POJ 1006 Biorhythms .

裸的中国剩余定理

求三个数的周期就是求他们的最小倍数

而且这三个数正好互素,所以肯定是中国剩余定理

#include<iostream>
using namespace std;
int gcdEx(int a,int b,int& x,int& y)
{   //求ax+by=gcd(a,b) 的整数解 返回gcd(a,b); 
	if(b==0) {
		x=1; y=0; return a;
	}
	int x1,y1;
	int gcd=gcdEx(b,a%b,x1,y1);
	x=y1;
	y=x1-a/b*y1;
	return gcd;
}
int n0;
int CRT(int* a,int* n,int k) 
{   //a[i]表示第i个余数,n[i]表示第i个除数,一共有k个数,返回x值 
	n0=1;
	for(int i=0;i<k;i++) n0*=n[i]; //n0=n1*n2....*nk;
	int ans=0,x,y,m;
	for(int i=0;i<k;i++)
	{
		m=n0/n[i];
		gcdEx(m,n[i],x,y);
		ans=(ans+a[i]*x*m)%n0;
	}
	if(ans<0) ans+=n0;
	return ans;
}
int main()
{
	int a[3],day,kase=0; 
	int n[3]={23,28,33};
	while(cin>>a[0]>>a[1]>>a[2]>>day&&a[0]!=-1)
	{
		int ans=CRT(a,n,3)-day;
		if(ans<=0) ans+=n0;
		cout<<"Case "<<++kase<<": the next triple peak occurs in "<<ans<<" days."<<endl;
	}
	return 0;
}



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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