uva 10623 - Thinking Backward(数学)

737 篇文章 0 订阅
202 篇文章 0 订阅

题目链接:uva 10623 - Thinking Backward

题目大意:就是给出N,表示要将平面分解成N份,问有哪些可选则的方案,m表示椭圆、n表示圆形、p表示三角形的个数,m、n、p分别给定范围。

解题思路:本来这题一点思路都没有,但是在论坛上看到一个公式N=2+2m(m1)+n(n1)+4mn+3p(p1)+6mp+6np

这样只要枚举m和p,求解n,判断n是否满足即可,注意n一定是整数。


#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>

using namespace std;
typedef  long long ll;
const int N = 100005;

struct state {
    ll n, m, p;
    void set (ll m, ll n, ll p) {
        this->m = m;
        this->n = n;
        this->p = p;
    }
}s[N];

bool cmp (const state& a,const state& b) {
    if (a.m != b.m)
        return a.m < b.m;
    if (a.n != b.n)
        return a.n < b.n;
    return a.p < b.p;
}

int main () {
    int cas = 1;
    ll n;
    while (scanf("%lld", &n) == 1 && n != -1) {
        printf("Case %d:\n", cas++);
        if (n == 1) {
            printf("0 0 0\n");
            continue;
        }
        int c = 0;

        for (ll m = 0; m < 100; m++) {
            for (ll p = 0; p < 100; p++) {
                ll sum = 2 + 2 * m * (m-1) + 3 * p * (p-1) + 6 * m * p;
                sum = n - sum;

                ll a = 4 * m + 6 * p - 1;

                /*
                if (m == 0 && p == 0)
                    printf("%lld %lld! \n", sum, a);
                    */

                double tmp = sum + a * a / 4.0;



                if (tmp < 0)
                    continue;

                tmp = sqrt(tmp);
                double x = (tmp - ((double)a / 2.0));

                if (x < 0 || x >= 20000)
                    continue;

                ll n = x;
                /*
                    */
                if (n * n + a * n == sum)
                    s[c++].set(m, n, p);

            }
        }

        sort (s, s + c, cmp);
        if (c) {
            for (int i = 0; i < c; i++)
                printf("%lld %lld %lld\n", s[i].m, s[i].n, s[i].p);
        } else
            printf("Impossible.\n");
    }
    return 0;
}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
forward-loss-backward-update 是一种在神经网络中常用的训练方法。它由以下四个步骤组成: 首先是"forward"(前向传播)步骤。在该步骤中,输入数据会通过网络的各个层级进行计算和传递。每一层都会执行一些权重计算和激活函数的操作,将结果传递给下一层。最终,前向传播会生成网络的输出。 接下来是"loss"(损失计算)步骤。该步骤主要用于计算网络的预测结果与真实标签之间的差距,即损失函数。损失函数可以是交叉熵、平方误差等。通过计算损失,我们可以得到一个衡量网络预测准确性的值。 然后是"backward"(反向传播)步骤。在该步骤中,反向传播算法会利用损失函数的梯度信息来计算每个参数的梯度。这些梯度指示了网络中各个参数对最终损失函数的贡献程度。通过反向传播,我们可以得到网络中各个参数的梯度值。 最后是"update"(参数更新)步骤。在该步骤中,我们使用梯度下降法或其他优化算法来更新网络中的参数。通过使用计算得到的梯度信息,我们可以调整网络中的参数,使其向着最小化损失函数的方向更新。 总结起来,forward-loss-backward-update 是一种有效的神经网络训练方法。通过前向传播计算网络输出,计算损失函数评估网络性能,利用反向传播计算参数梯度,最后使用参数更新方法来优化网络性能。这个过程迭代进行,使得网络能够逐渐学习到更好的表示和预测能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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