LOJ#3160. 「NOI2019」斗主地 打表+拉格朗日插值

裸做的话设一个 $p[i][j]$ 表示两个堆分别抽走 $i,j$ 个的概率.   

转移的话就枚举当前是第几个,然后再枚举左/右面由下向上第几个贡献.      

不在模意义下做,开 double 打表发现无论怎样洗牌,一次函数还是一次函数,二次函数还是二次函数.   

那么我们只需暴力维护出牌的前 3 项,然后后面的项用拉格朗日插值求出即可.  

code: 

#include <cstdio> 
#include <cstring>
#include <algorithm>    
#define N 500009  
#define ll long long  
#define mod 998244353
#define setIO(s) freopen(s".in","r",stdin),freopen(s".out","w",stdout)  
using namespace std;    
int qpow(int x,int y) {    
	int tmp=1; 
	for(;y;y>>=1,x=(ll)x*x%mod) { 	
		if(y&1) tmp=(ll)tmp*x%mod;  
	} 
	return tmp;   
} 
int get_inv(int x) { 
	return qpow(x,mod-2); 
}
namespace Lagrange {  
	int x[5],y[5],dn[5];  
	void init() {     	
		for(int i=1;i<=3;++i) {  	  	
			dn[i]=1;  
			for(int j=1;j<=3;++j) { 
				if(i==j) continue;  
				dn[i]=(ll)(x[i]-x[j]+mod)%mod*dn[i]%mod;   
			}   
			dn[i]=get_inv(dn[i]);  
		}
	}
	int solve(int v) {  	
		int an=0; 
		for(int i=1;i<=3;++i) {   
			int up=1;  
			for(int j=1;j<=3;++j) { 	
				if(i==j) continue;  
				up=(ll)(v-x[j]+mod)%mod*up%mod;        
			}       
			(an+=(ll)y[i]*up%mod*dn[i]%mod)%=mod;  
		}  
		return an;  
	} 
}; 
int n,m,ty;  
int a[N],tmp[10000009],A[N],p[4][4],inv[10000008];        
void init() { 
	inv[1]=1; 
	for(int i=2;i<10000008;++i) { 
		inv[i]=(ll)(mod-mod/i)*inv[mod%i]%mod; 
	}  
	inv[0]=1;  
}
void calc(int tmp) {  
	memset(p,0,sizeof(p));      
	p[0][0]=1;    	
	int na=tmp,nb=n-tmp;         
	for(int i=0;i<=min(3,na);++i) {               
		for(int j=0;j<=min(3,nb);++j) {             
			if(!i&&!j) continue;     
			int tot=na-i+1+nb-j;        
			if(i) { 	          
				(p[i][j]+=(ll)p[i-1][j]*(na-i+1)%mod*inv[tot]%mod)%=mod;  
			}  
			if(j) { 
				(p[i][j]+=(ll)p[i][j-1]*(nb-j+1)%mod*inv[tot]%mod)%=mod;  
			}
		}
	}
}                    
int main() {  
	// setIO("landlords");                           
	scanf("%d%d%d",&n,&m,&ty);                                   
	for(int i=n-2;i<=n;++i) { 
		Lagrange::x[n-i+1]=i; 
		Lagrange::y[n-i+1]=(ty==1?i:(ll)i*i%mod);  
	}
	Lagrange::init();  
 	init();  
	for(int i=1;i<=m;++i) { 
		scanf("%d",&A[i]); 
	}               
	for(int i=1;i<=m;++i) { 
		calc(A[i]);
		for(int j=1;j<=3;++j) {  
			int cur=n-j+1,na=A[i],nb=n-A[i];     
			tmp[cur]=0;       
			for(int k=1;k<=min(na,j);++k) {                    
				if(j-k<=nb) 
					(tmp[cur]+=(ll)p[k-1][j-k]*(na-k+1)%mod*inv[n-j+1]%mod*Lagrange::solve(na-k+1)%mod)%=mod; 
			}
			for(int k=1;k<=min(nb,j);++k) { 	
				if(j-k<=na)              
					(tmp[cur]+=(ll)p[j-k][k-1]*(nb-k+1)%mod*inv[n-j+1]%mod*Lagrange::solve(n-k+1)%mod)%=mod;        
			}
		}
		for(int j=1;j<=3;++j) { 
			Lagrange::x[j]=n-j+1;   
			Lagrange::y[j]=tmp[n-j+1];       
		}
	}            
	int Q,x,y,z; 
	scanf("%d",&Q);  
	for(int i=1;i<=Q;++i) { 
		scanf("%d",&x); 
		printf("%d\n",Lagrange::solve(x));    
	}    
	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