51Nod 1298 圆与三角形

给出圆的圆心和半径,以及三角形的三个顶点,问圆同三角形是否相交。相交输出”Yes”,否则输出”No”。(三角形的面积大于0)。

Input
第1行:一个数T,表示输入的测试数量(1 <= T <= 10000),之后每4行用来描述一组测试数据。
4-1:三个数,前两个数为圆心的坐标xc, yc,第3个数为圆的半径R。(-3000 <= xc, yc <= 3000, 1 <= R <= 3000)
4-2:2个数,三角形第1个点的坐标。
4-3:2个数,三角形第2个点的坐标。
4-4:2个数,三角形第3个点的坐标。(-3000 <= xi, yi <= 3000)

Output

共T行,对于每组输入数据,相交输出”Yes”,否则输出”No”。

Input示例

2
0 0 10
10 0
15 0
15 5
0 0 10
0 0
5 0
5 5

Output示例

Yes
No
#include<cstdio>
#include<cmath>
#include<algorithm>
using namespace std;
const double eps = 1e-6;
bool fun(double a, double b, double c, double l, double r)
{
    double d = b*b - 4 * a*c;
    if (d >eps)
    {
        double x1 = (-b) / (2 * a) - sqrt(d) / (2 * a);
        double x2 = (-b) / (2 * a) + sqrt(d) / (2 * a);
        if (x1 - min(l, r) > -eps && x1 - max(l, r) < eps) return true;
        if (x2 - min(l, r) > -eps && x2 - max(l, r) < eps) return true;
        return false;
    }
    return false;
}
bool f(double x ,double y1,double y2,double xc,double yc,double r)
{
    if (x - (xc - r) > -eps&&x - (xc + r) < eps) {
        double a = sqrt(r*r - (x - xc)*(x - xc));
        double h = yc + a;
        double l = yc - a;
        if (l - min(y1, y2) > -eps&&l - max(y1, y2) < eps) return true;
        if (h - min(y1, y2) > -eps&&h - max(y1, y2) < eps) return true;
        return false;
    }
    return false;
}
int main()
{
    int t;
    scanf("%d", &t);
    while (t--) {
        double xc, yc, r, x1, x2, x3, y1, y2, y3;
        scanf("%lf%lf%lf", &xc, &yc, &r);
        scanf("%lf%lf", &x1, &y1);
        scanf("%lf%lf", &x2, &y2);
        scanf("%lf%lf", &x3, &y3);
        bool flag = false;
        double k, c;
        if (fabs(x1 - x2)<eps) {
            flag = f(x1,y1,y2,xc,yc,r);
        }
        else{
            k = (y2 - y1) / (x2 - x1);
            c = y1 - k*x1;
            flag = fun(k*k + 1, 2 * (c - yc)*k - 2 * xc, xc*xc + (c - yc)*(c - yc) - r*r, x1, x2);
        }
        if (!flag) {
            if (fabs(x1 - x3)<eps) {
                flag = f(x1,y1,y3,xc,yc,r);
            }
            else {
                k = (y3 - y1) / (x3 - x1);
                c = y1 - k*x1;
                flag = fun(k*k + 1, 2 * (c - yc)*k - 2 * xc, xc*xc + (c - yc)*(c - yc) - r*r, x1, x3);
            }
        }
        if (!flag) {
            if (fabs(x2 - x3)<eps) {
                flag = f(x3,y2,y3,xc,yc,r);
            }
            else {
                k = (y2 - y3) / (x2 - x3);
                c = y2 - k*x2;
                flag = fun(k*k + 1, 2 * (c - yc)*k - 2 * xc, xc*xc + (c - yc)*(c - yc) - r*r, x2, x3);
            }
        }
        if (flag) puts("Yes");
        else puts("No");
    }
    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