马虎的算式

小明是个急性子,上小学的时候经常把老师抄在黑板上的题目写错了,有一次题目是

365X45=

他却炒抄诚396X45

但是结果不哦却很具有戏剧性,他的答案是对的

类似的结果还有很多

假设a b c d c e 代表不同的数字、

满足以下的情况

ab*cde=adb*ce

这样的算式一共有多少

请你利用计算机的优势寻找所有的可能

满足交换律,所以你提交的答案肯定是个偶数

答案:142

源码:

#include<iostream>

#include<algorithm>

#include<cstdio>

using namespace std;

int a[10];

int book[10];

int check()

{    

int flag=1;

int A=a[0]*10000+a[1]*1000+a[2]*100+a[3]*10+a[4];

int B=a[4]*10000+a[3]*1000+a[2]*100+a[1]*10+a[0];

for(int i=1;i<10;i++)

{

if((A*i)==B)

{

flag=0;

break;

}

}

if(!flag)

return 1;

return 0;

}

void  dfs(int step)

{

if(step==5)

{if(check()==1)

{

printf("%d %d %d %d %d",a[0],a[1],a[2],a[3],a[4]);

 

}

return ;

}

for(int i=1;i<10;i++)

{

if(book[i]==0)

{

a[step]=i;

book[i]=1;

dfs(step+1);

book[i]=0;

}

}

      return ;

}

 

int main()

{

dfs(0);

return 0;

}

 

 

 

 




  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PyTorch 是一个基于Python的机器学习库,它提供了许多用于开发深度学习模型的工具和算法。在算式识别中,PyTorch 可以用于训练一个神经网络模型,对输入的算式进行识别和解析。 算式识别是指将输入的数学算式转换为计算机可识别的形式,通常包括识别算式的各个元素(如数字、运算符)和确定它们之间的关系。PyTorch 可以通过使用多层的神经网络模型来实现算式识别。 首先,需要准备一个合适的训练数据集,包括正例(正确的算式)和负例(错误的算式)。然后,利用PyTorch提供的工具和函数,构建一个神经网络模型。可以选择使用卷积神经网络(CNN)或循环神经网络(RNN)等结构。 训练过程中,需要先将数据集划分为训练集和测试集。通过将训练集输入到神经网络中,进行反向传播和优化,使网络能够逐渐学习到正确的算式识别方式。在每次迭代中,可以使用损失函数来评估模型的性能,并根据损失函数的结果调整模型的参数。 完成网络训练后,可以使用测试集来验证模型在未知数据上的表现。将测试集输入到训练好的模型中,通过模型的输出来进行算式识别。 通过PyTorch提供的函数和工具,我们可以实现对算式的自动识别和解析。这样就可以将输入的算式转换为计算机能够理解和处理的形式,从而实现更便捷和高效的数学计算和问题求解。 总而言之,PyTorch 可以用于算式识别,通过训练神经网络模型来实现对输入算式的自动识别和解析。这样可以方便地将算式转换为计算机可理解的形式,为数学计算和问题求解提供支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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