第一次写博客= = 题目= =HDU1166

     刚开始学线段树。。。

第一次做的线段树题目。。。

         题目意思大概就是

   有N个营地。     每个营地初始有多少人。

  然后他会给你操作。 在某个营地上加或减多少人。。。。

然后询问你I到J和营地共有多少人。。。。。

我的思路:

        一开始建立线段树。。。

  然后在输入的时候把包含该营地的所有区间都加上该营地的值。。。

 最后就是让所有的区间就是该区间内所有营地内人数的总和。。。。

他给你操作的时候就和上面输入的时候一样操作= =

询问的时候。。

就是搜索。。。。一直搜索到满足的区间。然后都加起来= =

贴上代码。

#include<stdio.h>
#include<iostream>
#include<algorithm>
#include<string.h>
using namespace std;
int m;
int a[50000];
struct tree{
  int left;
  int right;
  int renshu;

}tree[2000000];
void inset(int inst,int le,int ri)
{   tree[inst].left=le;
    tree[inst].right=ri;
    tree[inst].renshu=0;
   // cout<<le<<" "<<ri<<endl;
    if(le==ri)
    {
        return ;
    }
    int mid=(le+ri)>>1;
    inset(2*inst,le,mid);
    inset(2*inst+1,mid+1,ri);

}
void add(int inst,int k,int p)
{
    if(k>=tree[inst].left&&k<=tree[inst].right)
    {
        tree[inst].renshu+=p;
       // cout<<tree[inst].left<<" "<<tree[inst].right<<endl;
        if(tree[inst].left==tree[inst].right)
            return ;
        int mid=(tree[inst].left+tree[inst].right)>>1;
        if(mid>=k)
        add(2*inst,k,p);
        else
            add(2*inst+1,k,p);
    }

}
void Query(int inst,int zuo,int you)
{
    if(tree[inst].left==zuo&&tree[inst].right==you)
    {
             m+=tree[inst].renshu;
        return ;
    }
    int mid=(tree[inst].left+tree[inst].right)>>1;
    if(mid>=you)
       Query(2*inst,zuo,you);
    else if(mid<zuo)
        Query(2*inst+1,zuo,you);
    else
    {
      Query(2*inst,zuo,mid);
      Query(2*inst+1,mid+1,you);
    }
}
int main()
{
    int t;
    scanf("%d",&t);
    for(int i=1;i<=t;i++)
    {
        int n;
        scanf("%d",&n);
        inset(1,1,n);

        for(int j=0;j<n;j++)
        {
            scanf("%d",&a[j]);
            add(1,j+1,a[j]);
        }
        char z[10];
        printf("Case %d:\n",i);
        while(1)
        { scanf("%s",z);
            int t,p;
            if(strcmp(z,"End")==0)
                break;
            scanf("%d%d",&t,&p);
            if(strcmp(z,"Add")==0)
            {
                add(1,t,p);
                //cout<<1<<endl;
            }
            else if(strcmp(z,"Sub")==0)
            {   p=-p;
                add(1,t,p);
            }
            else if(strcmp(z,"Query")==0)
            {
                m=0;
                Query(1,t,p);
                printf("%d\n",m);
            }
        }
    }
}


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 1
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