Leetcode No. 6 Z 字形变换

Leetcode No. 6 Z 字形变换

Problem

将一个给定字符串根据给定的行数,以从上往下、从左到右进行 Z 字形排列。
比如输入字符串为 “LEETCODEISHIRING” 行数为 3 时,排列如下:

L   C   I   R
E T O E S I I G
E   D   H   N

之后,你的输出需要从左往右逐行读取,产生出一个新的字符串,比如:“LCIRETOESIIGEDHN”。
请你实现这个将字符串进行指定行数变换的函数:

string convert(string s, int numRows);

示例 1:
输入: s = “LEETCODEISHIRING”, numRows = 3
输出: “LCIRETOESIIGEDHN”

示例 2:
输入: s = “LEETCODEISHIRING”, numRows = 4
输出: “LDREOEIIECIHNTSG”
解释:

L     D     R
E   O E   I I
E C   I H   N
T     S     G

Solving

暴力排序法
直接将原字符串排列成Z型

0    第一轮     2n-2  第二轮  4n-4    . . .    k(2n-2)
1         2n-3  2n         .   .   第k轮   .  k(2n-2)+1  
.       .       .        .     .        .        .        length-1
.    n+1        .     .        .      .          .      .
.   n           .   .          .   .             .   .
n-1            3n-3            .                 .

根据示意图,我们输出后的索引顺序应该是0,2n-2,4n-4,…k(2n-2),1…
我们可以根据length的值可以先计算出k值。
显然,除了第一行和最后一行,在每一轮中,插入的是两个元素。我们按照下面的方式往新字符串中插入字符:
从上往下从左往右依次插入。i从0到n,上闭下开,先从第0行开始;col从0到k,左闭右开,依次插入col*(2n-2+i),再判断,k(2n-2)是否小于length,小于即表示未超过原有字符串,继续插入。最后一行和第0行都是插入一个字符,可以使用同一段代码;而中间几段都是插入2个字符,也可以一起处理,以i为第一行为例,col从0到k,左闭右开,依次插入col*(2n-2+i),(col+1)*(2n-2-i),同样再判断第k+1轮的字符是否超过原字符串。所以最终的代码如下

Code(c++)

class Solution {
public:
    string convert(string s, int numRows) {
        if (numRows<2)  // 行数少于2行时,不需变换
            return s;
        string res;
        int k = s.length()/(2*numRows-2);  // k轮完整的z(以一下一上为一轮Z)
        for(int i=0; i<numRows; ++i){  // 按输出子串顺序,从原子串中暴力寻找
            if (i>0 && i<numRows-1){
                for(int col=0; col<k; ++col){
                    res.push_back(s[col*(2*numRows-2)+i]);
                    res.push_back(s[(col+1)*(2*numRows-2)-i]);
                }
                if(k*(2*numRows-2)+i<s.length())
                    res.push_back(s[k*(2*numRows-2)+i]);
                if((k+1)*(2*numRows-2)-i<s.length())
                    res.push_back(s[(k+1)*(2*numRows-2)-i]);
            }
            else{
                for(int col=0; col<k; ++col){
                    res.push_back(s[col*(2*numRows-2)+i]);
                }
                if(k*(2*numRows-2)+i<s.length())
                    res.push_back(s[k*(2*numRows-2)+i]);
            }
        }
        return res;
    }
};

执行用时 :16 ms
内存消耗 :9.7 MB

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