A1059 Prime Factors (25分) 质数因子的统计个数.cpp

题目pta,质因数,即素数的因子,有多少个,此题要求输出形式带幂次数,因此用结构体保存,注意求质因数,对于根号n来说,(n为所求的数),其实大于根号n的数理论只会有一个,所以大胆求前面的数即可,最后对这个剩余的商进行处理,直接保存即可,幂次肯定为1。P为保存的素数,不断遍历,进行求余,记得用while进行保持幂次数,NUM_yinzi为所求结果的集合的下标!

#include<iostream>
#include<cstring>
#include<bits/stdc++.h>
using namespace std;
bool test[105000];
int N = 105000;
int num;
int P[105000];
//有点像dp一次全部找到!
void isPrime() {
	int i = 2;
	for(; i <= N; i++) {
		if(test[i]==false) {
			P[num++] = i;
			for(int j = i + i; j <= N; j+=i) {
				test[j] = true;
			}
		}
	}
}
struct T {
	int x;
	int count;
} R[10];
int main() {
	int M,n;
	scanf("%d",&M);
	if(M==1){
		printf("1=1");
		return 0;
	}
	int temp = M;
	memset(test,0,sizeof(test));
	memset(P,0,sizeof(P));
	num = 0;
	isPrime();
	//枚举根号M前面的素数,进行判断
	//如果%为0;
	//如果最后M不为1  那么证明有个数的平方是大于M的
	//大于根号的只有一个!!!!记住结论
	//所以此时要注意!
	//i  代表第一个素数
	int NUM_yinzi = 0;
	int k = (int)sqrt(1.0 * M);
	//往前 最好不要把k直接赋值进去,M会一直变动!虽然没错但是有点危险 
	for(int i =0; P[i] <= k; i++) {
		if(M % P[i] == 0) {
			//是因子
			R[NUM_yinzi].x = P[i];
			R[NUM_yinzi].count = 0;
			while(M % P[i] == 0) {
				R[NUM_yinzi].count++;
				M /= P[i];
			}
			NUM_yinzi++;
		}
		//恰好的情况 
		if( M == 1) break;
	}
	if(M != 1){           // 左边一个  根号M   右边一个 
		R[NUM_yinzi].x = M;
		R[NUM_yinzi].count = 1; 
		NUM_yinzi++;
	}
	printf("%d=",temp);
	for(int i =0;i < NUM_yinzi;i++){
		if(i > 0) printf("*");
		printf("%d",R[i].x);
		if(R[i].count>1)
			printf("^%d",R[i].count);
	}







	return 0;
}

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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: 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,生成器生成据,判别器评估据的真实性。 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(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。 9. **损失函(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。 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