2021牛客寒假算法基础集训营6

G-机器人:排序+高精度

https://ac.nowcoder.com/acm/contest/9986/G
思路:
k1排k2前面满足
k1.a*(k2.ax+k2.b)+k1.b<k2.a(k1.ax+k1.b)+k2.b
k2.a
k1.b+k2.b>k1.a*k2.a+k1.b

#include <bits/stdc++.h>
#define ull unsigned long long
#define ll long long
const int inf = 0x3f3f3f3f;
const int mod = 998244353;
const int N = 500005;
const ll ds = 1e15+7;
//const double p1 = 3.141592653589793238462643383;

using namespace std;

struct Node{
	int a,b;
}node[25];
//k1排k2前面满足 
//k1.a*(k2.a*x+k2.b)+k1.b<k2.a*(k1.a*x+k1.b)+k2.b
//k2.a*k1.b+k2.b>k1.a*k2.a+k1.b
bool cmp(Node k1,Node k2)
{
	return k2.a*k1.b+k2.b>k1.a*k2.b+k1.b;
}

void print(__int128 x) {
    if (x < 0) {
        putchar('-');
        x = -x;
    }
    if (x > 9) print(x / 10);
    putchar(x % 10 + '0');
}

void solve()
{
	int n,x;
	cin >> n >> x;
	for(int i = 1; i <= n; i++){
		cin >> node[i].a >> node[i].b;
	}
	sort(node+1,node+n+1,cmp);
	__int128 ans  = node[1].a*x+node[1].b;
	for(int i = 2; i <= n; i++){
		ans = node[i].a*ans+node[i].b;
	}
	print(ans);
}

int main()
{
	solve();
	return 0;
}

J-天空之城:最小生成树模板

https://ac.nowcoder.com/acm/contest/9986/J
思路:仔细一看发现是最小生成树,现在麻烦的是如何建图,因为每个点是字母,那就将字母用数字代替。

#include <bits/stdc++.h>
#define ull unsigned long long
#define ll long long
const int inf = 0x3f3f3f3f;
const int mod = 998244353;
const int N = 500005;
const ll ds = 1e15+7;
//const double p1 = 3.141592653589793238462643383;

using namespace std;

struct Node{
	int u,v;
	ll val;
	bool operator<(const Node& a)const{
	    return val < a.val;
	}
}node[N];

map<string,int>mp;
int f[N];
int k,n,q,flag = 0,num = 1;
ll ans = 0;
int find(int x)
{
	if(x!=f[x]) return f[x] = find(f[x]);
	return f[x];
}

void merge(int x,int y)
{
	x = find(x);
	y = find(y);
	if(x!=y) f[x] = f[y];
}

void solve()
{
	string s1,s2,tmp;
	while(cin >> n >> q){
		ans = 0;
	for(int i = 1; i <= n; i++)
		f[i] = i;
		cin >> tmp;
		mp[tmp] = 1;
		int cnt = 1;
		for(int i = 1; i <= q; i++){
			ll v;
			cin >> s1 >> s2 >> v;
			if(!mp[s1]) mp[s1] = ++cnt;
			if(!mp[s2]) mp[s2] = ++cnt;
			node[i].u = mp[s1];
			node[i].v = mp[s2];
			node[i].val = v;
		}
		sort(node+1,node+q+1);
		int cnt1 = 0;
		for(int i = 1; i <= q; i++){
			if(cnt1 == n-1) break;
			int u = node[i].u;
			int v = node[i].v;
			if(find(u) != find(v)) {
				merge(u,v);
				ans += node[i].val;
				cnt1++;
			}
		}
		if(cnt1 != n-1) cout << "No!" << endl;
		else cout << ans << endl;
		mp.clear();
	}
}

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。
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