week10 A-签到题

题目

样例输入1

120 51840

样例输出1

7

样例输入2

42 42

样例输出2

0

样例输入3

48 72

样例输出3

-1

 

思路

我暴力求解了,将算法问题变成了数学问题。

如果m == n,直接返回0;

如果m与n不能整除,或者不是2或者3的倍数,显然输出-1;

然后将m/n的结果循环除以6(相当于除以2又除以3,速度会快一点叭),3,2,如果结果为1,直接输出num,否则不能从m到n。

写完发现有人又dfs,感觉dfs是动态规划...但暴力求解会快一点的吧...

 

代码

#include <iostream>
using namespace std;

int ans(int n, int m)
{
	if (m == n) return 0;
	int a = m / n;
	if (m % n != 0) return -1;
	else if (a % 3 != 0 && a % 2 != 0) return -1;
	else
	{
		int sum = 0;
		while (a % 6 == 0)
		{
			sum += 2;
			a /= 6;
		}
		while (a % 3 == 0)
		{
			sum++;
			a /= 3;
		}
		while (a % 2 == 0)
		{
			sum++;
			a /= 2;
		}
		if (a != 1)return -1;
		return sum;
	}
}
int main()
{
	int n, m;
	cin >> n >> m;
	cout << ans(n, m) << endl;
	//system("Pause");
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你好!对于心脏病预测的问,使用循环神经网络(RNN)是一种常见的方法。RNN适用于处理序列数据,而心电图信号就是一种序列数据。在使用RNN进行心脏病预测时,你可以将心电图信号作为输入序列,然后通过训练RNN模型来预测患者是否患有心脏病。 首先,你需要准备一个合适的数据集,其中包含心电图信号和相应的心脏病标签。可以使用公开的心电图数据集,如PTB数据库或MIT-BIH数据库。然后,你可以对数据进行预处理和特征工程,如数据清洗、滤波、降采样等。 接下来,你可以构建一个RNN模型。RNN模型由一系列循环层组成,每个循环层都会处理一个时间步的输入数据。你可以选择不同类型的RNN单元,如简单循环单元(SimpleRNN)、长短期记忆网络(LSTM)或门控循环单元(GRU)。通过添加适当的全连接层和激活函数,你可以将RNN模型输出映射到二分类问(有或无心脏病)的结果。 然后,你可以使用训练集对RNN模型进行训练,并使用验证集进行模型调优。在训练过程中,你可以使用适当的损失函数(如交叉熵)和优化算法(如随机梯度下降)来最小化模型的预测误差。 最后,你可以使用测试集对训练好的模型进行评估,并计算模型的性能指标,如准确率、精确率、召回率等。这些指标可以帮助你评估模型的预测能力和泛化能力。 需要注意的是,心脏病预测是一个复杂的医学问,仅仅使用心电图信号可能不能得到准确的预测结果。通常情况下,还需要结合其他患者的临床信息和医学知识来进行综合评估。因此,在进行心脏病预测时,建议与专业医生合作,并遵循相关的医学准则和规范。
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