hihocoder 2.29

题目链接:http://hihocoder.com/contest/msbop2015qual/problem/1

#include "stdafx.h"
#include <iostream>
#include <string>
#include <map>
using namespace std;
bool Judge_year(int year)
{
    if ((year % 4 == 0 && year % 100 != 0) || year % 400 == 0)
        return true;
    return false;
}
int main()
{
    int Num;
    cin >> Num;
    int d1, d2, y1, y2;
    string s1, s2;//存放月份
    map<string, int>reflect;
    //将字符串映射成数字,比较好处理
    reflect["January"] = 1;
    reflect["February"] = 2;
    reflect["March"] = 3;
    reflect["April"] = 4;
    reflect["May"] = 5;
    reflect["June"] = 6;
    reflect["July"] = 7;
    reflect["August"] = 8;
    reflect["September"] = 9;
    reflect["October"] = 10;
    reflect["November"] = 11;
    reflect["December"] = 12;

    for (int i = 0; i<Num; i++)//有不同的输入,所以有循环
    {
        //逗号的位置,严格按输入输出顺序
        char temp;
        int count = 0;
        cin >> s1 >> d1 >> temp >> y1;//January 12, 2012
        cin >> s2 >> d2 >> temp >> y2;
        int m1, m2;
        m1 = reflect[s1];
        m2 = reflect[s2];
        //先考虑同一年的情况
        if (y1 == y2)
        {
            if (Judge_year(y1))
            {
                if (m1 < 2 && m2>2)
                    count = 1;
                //如果第二个2.29则一定是cout=1
                //因为假定输入正确
                if (m1 < 2 && m2 == 2 && d2 == 29)
                    count = 1;
                if (m1 == 2 && m2>2)
                    count = 1;
                if (m1 == 2 && m2 == 2 && d2 == 29)
                    count = 1;
            }
        }
        else
            {
                //y1!=y2时
                if (Judge_year(y1))
                {
                    if (m1 <= 2)//只要如此一定有一个
                        count++;
                }
                if (Judge_year(y2))
                {
                    if (m2 > 2 || (m2 == 2 && d2 == 29))
                        count++;
                }

                    for (int j = y1 + 1; j <= y2 - 1;)
                    {
                        if (Judge_year(j))
                        {
                            count++;
                            j += 4;
                        }
                        else j++;
                    }
                }

        cout << "case #" << i+1 << ":" << count << endl;
        }

    }
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