[bzoj 4241]历史研究

124 篇文章 2 订阅
1 篇文章 0 订阅

IOI国历史研究的第一人——JOI教授,最近获得了一份被认为是古代IOI国的住民写下的日记。JOI教授为了通过这份日记来研究古代IOI国的生活,开始着手调查日记中记载的事件。
日记中记录了连续N天发生的时间,大约每天发生一件。
事件有种类之分。第i天(1<=i<=N)发生的事件的种类用一个整数Xi表示,Xi越大,事件的规模就越大。
JOI教授决定用如下的方法分析这些日记:
1. 选择日记中连续的一些天作为分析的时间段
2. 事件种类t的重要度为t*(这段时间内重要度为t的事件数)
3. 计算出所有事件种类的重要度,输出其中的最大值 现在你被要求制作一个帮助教授分析的程序,每次给出分析的区间,你需要输出重要度的最大值。

这道题用莫队添加很容易,但是删除很难,所以我们就用一个叫回滚莫队的东西。
我们定义l为当前询问的左端点所在的块的下一个块的左端点,r为当前询问的左端点所在的块的右端点(一开始),由于排序之后,如果询问的左端点所在的块相同,那么它们的询问的右端点就会递增。
那么我们r就可以单调递增,记录答案为s2,l就向左改变到询问的左端点,记录最终答案为s1,然后l就向右移动回原来的位置,消除l向左的影响,s1=s2。那这道题就解决了。

#include<cstdio>
#include<cstring>
#include<cmath>
#include<algorithm>
#include<cstdlib>
using namespace std;
inline long long Max(long long a,long long b){return a>b?a:b;}
struct node
{
    int l,r,id;
    long long s;
    node(){l=s=0;}
}q[100010],b[100010];
int n,m,cnt; 
int a[100010],belong[100010],ex[100010];
long long s1,s2,sum[100010],num[100010];
void fk()
{
    cnt=sqrt(n);
    for(int i=1;i<=n;i++)belong[i]=(i-1)/cnt+1;
}
bool cmp1(node a,node b)
{
    if(belong[a.l]==belong[b.l])
    {
        if(a.r>b.r)return false;
        if(a.r<b.r)return true;
        return 0;
    }
    if(belong[a.l]>belong[b.l])return false;
    if(belong[a.l]<belong[b.l])return true;
}
bool cmp2(node a,node b)
{
    if(a.id>b.id)return false;
    if(a.id<b.id)return true;
    return 0;
}
bool cmp3(node a,node b)
{
    if(a.s>b.s)return false;
    if(a.s<b.s)return true;
    return 0;
}
void add(int x)
{
    sum[x]+=ex[x];
    s1=Max(s1,sum[x]);
}
int main()
{
    int ss=0;
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++)scanf("%d",&b[i].s),b[i].id=i;
    sort(b+1,b+n+1,cmp3);
    for(int i=1;i<=n;i++)
    {
        if(b[i].s!=b[i-1].s)ss++;
        a[b[i].id]=ss;
        ex[ss]=b[i].s;
    }
    for(int i=1;i<=m;i++)
    {
        scanf("%d%d",&q[i].l,&q[i].r);q[i].id=i;
    }
    fk();
    sort(q+1,q+m+1,cmp1);
    int l,r;
    for(int i=1;i<=m;i++)
    {
        if(belong[q[i].l]!=belong[q[i-1].l])
        {
            memset(sum,0,sizeof(sum));
            s1=s2=0;
            l=belong[q[i].l]*cnt+1;r=l-1;
        }
        if(belong[q[i].l]==belong[q[i].r])
        {
            long long ans=0;      
            for(int j=q[i].l;j<=q[i].r;j++)
            {
                num[a[j]]+=ex[a[j]];ans=Max(ans,num[a[j]]);
            }
            q[i].s=ans;
            for(int j=q[i].l;j<=q[i].r;j++)num[a[j]]-=ex[a[j]];
        }
        else
        {
            for(int j=r+1;j<=q[i].r;j++)add(a[j]);
            s2=s1;
            for(int j=l-1;j>=q[i].l;j--)add(a[j]);
            q[i].s=s1;
            for(int j=q[i].l;j<=l-1;j++)sum[a[j]]-=ex[a[j]];
            s1=s2;
            r=q[i].r;
        }
    }
    sort(q+1,q+m+1,cmp2);
    for(int i=1;i<=m;i++)printf("%lld\n",q[i].s);
    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