CF 246E. Blood Cousins Return [dsu on tree STL]


题意:
一个森林,求k级后代中多少种不同的权值


用set维护每个深度出现的权值
一开始一直在想删除怎么办,后来发现因为当前全局维护的东西里都是当前子树里的,如果要删除那么当前一定是轻儿子,直接清空set就行了没关系不会把一些要保留的也删除了
哈希直接上map

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <vector>
#include <string>
#include <set>
#include <map>
using namespace std;
typedef long long ll;
#define pii pair<int, ll>
#define MP make_pair 
#define fir first
#define sec second
const int N=1e5+5;
int read(){
    char c=getchar();int x=0,f=1;
    while(c<'0'||c>'9'){if(c=='-')f=-1; c=getchar();}
    while(c>='0'&&c<='9'){x=x*10+c-'0'; c=getchar();}
    return x*f;
}

int n, a[N], Q, x, root[N];
char ch[30];
map<string, int> Hash; int m;
int id[N];
set<int> Set[N];
vector<pii> q[N];
int ans[N];
struct edge{int v, ne;}e[N<<1];
int cnt, h[N];
inline void ins(int u, int v) {
    e[++cnt]=(edge){v, h[u]}; h[u]=cnt;
}
int size[N], mx[N], deep[N], big[N];
void dfs(int u) {
    size[u]=1;
    for(int i=h[u];i;i=e[i].ne) {
        deep[e[i].v] = deep[u]+1;
        dfs(e[i].v);
        size[u] += size[e[i].v];
        if(size[e[i].v] > size[mx[u]]) mx[u] = e[i].v;
    }
}

pii f[N];
void update(int u, int val) {
    if(val == 1) Set[ deep[u] ].insert(id[u]);
    else Set[ deep[u] ].erase(id[u]);
    for(int i=h[u];i;i=e[i].ne) if(!big[e[i].v]) update(e[i].v, val);
}
inline int cal(int d) { return d>n ? 0 : Set[d].size(); }
void dfs(int u, int keep) {
    for(int i=h[u];i;i=e[i].ne) 
        if(e[i].v != mx[u]) dfs(e[i].v, 0);
    if(mx[u]) dfs(mx[u], 1), big[mx[u]]=1;
    update(u, 1);
    for(int i=0; i<(int)q[u].size(); i++) ans[q[u][i].fir] = cal(deep[u] + q[u][i].sec);
    big[mx[u]]=0;
    if(!keep) update(u, -1);
}

int main() {
    //freopen("in","r",stdin);
    n=read();
    for(int i=1; i<=n; i++) {
        scanf("%s",ch+1); x=read();
        string str(ch+1);
        if(Hash.count(str)) id[i] = Hash[str];
        else Hash[str] = id[i] = ++m;
        if(x == 0) root[++root[0]] = i;
        else ins(x, i);
    }
    //for(int i=1; i<=n; i++) printf("hi %d\n",id[i]);
    Q=read();
    for(int i=1; i<=Q; i++) x=read(), q[x].push_back(MP(i, read()));
    for(int i=1; i<=root[0]; i++) dfs(root[i]), dfs(root[i], 0);
    for(int i=1; i<=Q; i++) printf("%d\n",ans[i]);
}

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