刁难的李老师(升级版)

题目来源:http://116.56.140.75:8000/JudgeOnline/problem.php?id=1714

1714: 刁难的李老师(升级版)

时间限制: 1 Sec 内存限制: 64 MB

题目描述

李老师后来发现,上回给出的题目,一些机灵的同学还是找到了“投机取巧”的解决办法,于是决定要再度考验一下他们。他给同学们 修改了原来那道题,他在题中又增加了一个规则,从而加大了“投机取巧”的难度。给出了以下规则: 1、给定两个正偶数a ,b ( a < b )以及正整数k ( 0 < = k < = 100 ) 和正整数m ( 2 < = m < = 100 ); 2、定义sum为a , b间连续偶数的k次方之和。 3、要求给出sum%m的值。 例: 给定:a=2 ,b=6 ,k=2 , m=7; 则:sum=2^k+4^k+6^k=2²+4²+6²=4+16+36=56; 你应给出:sum%m的值即56%7=0; 学生给出的结果,将由李老师评判,做错的将被处罚打扫操场。由于每个学生给定的数值都不一样, 小王开始纳闷了,只好悄悄的请你帮忙,作为编程高手的你,一定不会让他失望的吧!

输入

首先输入一个正整数T,表示有T组测试样例,接下来有T行输入,每行包含四个正整数a ,b ,k ,m(2 < = a < b < = 10^8 ,0 = < k < = 100 ,2 = < m < = 100)。

输出

针对每组测试数据 ,输出sum%m的值。相邻的两组结果间用一个回车分隔。

样例输入

3
2 4 1 5
2 6 2 7
2 8 3 11

样例输出

1
0
8

解析:直接算会超出数的表示范围,可以先求余嘛

代码:

#include<iostream> 
using namespace std; 
int main() 
{ 
    int t; 
    cin >> t; 
    long long int a, b, k, m; 
    long long int num, sum; 
    while (t--) 
    { 
        cin >> a >> b >> k >> m; 
        sum = 0; 
        if (a % 2 == 0) 
        { 
            for (long long int i = a; i <= b; i += 2) 
            { 
                num = i%m; 
                for (int j = 0; j < k-1; j++) 
                { 
                    num = (num%m)*i; 
                } 
                sum += num%m; 
            } 
        } 
        else
        { 
            for (long long int i = a+1; i <= b; i += 2) 
            { 
                num = i%m; 
                for (int j = 0; j < k - 1; j++) 
                { 
                    num = (num%m)*i; 
                } 
                sum += num%m; 
            } 
        } 
        cout << sum%m << endl; 
    } 
} 
/************************************************************** 
    Problem: 1714 
    User: 201730685257 
    Language: C++ 
    Result: 正确 
    Time:0 ms 
    Memory:1484 kb 
****************************************************************/

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。
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