Good Bye 2018 Solution

A. New Year and the Christmas Ornament

签到。

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 
 4 int a, b, c;
 5 
 6 int main()
 7 {
 8     while (scanf("%d%d%d", &a, &b, &c) != EOF)
 9     {
10         int res = min(a, min(b - 1, c - 2));
11         printf("%d\n", res * 3 + 3);
12     }
13     return 0;
14 }
View Code

 

 

B. New Year and the Treasure Geolocation

签到。

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 
 4 #define N 1010
 5 int n, x[N], y[N], a[N], b[N];
 6 
 7 int main()
 8 {
 9     while (scanf("%d", &n) != EOF)
10     {
11         for (int i = 1; i <= n; ++i) scanf("%d%d", x + i, y + i);
12         for (int i = 1; i <= n; ++i) scanf("%d%d", a + i, b + i);
13         sort(x + 1, x + 1 + n);
14         sort(y + 1, y + 1 + n);
15         sort(a + 1, a + 1 + n);
16         sort(b + 1, b + 1 + n);
17         printf("%d %d\n", x[1] + a[n], y[1] + b[n]);
18     }
19     return 0;
20 }
View Code

 

 

C. New Year and the Sphere Transmission

Solved.

题意:

有一个环,长度为n,有n个点,标号为1-n,固定步长去走,求回到1的时候经过的点的标号总和多少

求出有多少个步长得到的这个标号总和不同,按从小到大顺序输出

思路:

如果步长是n的因数,那么可以在一轮走完,并且不同的因数走的路径不同,答案也不同

如果不是n的因数,那么一轮肯定走不完,到下一轮,相当于换个起点去走,也走不完,

直到起点回到1,这时候所有点都走完了,答案都是相同的

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 
 4 #define ll long long
 5 ll n;
 6 
 7 ll f(int an, int n)
 8 {
 9     return 1ll * (1 + an) * n / 2;
10 }
11 
12 int main()
13 {
14     while (scanf("%lld", &n) != EOF)
15     {
16         ll limit = sqrt(n) + 1;
17         vector <ll> res; res.push_back(1); res.push_back(n * (n + 1) / 2);
18         for (int i = 2; i <= limit; ++i) if (n % i == 0)
19         {
20             res.push_back(f(n + 1 - i, n / i));
21             res.push_back(f(n + 1 - n / i, i));
22         }
23         sort(res.begin(), res.end());
24         res.erase(unique(res.begin(), res.end()), res.end());
25         for (int i = 0, len = res.size(); i < len; ++i) printf("%lld%c", res[i], " \n"[i == len - 1]);
26     }
27     return 0;
28 }
View Code

 

D. New Year and the Permutation Concatenation

Solved.

题意:

给出一个n,如此构造一个序列,将他的所有排列按字典序大小放进去

问可以选多少个起点,使得以起点之后长度为n的子段的和为$\frac {n \cdot (n + 1)}{2}$

思路:

考虑两个相邻序列如果可以有这样的起点,那么必定是他们的公共前缀里的点,并且贡献就是公共前缀长度 + 1

再考虑 我们固定一个公共前缀的长度为x,那么这样的排列一共有$(n - x)!$种

并且这些排列肯定是连续在一起的,那么就可以算贡献了

枚举公共前缀长度就好了

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 
 4 #define ll long long
 5 const ll MOD = (ll)998244353;
 6 int n;
 7 
 8 int main()
 9 {
10     while (scanf("%d", &n) != EOF)
11     {
12         if (n <= 2) 
13         {
14             printf("%d\n", n);
15             continue;
16         }
17         ll res = n - 1;
18         for (int i = 2; i <= n; ++i) res = (res * i) % MOD;
19         ll tot = 1;
20         for (int i = n; i >= 3; --i)
21         {
22             tot = (tot * i) % MOD;
23             res = (res - tot + MOD) % MOD;
24         }
25         printf("%lld\n", res);
26     }    
27     return 0;
28 }
View Code

 

E. New Year and the Acquaintance Estimation

Unsolved.

题意:

有n个点,给出每个点的度数,每个点最多去掉一个度,令$x = 去掉的度数之和$

求合法图中不同的$x个数,从小到大输出$

转载于:https://www.cnblogs.com/Dup4/p/10201325.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