hdu1023 Train Problem II ---卡特兰数 压位高精&Java大数

典型的卡特兰数应用题,直接求组合数C(2n,n)-C(2n,n-1)即可,但是要注意,由于这道题n的范围是n<=100,很容易爆longlong,如果是用c++写的话需要写压位高精度,但是如果用java的话就可以直接调用大数类就行,c++快很多,而且只要改一下N,当n达到60000的时候也能轻松过,但是Java直接写的话n大一点会tle,不过对于这题的数据还是能过的
c++版本ac 31ms:

#include<cstdio>
#include<cstring>

typedef long long ll;
const int N=250;
const int bit=1e9;//压9位
int cnt,tt;
ll primes[N],powers[N],res[N];
bool vis[N];

//用来获取n!中p的个数
int get(int n,int p)
{
    int s=0;
    while(n){
        s+=n/p;
        n/=p;
    }
    return s;
}

//线筛
void get_primes(int n)
{
    for(int i=2;i<=n;i++){
        if(!vis[i])primes[cnt++]=i;
        for(int j=0;primes[j]<=n/i;j++){
            vis[i*primes[j]]=true;
            if(i%primes[j]==0)break;
        }
    }
}

//等价于约分
void get_red(int n)
{
    for(int i=0;i<cnt;i++){
        int p=primes[i];
        powers[p]=get(2*n,p)-get(n,p)*2;
    }
    int k=n+1;
    for(int i=2;i<=k;i++){
        while(k%i==0){
            powers[i]--;
            k/=i;
        }
    }
}     

void mul(int b)
{
    int t=0;
    for(int i=0;i<=tt;i++){
        res[i]=res[i]*b+t;
        t=res[i]/bit;
        res[i]%=bit;
    }
    while(t){
        res[++tt]=t%bit;
        t/=bit;
    }
}

void print()
{
    printf("%lld",res[tt]);
    for(int i=tt-1;i>=0;i--)printf("%09lld",res[i]);
    printf("\n");
}

int main()
{
    int n;
    get_primes(210);
    while(~scanf("%d",&n))
    {
        memset(res,0,sizeof(res));
        memset(powers,0,sizeof(powers));
        get_red(n);
        res[0]=1;
        for(int i=2;i<=2*n;i++){
            while(powers[i]--)mul(i);
        }
        print();
    }
    return 0;
}

java版本ac 327ms:

import java.util.*;
import java.lang.*;
import java.math.*;

public class Main{
    public static void main(String[] args){
        Scanner in=new Scanner(System.in);
        while(in.hasNext()){
            int n=in.nextInt();
            BigInteger res=BigInteger.valueOf(1);
            for(int i=1,j=2*n;i<=n;i++,j--){
                res=res.multiply(BigInteger.valueOf(j));
                res=res.divide(BigInteger.valueOf(i));
            }
            BigInteger ans=BigInteger.valueOf(1);
            for(int i=1,j=2*n;i<=n-1;i++,j--){
                ans=ans.multiply(BigInteger.valueOf(j));
                ans=ans.divide(BigInteger.valueOf(i));
            }
            res=res.subtract(ans);
            System.out.println(res);
        }
    }
}

ps:如果题目改一下,只要求输出取模后的结果,且mod p p为素数,那么可以结合Lucas定理来求

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