洛谷 P3865 【模板】ST表

嗯...

 

题目链接:https://www.luogu.org/problemnew/show/P3865

 

AC代码:

 1 #include<cstdio>
 2 #include<iostream>
 3 #include<cmath>
 4 
 5 using namespace std;
 6 
 7 int m, n, a[200005], st[200005][35];
 8 
 9 int main(){
10     scanf("%d%d", &n, &m);
11     for(int i = 1; i <= n; i++){
12         scanf("%d", &a[i]);
13         st[i][0] = a[i];
14     }
15     for(int j = 1; j <= log2(n); j++){
16         for(int i = 1; i + (1 << j) - 1 <= n; i++){
17             st[i][j] = max(st[i][j - 1], st[i + (1 << j - 1)][j - 1]);
18         }
19     }
20     for(int i = 1; i <= m; i++){
21         int l, r;
22         scanf("%d%d", &l, &r);
23         int k = log2(r - l + 1);
24         printf("%d\n", max(st[l][k], st[r - (1 << k) + 1][k]));
25     }
26     return 0;
27 }
AC代码

 

转载于:https://www.cnblogs.com/New-ljx/p/11228060.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。
洛谷p1238是一个题目,具体要求是给定一个迷宫,求从起点到终点的最短路径。这个问题可以使用链示迷宫,并使用广度优先搜索算法来求解最短路径。 以下是一个示例代码,演示了如何使用链和广度优先搜索算法来解决洛谷p1238题目中的迷宫问题: ```python from collections import deque # 定义迷宫的链节点类 class Node: def __init__(self, x, y, val): self.x = x self.y = y self.val = val self.next = None # 构建迷宫的链 def build_maze(maze): m = len(maze) n = len(maze[0]) head = Node(0, 0, maze[0][0]) curr = head for i in range(m): for j in range(n): if i == 0 and j == 0: continue node = Node(i, j, maze[i][j]) curr.next = node curr = node return head # 广度优先搜索算法求解最短路径 def bfs(maze): m = len(maze) n = len(maze[0]) visited = [[False] * n for _ in range(m)] queue = deque([(0, 0, 0)]) # (x, y, step) visited[0][0] = True while queue: x, y, step = queue.popleft() if x == m - 1 and y == n - 1: return step for dx, dy in [(1, 0), (-1, 0), (0, 1), (0, -1)]: nx, ny = x + dx, y + dy if 0 <= nx < m and 0 <= ny < n and not visited[nx][ny] and maze[nx][ny] == 0: queue.append((nx, ny, step + 1)) visited[nx][ny] = True return -1 # 示例迷宫 maze = [ [0, 1, 0, 0, 0], [0, 1, 0, 1, 0], [0, 0, 0, 0, 0], [0, 1, 1, 1, 0], [0, 0, 0, 1, 0] ] # 构建迷宫的链 maze_head = build_maze(maze) # 使用广度优先搜索算法求解最短路径 shortest_path = bfs(maze) print("最短路径长度为:", shortest_path) ```
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