51nod 矩阵快速幂(模板题)

基准时间限制:3 秒 空间限制:131072 KB 分值: 40  难度:4级算法题
给出一个N * N的矩阵,其中的元素均为正整数。求这个矩阵的M次方。由于M次方的计算结果太大,只需要输出每个元素Mod (10^9 + 7)的结果。
 
Input
第1行:2个数N和M,中间用空格分隔。N为矩阵的大小,M为M次方。(2 <= N <= 100, 1 <= M <= 10^9)
第2 - N + 1行:每行N个数,对应N * N矩阵中的1行。(0 <= N[i] <= 10^9)
Output
共N行,每行N个数,对应M次方Mod (10^9 + 7)的结果。
Input示例
2 3
1 1
1 1
Output示例
4 4
4 4

思路:矩阵快速幂模板,写的不好的地方就请大家见谅了

 1 #include<iostream>
 2 #include<algorithm>
 3 #include<cstring>
 4 #include<cmath>
 5 using namespace std;
 6 typedef long long LL;
 7 const int N = 105;
 8 const LL mod = 1e9 + 7;
 9 LL n, m;
10 struct mac {
11     LL c[N][N];
12     void reset() {
13         memset(c, 0, sizeof(c));
14         for (int i = 1; i <= n; i++)
15             c[i][i] = 1;
16     }
17 };
18 mac multi(mac a, mac b) 
19 {
20     mac ans;
21     for (int i = 1; i <= n; i++)
22         for (int j = 1; j <= n; j++) {
23             ans.c[i][j] = 0;
24             for (int k = 1; k <= n; k++) {
25                 ans.c[i][j] += (a.c[i][k] * b.c[k][j]) % mod;
26                 ans.c[i][j] %= mod;
27             }
28         }
29     return ans;
30 }
31 mac Pow(mac a, LL b) 
32 {
33     mac ans; ans.reset();
34     while (b) {
35         if (b & 1) 
36             ans = multi(ans, a);
37         a = multi(a, a);
38         b >>= 1;
39     }
40     return ans;
41 }
42 int main()
43 {
44     ios::sync_with_stdio(false);
45     while (cin >> n >> m) {
46         mac a;
47         for (int i = 1; i <= n; i++)
48             for (int j = 1; j <= n; j++)
49                 cin >> a.c[i][j];
50         a = Pow(a, m);
51         for (int i = 1; i <= n; i++) {
52             for (int j = 1; j < n; j++)
53                 cout << a.c[i][j] << " ";
54             cout << a.c[i][n] << endl;
55         }
56     }
57     return 0;
58 }

 

转载于:https://www.cnblogs.com/wangrunhu/p/9447193.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,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,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 目标检测涉及以下几个核心问: 分类问:判断图像中的目标属于哪个类别。 定位问:确定目标在图像中的具体位置。 大小问:目标可能具有不同的大小。 形状问: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,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