NOI2011 阿狸的打字机

调了下午到晚上

从0->40->70->100

心力交瘁

40分做法:

直接在fail树上暴力跳,修改节点值,树状数组查询时间复杂度n^2log

70分做法:

接近正解,离线询问,在对应的位置打标记,dfs的时候可以遍历到这个点的时候,对这个点所有的询问都可以同时处理出来

100分做法:

读入的时侯可以优化一下,对于原来建过的Trie不用再建,优化一下非常快

代码

#include<bits/stdc++.h>
#include<vector>

using namespace std;

const int maxn=1e5+5;

char s1[maxn];

char ch[maxn];

struct edge {
	int tov,nxt;
}e[maxn<<1];

int ans[maxn];

struct qu {
	int x,y,id;
}q[maxn];

vector<qu> ex[maxn<<1];

bool vis[maxn];

int h[maxn<<1];

int last[maxn];

int val[maxn];

int dep[maxn];

int root=0;

struct Node {
	int fail;
	int nxt[26];
	int jz[26];
}ac[maxn<<1];

int in[maxn],out[maxn];

int fa[maxn];

int lastpos,tot,cnt,m,idx,l,r,da;

void add(int u,int v) {
	tot++;
	e[tot].tov=v;
	e[tot].nxt=h[u];
	h[u]=tot;
}
char s[maxn];

void insert(int num) {
	for (int i=l+1;i<=r;i++) {
		int id=s[i]-'a';
		if (!ac[da].nxt[id]) {
			ac[da].nxt[id]=++cnt;
		}
		fa[ac[da].nxt[id]]=da;
		da=ac[da].nxt[id];
	}
	last[num]=da;
}

void getroot() {
	root=0;
	dep[root]=0;
	ac[root].fail=root;
	for (int i=0;i<=25;i++) {
		ac[root].nxt[i]=root;
	}
}

int que[maxn<<1];

void getfail() {
	int head=0,tail=0;
	int now=root;
	for (int i=0;i<=25;i++) {
		if (ac[now].nxt[i]) {
			que[tail++]=ac[now].nxt[i];
			add(root,ac[now].nxt[i]);
			ac[ac[now].nxt[i]].fail=root;
		}
	}
	while (head<tail) {
		int u=que[head++];
		for (int i=0;i<=25;i++) {
			int son=ac[u].nxt[i];
			int fafail=ac[u].fail;
			if (son) {
				que[tail++]=son;
				ac[son].fail=ac[fafail].nxt[i];
				add(ac[son].fail,son);
			} else {
				ac[u].nxt[i]=ac[fafail].nxt[i];
			}
		}
	}
}

int lowbit(int x) {
	return x&-x;
}

void modify(int pos,int delta) {
	for (int i=pos;i<=idx;i+=lowbit(i)) {
		val[i]+=delta;
	}
}

int query(int pos) {
	int rt=0;
	for (int i=pos;i>=1;i-=lowbit(i)) {
		rt+=val[i];
	}
	return rt;
}

void dfs(int u) {
	vis[u]=1;
	in[u]=++idx;
	for (int i=h[u];i;i=e[i].nxt) {
		int v=e[i].tov;
		if (vis[v]) continue;
		dfs(v);
	}
	out[u]=idx;
}

void dfs1(int u) {
	vis[u]=1;
	modify(in[u],1);
	if (ex[u].size()) {
		for (int i=0;i<ex[u].size();i++) {
			int tmp=ex[u][i].x;
			int tmp1=query(out[last[tmp]]);
			int tmp2=query(in[last[tmp]]-1);
			ans[ex[u][i].id]=tmp1-tmp2;
		}
	}
	for (int i=0;i<=25;i++) {
		int v=ac[u].jz[i];
		if(!v) continue;
		if (vis[v]) continue;
		dfs1(v);
	}
	modify(in[u],-1);
}

int main() {
	scanf("%s",s1);
	getroot();
	int len=strlen(s1);
	int pos=0;
	int tim=0;
	for (int i=0;i<=len-1;i++) {
		if (s1[i]>='a'&&s1[i]<='z') {
			r++;
			s[r]=s1[i];
		} else if (s1[i]=='P') {
			insert(++tim);
			l=r;
		} else {
			if(r==l) l--;
			r--;
			da=fa[da];
		}
	}
	for(int o=0;o<=cnt;o++)
	for(int i=0;i<26;i++)
	   ac[o].jz[i]=ac[o].nxt[i];
	getfail();
	dfs(root);
	scanf("%d",&m);
	for (int i=1;i<=m;i++) {
		scanf("%d%d",&q[i].x,&q[i].y);
		q[i].id=i;
		ex[last[q[i].y]].push_back(q[i]);
	}
	memset(vis,0,sizeof(vis));
	dfs1(root);
	for (int i=1;i<=m;i++) {
		printf("%d\n",ans[i]);
	}
	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