BZOJ3262陌上花开

三维偏序的模板。

当然各种树套树都可以搞,这里用CDQ分治弄一下。

首先利用排序使第一维有序,然后利用cdq函数开始执行类似归并排序的操作,由于左区间的第一维一定小于右区间的第一维,所以我们在归并过程中直接比较第二维,然后利用树状数组维护第三维,使之满足三维偏序,直接统计答案,执行一次cdq操作即可。

#include<iostream>
#include<algorithm>
#include<cmath>
#include<cstring>
#include<cstdio>
#include<vector>
#include<queue>
#include<stack>
#include<set>
#include<map>
#define lowbit(x) (x&(-x))
using namespace std;
struct Flower{
    int a,b,c,w,ans;
    friend bool operator < (const Flower &x,const Flower &y){
        if(x.a==y.a){
            if(x.b==y.b) return x.c<y.c;
            else return x.b<y.b;
        }else return x.a<y.a;
    }
}q[100500],tmp[100500];
int read(){
    int sum=0,f=1;char x=getchar();
    while(x<'0'||x>'9'){
        if(x=='-') f=-1;
        x=getchar();
    }while(x>='0'&&x<='9'){
        sum=(sum<<3)+(sum<<1)+x-'0';
        x=getchar();
    }return sum*f;
}
int n,lin,wmz,N,level[100500],t[205000];
bool gv[100500];
void add(int pos,int val){
    for(int i=pos;i<=wmz;i+=lowbit(i))
        t[i]+=val;
}
int ask(int pos){
    int ans=0;
    for(int i=pos;i;i-=lowbit(i))
        ans+=t[i];
    return ans;
}
void cdq(int l,int r){
    if(l==r) return ;
    int mid=l+r>>1;
    int i=l,j=mid+1,tot=l;
    cdq(l,mid);cdq(mid+1,r);
    while(i<=mid&&j<=r){
        if(q[i].b<=q[j].b) tmp[tot++]=q[i++];
        else tmp[tot]=q[j++],gv[tot++]=1;
    }
    while(i<=mid) tmp[tot++]=q[i++];
    while(j<=r) tmp[tot]=q[j++],gv[tot++]=1;
    /*cout<<endl;
    for(int i=l;i<=r;i++)
        cout<<tmp[i].a<<" "<<tmp[i].b<<" "<<tmp[i].c<<endl;*/
    for(int i=l;i<=r;i++){
        if(gv[i]) tmp[i].ans+=ask(tmp[i].c);
        else add(tmp[i].c,tmp[i].w);
    }
    for(int i=l;i<=r;i++){
        if(!gv[i]) add(tmp[i].c,-tmp[i].w);
        else gv[i]=0;
        q[i]=tmp[i];
    }
}
int main(){
    n=read();
    wmz=read();
    for(int i=1;i<=n;i++)
        q[i].a=read(),q[i].b=read(),q[i].c=read(),q[i].w=1;
    sort(q+1,q+1+n);
/*    cout<<endl;
    for(int i=1;i<=n;i++)
        cout<<q[i].a<<" "<<q[i].b<<" "<<q[i].c<<endl;*/
    lin=1;
    for(int i=2;i<=n;i++)
        if(q[i].a==q[lin].a&&q[i].b==q[lin].b&&q[i].c==q[lin].c) q[lin].w++;
        else q[++lin]=q[i];
    N=n;
    n=lin;
/*    cout<<endl;
    for(int i=1;i<=n;i++)
        cout<<q[i].a<<" "<<q[i].b<<" "<<q[i].c<<" "<<q[i].w<<endl;*/
    cdq(1,n);
    for(int i=1;i<=n;i++)
        level[q[i].ans+q[i].w-1]+=q[i].w;
    for(int i=0;i<N;i++)
        printf("%d\n",level[i]);
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/Yu-shi/p/11252471.html

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