ABC354赛后总结

ABC354赛后总结

规模不大,依次枚举每一天、统计总数、与 h h h 比较即可即可。

O ( 1 ) O(1) O(1)

#include<bits/stdc++.h>
#define fors(i,b,e) for(int i=b;i<=e;i++)
using namespace std;
int h;
int sum,now=1;
signed main(){
	scanf("%d",&h);
	fors(i,1,30){
		sum+=now,now*=2;
		if(sum>h){
			printf("%d\n",i);
			return 0;
		}
	}
	return 0;
}

结构体维护选手,重载运算符——按照姓名字典序排序。最终按照题中的公式找人、输出。

O ( n ⋅ log ⁡ ( n ) ) O(n\cdot\log(n)) O(nlog(n))

#include<bits/stdc++.h>
#define fors(i,b,e) for(int i=b;i<=e;i++)
#define N 110
using namespace std;
int n;
struct Player{
	string name;
	int mark;
	bool operator<(Player ot){
		return name<ot.name;
	}
}pl[N];
int sum;
signed main(){
	scanf("%d",&n);
	fors(i,0,n-1)cin>>pl[i].name>>pl[i].mark,sum+=pl[i].mark;
	sort(pl,pl+n),printf("%s\n",pl[sum%n].name.c_str());
	return 0;
}

无脑题。直接按照 c c c 排序,如果某张牌前面存在一个 a a a 比它大的就不要。

有没有比它大的只需要记录一个目前为止 a a a 的最大值即可。

O ( n ⋅ log ⁡ ( n ) ) O(n\cdot\log(n)) O(nlog(n))

#include<bits/stdc++.h>
#define fors(i,b,e) for(int i=b;i<=e;i++)
#define N 220000
using namespace std;
int n,a[N],c[N];
array<int,3>inf[N];
set<int>ans;
int mx;
signed main(){
	scanf("%d",&n);
	fors(i,1,n)scanf("%d%d",&a[i],&c[i]),inf[i]={c[i],a[i],i};
	sort(inf+1,inf+1+n);
	fors(i,1,n)if(inf[i][1]>mx){
		ans.insert(inf[i][2]);
		mx=max(mx,inf[i][1]);
	}
	printf("%d\n",(int)ans.size());
	for(int i:ans)printf("%d ",i);
	printf("\n");
	return 0;
}

不要以为它是分类讨论!

不要以为它是分类讨论!

不要以为它是分类讨论!

我最初以为它需要分类讨论 4 4 4 个方向都在若干个 2 × 4 2\times 4 2×4 的基础上多出多少个,但是 4 4 4 个方向谁能讨论明白?

于是怎么消掉 2 2 2 个方向呢?当然是二维前缀和!首先,我们要让数据中没有负数——让 a a a b b b c c c d d d 分别加上 1 0 9 + 4 10^9+4 109+4即可。第二步,记 s u m ( x , y ) sum(x,y) sum(x,y) 为从 ( 0 , 0 ) (0,0) (0,0) ( x , y ) (x,y) (x,y) 的矩形中黑色的面积的二倍,则答案为 s u m ( c , d ) − s u m ( a , d ) − s u m ( c , b ) + s u m ( a , b ) sum(c,d)-sum(a,d)-sum(c,b)+sum(a,b) sum(c,d)sum(a,d)sum(c,b)+sum(a,b)

第三步,我们只需要找出 s u m ( x , y ) sum(x,y) sum(x,y) 的求法即可!首先,不考虑边角料,也就是说只考虑整数个 2 × 4 2\times 4 2×4 的矩形,共有 ⌊ x 4 ⌋ × ⌊ y 2 ⌋ \lfloor\frac{x}{4}\rfloor\times\lfloor\frac{y}{2}\rfloor 4x×2y,每一个对返回值的贡献为 8 8 8。之后共有 3 3 3 部分,其中右上方的有 1~x%41~y%2 这些元素,只需要打上表,直接计算贡献即可;右侧多余的一片则是 1~x%4 个,其中每个的贡献是对应的一列两个元素的和乘以 y/2;上侧多余的一片则是 1~y%2 个,其中每个的贡献是对应的一行四个元素的和乘以 x/4

这道题就搞定了!

