Codeforces Round #453 (Div. 2) D. GCD of Polynomials 数学构造

Codeforces Round #453 (Div. 2)

D. GCD of Polynomials

题意:定义 deg(A(x)) 为多项式 A(x) 的最高项的次数,要你构造两个多项式 A(x), B(x),使得其可辗转相除恰好 n 次,即 { A(x), B(x) } -> { B(x), A(x)%B(x) } .........

tags:做不来这种构造题啊,,,但又确实是个好题,长见识了 *-*

很容易看出,要恰好 n 次,那 deg(A(x)) 肯定是 n, deg(B(x)) 肯定是 n-1。

然后类似 Fibonacci数列,{ f(n+1), f(n) }  ->   { f(n), f(n-1) }  ->  { f(n-1), f(n-2) } ......

递推式是 f(n+1) = x*f(n) + f(n-1)   %2 。

#include<bits/stdc++.h>
using namespace std;
#pragma comment(linker, "/STACK:102400000,102400000")
#define rep(i,a,b) for (int i=a; i<=b; ++i)
#define per(i,b,a) for (int i=b; i>=a; --i)
#define mes(a,b)  memset(a,b,sizeof(a))
#define INF 0x3f3f3f3f
#define MP make_pair
#define PB push_back
#define fi  first
#define se  second
typedef long long ll;
const int N = 200005;

int n, a[200][200];
int main()
{
    scanf("%d", &n);
    a[1][1]=1;
    a[2][1]=0, a[2][2]=1;
    rep(i,3,n+1)
    {
        rep(j,2,i)
            a[i][j] = a[i-1][j-1];
        rep(j,1,i)
            ( a[i][j] += a[i-2][j] ) %=2;
    }
    printf("%d\n", n);
    rep(j,1,n+1)
        printf("%d%c", a[n+1][j], " \n"[j==n+1]);
    printf("%d\n", n-1);
    rep(j,1,n)
        printf("%d ", a[n][j]);

    return 0;
}

转载于:https://www.cnblogs.com/sbfhy/p/8179630.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