POJ 1743 - Musical Theme 后缀数组模板+用后缀数组求不覆盖最长重复子序列

             题意:

                     给了N个数(1<=N<=20000)..现在问其中有最长的相同的子串是多长..首先要没有重合..再一个子串可以是一段全部加/减一个数和另一个子串比较..

             题解:

                     熟悉模板...

Program:

#include<iostream>
#include<stdio.h>
#include<string.h>
#include<set>
#include <stack>
#include<queue>
#include<algorithm>
#include<cmath>
#define eps 1e-4
#define oo 1000000007
#define MAXN 20105
#define MAXM 100005<<1
#define ll long long
#define pi acos(-1.0) 
using namespace std;    
//----------------后缀数组模板-------------------- 
//sa[]是存好的后缀排序起点 
//rank[]是存着每个后缀的排序后位置(后面重新统计得到)
//hight[]存的是排好序后前后两个后缀最长公共前缀 
//后缀数组中的所有元素是非负数 
const int maxn = 20105;  
int rank[maxn],wb[maxn],wv[maxn],wss[maxn];
int n;    
bool cmp(int *r,int a,int b,int l)  
{  
      return r[a]==r[b] && r[a+l]==r[b+l];  
}    
void da(int *r,int *sa,int n,int m)  // n串的总长+1,m字符集的个数 
{   
      int i,j,p,*x=rank,*y=wb,*t;  
      for(i=0;i<m;i++) wss[i]=0;  
      for(i=0;i<n;i++) wss[x[i]=r[i]]++;  
      for(i=1;i<m;i++) wss[i]+=wss[i-1];  
      for(i=n-1;i>=0;i--) sa[--wss[x[i]]]=i;    
      for(j=1,p=1;p<n;j*=2,m=p)  
      {   
            for(p=0,i=n-j;i<n;i++) y[p++]=i;   
            for(i=0;i<n;i++) if(sa[i]>=j) y[p++]=sa[i]-j;  
            for(i=0;i<n;i++) wv[i]=x[y[i]];  
            for(i=0;i<m;i++) wss[i]=0;  
            for(i=0;i<n;i++) wss[wv[i]]++;  
            for(i=1;i<m;i++) wss[i]+=wss[i-1];  
            for(i=n-1;i>=0;i--) sa[--wss[wv[i]]]=y[i];  
            for(t=x,x=y,y=t,p=1,x[sa[0]]=0,i=1;i<n;i++)  
            x[sa[i]]=cmp(y,sa[i-1],sa[i],j)?p-1:p++;  
      }   
      return;  
}  
int height[maxn];  
void calheight(int *r,int *sa,int n)  // 求height,n为正整数 
{  
      int i,j,k=0;  
      for(i=1;i<=n;i++) rank[sa[i]]=i; //得到的sa[]下标是从1开始的
      for(i=0;i<n;height[rank[i++]]=k)  
         for(k?k--:0,j=sa[rank[i]-1];r[i+k]==r[j+k];k++);
      return;  
}  
//----------------后缀数组模板-------------------- 
int s[maxn],sa[maxn];
bool ok(int len,int n)
{
      int i,left,right;
      left=right=0;
      for (i=0;i<n;i++)
         if (height[i]<len) left=right=sa[i];
           else
           {
                  left=min(left,sa[i]);
                  right=max(right,sa[i]);
                  if (right-left>=len) return true;  
           }
      return false; 
}
int main()
{         
      int n,i,l,r,mid;   
      while (~scanf("%d",&n) && n)
      {
               n--;
               for(i=0;i<=n;i++) scanf("%d",&s[i]); 
               for(i=0;i<n;i++)  s[i]=s[i+1]-s[i]+100;
               s[n]=0;
               da(s,sa,n+1,200);
               calheight(s,sa,n);
               l=0,r=n;
               while (r-l>1)
               {
                       mid=r+l>>1;
                       if (ok(mid,n)) l=mid;
                                 else r=mid;
               }
               l++;
               if (l<5) l=0;
               printf("%d\n",l);
      }
      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