PAT (Advanced) 1010. Radix (25)

原题:1010. Radix (25)



解题思路:

题目思路其实很简单, 转成十进制比大小即可,但是题中数据范围没有给,需要考虑到溢出等很多细节:

1.要算的基数应大于等于该数的每位数中的最大值加一。

2.在计算途中出现溢出要单独考虑。

3.尽量用long long保存数据,我一开始用int型导致一直有几个测试点过不去。

4.在查找基数时用二分, 不然会超时。


C++代码如下:

#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
//转化为10进制的函数
long long getNum(char str[], int radix)
{
    long long num = 0;
    int len = strlen(str);
    for(int i = 0; i < len; i++)
    {
        if(str[i] >= '0' && str[i] <= '9')
        {
            num = num * radix + str[i] - '0';
        }
        else
        {
            num = num * radix + str[i] - 'a' + 10;
        }
    }
    return num;
}
int main()
{
    char num1[11], num2[11];
    int tag, radix1;
    while(scanf("%s %s %d %d", num1, num2, &tag, &radix1) != EOF)
    {
        if(tag == 2)
        {
            char num[11];
            strcpy(num, num2);
            strcpy(num2, num1);
            strcpy(num1, num);
        }
        long long c1 = getNum(num1, radix1);
        
        //以下获取数据2所需的最小进制
        int radix2 = 1;
        int len2 = strlen(num2);
        for(int i = 0; i < len2; i++)
        {
            if(num2[i] >= '0' && num2[i] <= '9')
            {
                if(num2[i] - '0' > radix2)
                {
                    radix2 = num2[i] - '0';
                }
            }
            else
            {
                if(num2[i] - 'a' + 10 > radix2)
                {
                    radix2 = num2[i] - 'a' + 10;
                }
            }
        }
        radix2++; //记得加1
        
        
        long long l = radix2, r = c1 + 1, mid;
        radix2 = -1;
        //二分查找对应基数
        while(l <= r)
        {
            mid = (l + r) / 2;
            long long c2 = getNum(num2, mid);
            if(c2 == c1)
            {
                radix2 = mid;
                break;
            }
            else if(c2 > c1 || c2 < 0) // c2小于零 必溢出
            {
                r = mid - 1;
            }
            else
            {
                l = mid + 1;
            }
        }
        if(radix2 == -1)
        {
            printf("Impossible\n");
        }
        else
        {
            printf("%d\n", radix2);
        }
    }
}



1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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