于那些行和列 都有两种操作 删和不删 所以一个点 就有2^a * 2^b 种成为鞍点的存在形式

求出来所有的点的情况 加起来就好了

英语限制了我的想象力

#include <iostream>
#include <cstdio>
#include <sstream>
#include <cstring>
#include <map>
#include <cctype>
#include <set>
#include <vector>
#include <stack>
#include <queue>
#include <algorithm>
#include <cmath>
#include <bitset>
#define rap(i, a, n) for(int i=a; i<=n; i++)
#define rep(i, a, n) for(int i=a; i<n; i++)
#define lap(i, a, n) for(int i=n; i>=a; i--)
#define lep(i, a, n) for(int i=n; i>a; i--)
#define rd(a) scanf("%d", &a)
#define rlld(a) scanf("%lld", &a)
#define rc(a) scanf("%c", &a)
#define rs(a) scanf("%s", a)
#define pd(a) printf("%d\n", a);
#define plld(a) printf("%lld\n", a);
#define pc(a) printf("%c\n", a);
#define ps(a) printf("%s\n", a);
#define LL long long
#define ULL unsigned long long
#define Pair pair<int, int>
#define mem(a, b) memset(a, b, sizeof(a))
#define _  ios_base::sync_with_stdio(0),cin.tie(0)
//freopen("1.txt", "r", stdin);
using namespace std;
const int maxn = 1010, INF = 0x7fffffff, LL_INF = 0x7fffffffffffffff, MOD = 1e9 + 7;
LL num[maxn][maxn], row[maxn][maxn], cal[maxn][maxn];

LL inv(LL a, LL b)
{
    LL res = 1;
    while(b)
    {
        if(b & 1) res = res * a % MOD;
        a = a * a % MOD;
        b >>= 1;
    }
    return res;
}

int main()
{
    int T, n, m;
    rd(T);
    while(T--)
    {
        rd(n), rd(m);
        for(int i = 0; i < n; i++)
        {
            for(int j = 0; j < m; j++)
            {
                rlld(num[i][j]);
                row[i][j] = num[i][j];
                cal[j][i] = num[i][j];
            }
            sort(row[i], row[i] + m);
        }
        for(int i = 0; i < m; i++) sort(cal[i], cal[i] + n);
        LL res = 0;
        for(int i = 0; i < n; i++)
            for(int j = 0; j < m; j++)
            {
                LL tmp1 = upper_bound(row[i], row[i] + m, num[i][j]) - row[i];
                LL tmp2 = lower_bound(cal[j], cal[j] + n, num[i][j]) - cal[j];
                tmp1 = m - tmp1;
                res = (res + (inv(2, tmp1) % MOD * inv(2, tmp2) % MOD) % MOD) % MOD;
            }
        cout << res << endl;
    }

    return 0;
}

 

转载于:https://www.cnblogs.com/WTSRUVF/p/9735135.html

对于逃离Saddle Point的方法之一是使用momentum(动量)方法。Momentum方法是一种基于动量思想的优化算法,在深度学习领域中常被使用。 Momentum算法通过引入动量来加速梯度下降的速度,从而更快地逃离Saddle Point(鞍点)的位置。在普通梯度下降的过程中,我们只考虑当前的梯度信息,并直接朝着梯度下降的方向进行更新。而momentum方法则考虑了过去的梯度信息,通过计算过去步骤中梯度的累积平均值来更新参数。 具体而言,momentum方法通过引入动量参数来保留一部分历史步骤的信息,使得在当前步骤中,更新方向不再仅仅依靠当前梯度信息,而是结合了历史步骤中的梯度信息。这种机制有助于克服Saddle Point中平坦区域的问题,并且加速在陡峭区域中的下降。 在Momentum方法中,更新公式如下: v = βv + (1-β)∇J(θ) θ = θ - αv 其中,v是动量参数,它表示历史梯度信息的加权累积平均值;β是一个介于0和1之间的超参数,用于控制历史梯度信息的权重;α是学习率。 Momentum方法的优点在于,它可以加速梯度下降并帮助跳出Saddle Point,尤其在训练深度神经网络时效果较为显著。然而,如果设置的动量参数较大,可能会导致参数在陡峭区域波动较大,进而难以收敛。因此在使用momentum方法时,需要根据实际情况进行调整。 总而言之,Momentum方法通过利用历史梯度信息,可以更快地逃离Saddle Point,加速梯度下降的过程,提高优化算法的效果。
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