ST 表 模板

本以为ST表没用,做了个题发现O(1)的强大之处~~~

没想到 endl 比 ‘\n’慢这么多; 用endl 30分,T 7个点; \n 直接AC;

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<cmath>
using namespace std;
const int MAXN=200001;
int a[MAXN],dp[MAXN][21],n,m;
struct ST
{
    void st_init()
    {
        for(int i=1;i<=n;i++) dp[i][0]=a[i];
        for(int j=1;(1<<j)<=n;j++)
            for(int i=1;i+(1<<j)-1<=n;i++)
                dp[i][j]=max(dp[i][j-1],dp[i+(1<<(j-1))][j-1]);
        return;
    }
    int query(int l,int r)
    {
        int k=log2(r-l+1);
        return max(dp[l][k],dp[r-(1<<k)+1][k]);
    }
}st;
void solve()
{
    cin>>n>>m;
    for(int i=1;i<=n;i++) scanf("%d",&a[i]);
    st.st_init();
    while(m--)
    {
        int x,y;
        scanf("%d%d",&x,&y);
        cout<<st.query(x,y)<<"\n";
    }
}
int main()
{
    solve();
    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。
ST是一种用于快速查询区间最值的数据结构。它的核心思想是对区间进行预处理,将区间内的最值信息存储在一个二维数组中,然后利用这个数组进行查询。以下是一个求最大值的ST模板代码: ``` const int MAXN = 100005; const int MAXLOGN = 20; int a[MAXN]; int st[MAXN][MAXLOGN]; void init(int n) { for (int i = 1; i <= n; i++) { st[i][0] = a[i]; } for (int j = 1; (1 << j) <= n; j++) { for (int i = 1; i + (1 << j) - 1 <= n; i++) { st[i][j] = max(st[i][j-1], st[i+(1<<(j-1))][j-1]); } } } int query(int l, int r) { int k = log2(r-l+1); // k为最大的2的幂次方,使得2^k <= r-l+1 return max(st[l][k], st[r-(1<<k)+1][k]); } int main() { int n, q; cin >> n >> q; for (int i = 1; i <= n; i++) { cin >> a[i]; } init(n); while (q--) { int l, r; cin >> l >> r; cout << query(l, r) << endl; } return 0; } ``` 这段代码中,init函数用于初始化ST,query函数用于查询区间最大值。具体来说,init函数的实现如下: 1. 将a[i]的值存储到st[i][0]中,示区间[i,i]的最大值为a[i]。 2. 对于每个j,计算区间[i,i+2^j-1]的最大值,存储在st[i][j]中。可以发现,区间[i,i+2^j-1]可以拆分为两个长度为2^(j-1)的子区间,即区间[i,i+2^(j-1)-1]和区间[i+2^(j-1),i+2^j-1]。因此,区间[i,i+2^j-1]的最大值等于区间[i,i+2^(j-1)-1]的最大值和区间[i+2^(j-1),i+2^j-1]的最大值中较大的一个。 query函数的实现也比较简单,首先计算k,然后查询区间[l,r]的最大值,等价于查询区间[l,l+2^k-1]的最大值和区间[r-2^k+1,r]的最大值中较大的一个。 求最小值的ST模板代码与求最大值的类似,只需要将max改为min即可。
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