uoj#213 [UNR #1]争夺圣杯 单调栈+差分

10 篇文章 0 订阅
5 篇文章 0 订阅

Description


给一个长度为n的序列,定义一个区间的权值为区间内最大值。记ans[i]表示长度为i的所有区间权值之和膜998244353
问ans的异或和
n ≤ 1 e 6 n\le1e6 n1e6

Solution


考虑求出元素i作为最大值的区间[L[i],R[i]],记左右区间中较短的为mn,较长的为mx。我们讨论一下对于各个长度的区间这个位置的贡献是啥
当x<=mn时,区间至少要包含i这个位置,那么ans[x]就要加上x*a[i]
当mn<x<=mx时,不难发现系数恰好就是mn
当mx<x<=mx+mn-1时,系数就是mx+mn-x
可以发现1、3是一次函数的形式,2是常数。我们可以二阶差分维护这个东西,当然也可以分开维护一次项前系数和常数,最后乘上各自的x就可以了

Code


#include <stdio.h>
#include <string.h>
#include <algorithm>
#define rep(i,st,ed) for (int i=st;i<=ed;++i)
#define drp(i,st,ed) for (int i=st;i>=ed;--i)

typedef long long LL;
const int MOD=998244353;
const int N=2000005;

LL a[N],L[N],R[N],st[N],s[N],t[N],top;

int read() {
	int x=0,v=1; char ch=getchar();
	for (;ch<'0'||ch>'9';v=(ch=='-')?(-1):v,ch=getchar());
	for (;ch<='9'&&ch>='0';x=x*10+ch-'0',ch=getchar());
	return x*v;
}

void upd(LL &x,LL v) {
	x=((x+v)%MOD+MOD)%MOD;
}

int main(void) {
	freopen("data.in","r",stdin);
	int n=read();
	rep(i,1,n) a[i]=read();
	st[top=1]=L[1]=1;
	rep(i,2,n) {
		while (top&&a[i]>a[st[top]]) top--;
		st[++top]=i; L[i]=st[top-1]+1;
	}
	st[top=0]=n+1;
	st[top=1]=n,R[n]=n;
	drp(i,n-1,1) {
		while (top&&a[i]>=a[st[top]]) top--;
		st[++top]=i; R[i]=st[top-1]-1;
	}
	rep(i,1,n) {
		LL l=i-L[i]+1,r=R[i]-i+1;
		LL mn=std:: min(l,r),mx=r+l-mn;
		upd(s[1],a[i]),upd(s[mn+1],MOD-a[i]);
		upd(s[mx+1],MOD-a[i]),upd(s[mx+mn],a[i]);
		upd(t[mn+1],mn*a[i]%MOD),upd(t[mx+1],MOD-mn*a[i]%MOD);
		upd(t[mx+1],(mx+mn)%MOD*a[i]%MOD),upd(t[mx+mn],MOD-(mx+mn)%MOD*a[i]%MOD);
	}
	rep(i,1,n) upd(s[i],s[i-1]);
	rep(i,1,n) upd(t[i],t[i-1]);
	rep(i,1,n) upd(t[i],s[i]*i%MOD);
	LL ans=0;
	rep(i,1,n) ans=ans^t[i];
	printf("%lld\n", ans);
	return 0;
}
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