codeforce465DIV2——D. Fafa and Ancient Alphabet

概率的计算答案给出的这张图很清楚了,然后因为要求取模,a/b%M=a*b^-1%M=a*inv(b,M)%M;

 1 #include <cstdio>
 2 #include <cstring>
 3 #include <iostream>
 4 #include <cstdio>
 5 
 6 using namespace std;
 7 const int maxn=100000+10;
 8 const int MOD=1000000007;
 9 typedef long long LL;
10 int n,m;
11 int s1[maxn],s2[maxn],d[maxn];
12 void gcd(LL a,LL b,LL &d,LL &x,LL &y){
13     if(!b){
14         d=a;x=1;y=0;
15     }else{
16         gcd(b,a%b,d,y,x);
17         y-=x*(a/b);
18     }
19 }
20 LL inv(LL a,LL n){
21     LL d,x,y;
22     gcd(a,n,d,x,y);
23     return d==1?(x+n)%n:-1;
24 }
25 LL dp(int a){
26     if(a==n+1)return 0;
27     if(s1[a]==s2[a]&&s1[a]!=0&&s2[a]!=0)return dp(a+1);
28     if(s1[a]>s2[a]&&s1[a]!=0&&s2[a]!=0)return 1;
29     if(s1[a]<s2[a]&&s1[a]!=0&&s2[a]!=0)return 0;
30     if(s1[a]==0&&s2[a]!=0)
31     return (((m-s2[a])%MOD*inv(m,MOD))%MOD+dp(a+1)%MOD*inv(m,MOD))%MOD;
32     if(s1[a]!=0&&s2[a]==0)
33     return (((s1[a]-1)%MOD*inv(m,MOD))%MOD+(dp(a+1))%MOD*inv(m,MOD))%MOD;
34     if(s1[a]==0&&s2[a]==0)
35     return (((m-1)%MOD*inv(2*m,MOD))%MOD+(dp(a+1)%MOD*inv(m,MOD)))%MOD;
36 }
37 
38 
39 int main(){
40     scanf("%d%d",&n,&m);
41     for(int i=1;i<=n;i++)scanf("%d",&s1[i]);
42     for(int i=1;i<=n;i++)scanf("%d",&s2[i]);
43     LL P=dp(1);
44     cout<<P;
45 return 0;
46 }
View Code

 

转载于:https://www.cnblogs.com/LQLlulu/p/8786097.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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