2019 Multi-University Training Contest 1

 

1004

#include<bits/stdc++.h>
using namespace std;

const int maxn=1e5+10;
struct note
{
    double s,v,l;
} c[maxn];
int main()
{
    int n;
    while(~scanf("%d",&n))
    {
        for(int i=0; i<=n; i++)
            scanf("%lf",&c[i].l);
        for(int i=0; i<=n; i++)
            scanf("%lf",&c[i].s);
        for(int i=0; i<=n; i++)
            scanf("%lf",&c[i].v);
        double ans=0;
        double len=0;
        for(int i=0; i<=n; i++)
        {
            if(i!=0) len+=c[i].l;
            double t=(c[i].s+len)/c[i].v;
            ans=max(ans,t);
        }
        printf("%.10lf\n",ans);
    }
}
View Code

 

1009

#include<bits/stdc++.h>
using namespace std;

const int maxn=1e5+10;
char s[maxn];
char ans[maxn];
int down[27],up[27];
int use[27];
int num[maxn][27];
queue<int> Q[30];
int main()
{
    int k;
    while(~scanf("%s%d",s+1,&k))
    {
        int len=strlen(s+1);
        memset(num,0,sizeof(num));
        memset(use,0,sizeof(use));
        for(int i=1; i<=26; i++)
            while(!Q[i].empty()) Q[i].pop();
        for(int i=len; i>=1; i--)
        {
            int t=s[i]-'a'+1;
            for(int j=1; j<=26; j++)
                num[i][j]=num[i+1][j]+(j==t);
        }
        for(int i=1; i<=26; i++)
            scanf("%d%d",&down[i],&up[i]);
        for(int i=1; i<=len; i++)
        {
            int t=s[i]-'a'+1;
            Q[t].push(i);
        }
        int pos=0;
        int cnt=0;
        for(int i=1; i<=k; i++)
        {
            for(int j=1; j<=26; j++)
            {
                if(use[j]==up[j]) continue;
                while(!Q[j].empty()&&Q[j].front()<=pos) Q[j].pop();
                if(!Q[j].empty())
                {
                    int flag1=1;
                    int minn,maxx;
                    int now=Q[j].front();
                    minn=maxx=0;
                    use[j]++;
                    for(int k=1; k<=26; k++)
                    {
                        if(down[k]>num[now+1][k]+use[k])
                            flag1=0;
                        minn+=max(0,down[k]-use[k]);
                        maxx+=min(up[k]-use[k],num[now+1][k]);
                    }
                    if(minn>k-i||maxx<k-i)
                        flag1=0;
                    if(flag1)
                    {
                        pos=Q[j].front();
//                        printf("pos=%d\n",pos);
                        ans[++cnt]='a'+j-1;
                        break;
                    }
                    else
                        use[j]--;
                }
            }
        }
        if(cnt==k)
        {
            for(int i=1; i<=k; i++)
                printf("%c",ans[i]);
        }
        else
            printf("-1");
        printf("\n");
    }
}
View Code

 

转载于:https://www.cnblogs.com/dongdong25800/p/11503037.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