O ( 1 ) O(1) O(1)

#include<bits/stdc++.h>
#define fors(i,b,e) for(int i=b;i<=e;i++)
#define int long long
#define N 220000
using namespace std;
int a,b,c,d;
int z[4][2];
int sum(int x,int y);
signed main(){
	z[0][0]=2,z[0][1]=1;
	z[1][0]=1,z[1][1]=2;
	z[2][0]=0,z[2][1]=1;
	z[3][0]=1,z[3][1]=0;
	cin>>a>>b>>c>>d;
	a+=4,b+=4,c+=4,d+=4;
	a+=1e9,b+=1e9,c+=1e9,d+=1e9;
	int ans=sum(c,d)-sum(c,b)-sum(a,d)+sum(a,b);
	printf("%lld\n",ans);
	return 0;
}
int sum(int x,int y){
	int ret=(x/4)*(y/2)*8;
	int cx=x%4,cy=y%2;
	fors(i,0,cx-1)fors(j,0,cy-1)ret+=z[i][j];
	fors(i,0,cx-1)ret+=(z[i][0]+z[i][1])*(y/2);
	fors(i,0,cy-1)ret+=(z[0][i]+z[1][i]+z[2][i]+z[3][i])*(x/4);
	return ret;
}

比上一题简单许多!

简单的一个博弈论,先考虑暴力搜索,每次暴力枚举先手选择哪两个,记录这两个已经被选择过,然后向下递归,如果后手作为先手能够必败那我就必胜,否则如果直到每一种情况都遍历过之后仍旧没有后手必败的情况,那么我就必败。

优化的话就是把记录每个点是否用过的数组压缩成一个整数,进行记忆化。

O ( n ) O(n) O(n)。(常数 30 30 30 忽略不计)

#include<bits/stdc++.h>
#define fors(i,b,e) for(int i=b;i<=e;i++)
#define int long long
#define N 22
using namespace std;
int n,a[N],b[N];
int ans[300000];
bool win(int zt);
signed main(){
	memset(ans,-1,sizeof(ans));
	scanf("%d",&n);
	fors(i,1,n)scanf("%d%d",&a[i],&b[i]);
	if(win(0))cout<<"Takahashi\n";
	else cout<<"Aoki\n";
	return 0;
}
bool win(int zt){
	if(ans[zt]!=-1)return ans[zt];
	bool ret=false;
	fors(i,1,n)if(!((zt>>(i-1))&1)){
		fors(j,i+1,n)if(!((zt>>(j-1))&1))if(a[i]==a[j]||b[i]==b[j]){
			ret|=!win(zt|(1<<(i-1))|(1<<(j-1)));
		}
	}
	ans[zt]=ret;
	return ret;
}

正反两边各搞出一个 LCA 的 f f f 数组( f i f_i fi 表示前 i i i 个点选择了 i i i 的最长递增子序列),依次扫描每一个点了,如果正着的对应的长度加上反着的对应的长度等于整体的 LCA 长度加 1 1 1(这个 1 1 1 就是因为被扫描点被算了两次)。

O ( n ⋅ log ⁡ ( n ) ) O(n\cdot\log(n)) O(nlog(n)),这里 LCA 用二分实现。

#include<bits/stdc++.h>
#define fors(i,b,e) for(int i=b;i<=e;i++)
#define N 220000
using namespace std;
int t,n,a[N];
int num[N],top,fs[N],fn[N];
set<int>ans;
int get_lis(int f[]);
int main(){
	scanf("%d",&t);
	while(t--){
		ans.clear(),scanf("%d",&n);
		fors(i,1,n)scanf("%d",&a[i]);
		int x=get_lis(fs);
		for(int i1=1,i2=n;i1<i2;i1++,i2--)swap(a[i1],a[i2]);
		fors(i,1,n)a[i]=-a[i];
		int y=get_lis(fn);
		assert(x==y);
		fors(i,1,n)if(fs[i]+fn[n-i+1]==x+1)ans.insert(i);
		printf("%d\n",(int)ans.size());
		for(int i:ans)printf("%d ",i);
		printf("\n");
	}
	return 0;
}
int get_lis(int f[]){
	top=0;
	fors(i,1,n){
		int l=0,r=top+1;
		while(l+1<r){
			int mid=(l+r)/2;
			if(num[mid]<a[i])l=mid;
			else r=mid;
		}
		if(r==top+1)top++;
		num[r]=a[i],f[i]=r;
	}
	return top;
}
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