母函数训练C题  HDU 1085

C - Holding Bin-Laden Captive!
Time Limit:1000MS     Memory Limit:32768KB     64bit IO Format:%I64d & %I64u

Description

We all know that Bin-Laden is a notorious terrorist, and he has disappeared for a long time. But recently, it is reported that he hides in Hang Zhou of China! 
“Oh, God! How terrible! ” 



Don’t be so afraid, guys. Although he hides in a cave of Hang Zhou, he dares not to go out. Laden is so bored recent years that he fling himself into some math problems, and he said that if anyone can solve his problem, he will give himself up! 
Ha-ha! Obviously, Laden is too proud of his intelligence! But, what is his problem? 
“Given some Chinese Coins (硬币) (three kinds-- 1, 2, 5), and their number is num_1, num_2 and num_5 respectively, please output the minimum value that you cannot pay with given coins.” 
You, super ACMer, should solve the problem easily, and don’t forget to take $25000000 from Bush! 

Input

Input contains multiple test cases. Each test case contains 3 positive integers num_1, num_2 and num_5 (0<=num_i<=1000). A test case containing 0 0 0 terminates the input and this test case is not to be processed. 

Output

Output the minimum positive value that one cannot pay with given coins, one line for one case. 

Sample Input

1 1 3
0 0 0
 
   
4

我们都知道本•拉登为首的是一个臭名昭著的恐怖分子,他已经消失了很长一段时间。但最近,据报道,他隐藏在中国的杭州!

“哦,上帝!多么可怕!”

别那么害怕,伙计们。虽然他隐藏在杭州的某个山洞里,但他不敢出去。拉登是如此无聊,这几年他开始研究一些数学问题,而且他说,如果有人能解决他的问题,他就自杀!

显然,拉登对于他的智商很自信。那么,他的问题是什么呢?
       “给一些中国的硬币,面值分别为1、2、5,并且这些硬币的数量分别为num_1,num_2 和num_5 ,请输出不能用这些硬币表示的最小的值。”
       相信你一定能解决这个问题。


思路:用母函数思想,设输入a,b,c;

则需要求(x^0+x^1+x^2+……+x^a)*(x^2+x^4+x^6+……+x^2*b)(x^5+x^10+……+x^5*c)这三项展开之后每一个幂的系数哪一个




#include <string.h>
#include <iostream>

using namespace std;
int c1[10000],c2[10000];
int main()
{
    int a,b,c,i,j;
    while(cin>>a>>b>>c&&(a||b||c))
    {
        memset(c1,0,sizeof(c1));
        int n=a+2*b+5*c;//n求得最大值
        for(i=0;i<=a;i++)
            {c1[i]=1;}
        for(i=0;i<=a;i++)
            for(j=0;j<=2*b;j+=2)
            c2[i+j]+=c1[i];
            for(i=0;i<=a+2*b;i++)
            {
                c1[i]=c2[i];
                c2[i]=0;
            }
            for(i=0;i<=a+2*b;i++)
            for(j=0;j<=5*c;j+=5)
            c2[i+j]+=c1[i];
        for(i=0;i<=n;i++)
            {
                c1[i]=c2[i];
                c2[i]=0;
            }
    int ans=n+1;//找不到就是最大值加一
    //for(i=0;i<100;i++)cout<<c1[i]<<" ";
    for(i=0;i<=n;i++)
    if(c1[i]==0){ans=i;break;}
      cout<<ans<<endl;
    }

    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
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