Leetcode 96. 不同的二叉搜索树(DAY 28) ---- 动态规划学习期 (含题解)


原题题目


在这里插入图片描述


思路图片 (官方题解)


在这里插入图片描述


代码实现(首刷半看解半自解)


int numTrees(int n){
    int dp[30] = {0},count = 0,j,i;
    dp[0] = 1,dp[1] = 1,dp[2] = 2;
    for(i=3;i<=n;i++)
    {
        j = i,count = 0;
        do
        {
            count += (dp[i-j] * dp[j-1]);
            j--;
        } while(j!=0);
        dp[i] = count;
    }
    return dp[n];
}

代码实现(二刷约等于自解)


class Solution {
public:
    int numTrees(int n) {
        vector<int> dp(n+1,0);
        dp[0] = dp[1] = 1;
        for(int i=2;i<=n;++i)
            for(int j=0;j<=i-1;++j)
                dp[i] += dp[j]*dp[i-j-1];
        return dp[n];
    }
};

代码实现(三刷自解 DAY 240 C++)


class Solution {
public:
    int get_dp(vector<int>& dp,int left,int right)
    {
        if(left > right)    return 1;
        if(dp[right - left + 1] != -1)      return dp[right - left + 1];
        int ret = 0;
        for(int i = left;i <= right;++i)
        {
            auto l = get_dp(dp,left,i-1);
            auto r = get_dp(dp,i+1,right);
            ret += l * r;
        }

        dp[right - left + 1] = ret;
        return ret;
    }

    int numTrees(int n) {
        vector<int> dp(n+1,-1);
        int ret = 0;
        for(int i = 1;i <= n;++i)
        {
            auto left = get_dp(dp,1,i-1);
            auto right = get_dp(dp,i+1,n);
            ret += left * right;
        }

        return ret;
    }
};

代码实现(四刷自解 DAY 312 C++)


class Solution {
public:
  int GetAns(vector<int>& dp, int left, int right, int pos) {
    if (left == right) return 1;

    int l = dp[pos - left];
    int r = dp[right - pos];
    if (l == -1) {
      l = 0;
      for (int i = left; i < pos; ++i) {
        l += GetAns(dp, left, pos, i);
      }
      dp[pos - left] = l;
    } 

    if (r == -1) {
      r = 0;
      for (int i = pos + 1; i <= right; ++i) {
        r += GetAns(dp, pos + 1, right, i);
      }
      dp[right - pos] = r;
    }
    return l * r;
  }

  int numTrees(int n) {
    vector<int> dp(n + 1, -1);
    dp[0] = 1;
    int ans = 0;
    for (int i = 1; i <= n; ++i) {
      ans += GetAns(dp, 1, n, i);
    }
    return ans;
  }
};
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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. **长短记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习依赖关系,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

打赏作者

Love 6

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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