1588: [HNOI2002]营业额统计(Splay树入门)

题目的连接
今天开始学习splay树,如cxlove大神所说,开始主要追随别人的代码,然后写出适合自己的,学习的话可以参考kuangbin的这篇文章,及里面提及的论文


#include<cstdio>
#include<algorithm>
using namespace std;
const int maxn=100005;
const int inf=1<<28;

int pre[maxn],key[maxn],ch[maxn][2],root,tot1;//父亲的节点,键值,左右儿子,根,用于newnode产生节点的计数器
int n;

void NewNode(int &r,int father,int k){//生成新的节点,节点的父亲是father,关键值是key
    r=++tot1;
    pre[r]=father;
    key[r]=k;
    ch[r][0]=ch[r][1]=0;//左右儿子开始是空
}

void Rotate(int x,int kind){//kind==0表示左旋(是指x绕父节点左旋),kind==1表示右旋
    int y=pre[x];
    ch[y][!kind]=ch[x][kind];
    pre[ch[x][kind]]=y;
    if(pre[y])ch[pre[y]][ch[pre[y]][1]==y]=x;
    pre[x]=pre[y];
    ch[x][kind]=y;
    pre[y]=x;
}

void Splay(int x,int goal){//进行伸展的操作
    while(pre[x]!=goal){
        if(pre[pre[x]]==goal){
            Rotate(x,ch[pre[x]][0]==x);
        }
        else {
            int y=pre[x];
            int kind=ch[pre[y]][0]==y;
            if(ch[y][kind]==x){//方向不一致,做两次方向不同的旋转
                Rotate(x,!kind);
                Rotate(x,kind);
            }
            else {//方向一样,两次相同的旋转
                Rotate(y,kind);
                Rotate(x,kind);
            }
        }
    }
    if(goal==0)root=x;//更新父节点
}

int Insert(int k){//插入一个键值
    int r=root;
    while(ch[r][key[r]<k]){
        if(key[r]==k){//避免重复插入
            Splay(r,0);
            return 0;
        }
        r=ch[r][key[r]<k];
    }
    NewNode(ch[r][key[r]<k],r,k);
    Splay(ch[r][key[r]<k],0);
    return 1;
}

int get_pre(int x){//找X的前驱
    int tmp=ch[x][0];
    if(tmp==0)return inf;
    while(ch[tmp][1])
        tmp=ch[tmp][1];
    return key[x]-key[tmp];
}

int get_next(int x){//找X的后继
    int tmp=ch[x][1];
    if(!tmp) return inf;
    while(ch[tmp][0])
        tmp=ch[tmp][0];
    return key[tmp]-key[x];
}

int main(){
    while(scanf("%d",&n)!=EOF){
        root=tot1=0;
        int ans=0;
        for(int i=1;i<=n;i++){
            int num;
            if(scanf("%d",&num)==EOF) num=0;
            if(i==1){
                ans+=num;
                NewNode(root,0,num);
                continue;
            }
            if(Insert(num)==0)continue;
            int a=get_next(root);
            int b=get_pre(root);
            ans+=min(a,b);
        }
        printf("%d\n",ans);
    }
    return 0;
}
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