leetcode 32.Longest Valid Parentheses

题意:给出一个括号的序列,问能够正确匹配的最长的长度。


//假设给定的串是“(())()(()”,当碰到“(”时,给定值为0,碰到“)”,
//判断前面是否有能够进行匹配的“(”,若有,则给值2,否则给0。
//这里可以使用栈来进行匹配“()”,但是遇到“(())”这样,对于第一个“(”,
//当后面的“()”匹配成功出栈的时候,第一个“(”在栈顶,那么就需要记录一下,
//在它右侧成功匹配了多少括号,当它也成功匹配的时候,加上2就是当前的最长匹配长度了。
//但是像“(())()”,这样的长度应该为6,因为“(())”和“()”都是匹配成功的,怎么做呢?
//根据观察这里对应的值为0 0 2 4 0 2,当最后一个“)”匹配成功时,
//我只需判断当前坐标i-num[i]对应的num值是否为0就可以了,为0,
//则说明不正确匹配,否则正确就加上num[i-num[i]]即可。

int longestValidParentheses(string s)
{
    int len=s.length();
    int* num=(int*)malloc((len+10)*sizeof(int));
    stack<int> st;
    for(int i=0;i<len;i++)
    {
        if(s[i]=='(')
        {
            st.push(0);
            num[i]=0;
        }else
        {
            if(!st.empty())
            {
                num[i]=2+st.top();
                st.pop();
                if(!st.empty())
                {
                    st.top()+=num[i];
                }
            }else
            {
                num[i]=0;
            }
        }
        //cout<<num[i]<<" ";
    }
    //puts("");
    int ans=0;
    for(int i=len-1;i>=0;i--)
    if(num[i]>0)
    {
        ans=max(ans,num[i]);
        int tl=i-num[i],length=num[i];
        while(tl>=0&&num[tl]>0)
        {
            length+=num[tl];
            ans=max(ans,length);
            tl=tl-num[tl];
        }
        i=tl+1;
    }
    return ans;
}


//使用了上面的方法,你会发现,其实不使用栈也是可以的。
//匹配“(”同样还是给值0,匹配“)”时,此时下标为i的话,
//判断num[i-1]也就是到i-1最长的匹配成功长度,
//下标i-num[i-1]-1就是我们当前i要进行匹配的下标。
//若是“)”,则说明不能够匹配,则给值0;否则,匹配成功,
//num[i]=2+num[i-1];,需要注意的是如果因为“)”匹配成功而使得原本不相邻的两个匹配成功串相邻了,
//例如A(B),AB本不相邻,括号匹配成功后B进行扩充相邻了,
//AB的长度能够加在一起,所以最后还要num[i]+=num[i-num[i]];。

int longestValidParentheses(string s)
{
    int len=s.length();
    if(len<=1) return 0;

    int ans=0;
    int* num=(int*)malloc((len+10)*sizeof(int));
    num[0]=0;
    for(int i=1;i<len;i++)
    {
        if(s[i]=='(')
        {
            num[i]=0;
        }else
        {
            if((i-num[i-1]-1>=0)&&s[i-num[i-1]-1]=='(')
            {
                num[i]=2+num[i-1];
                if(i-num[i]>=0)
                    num[i]+=num[i-num[i]];
                ans=max(ans,num[i]);
            }else
            {
                num[i]=0;
            }
        }
    }
    return ans;
}



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