P4900 食堂(数学式子推导)

P4900 食堂

推导

a n s = ∑ i = 1 n ∑ j = 1 i i j − ∑ i = 1 n ∑ j = 1 i ⌊ i j ⌋ 前 项 为 ∑ i = 1 n i ∑ j = 1 i i n v ( j ) , 两 次 前 缀 和 即 可 得 到 后 项 为 ∑ i = 1 n ∑ j = 1 i ⌊ i j ⌋ = ∑ i = 1 n ∑ j = 1 i d ( j ) , n l o g l o g n + 2 n 即 可 得 到 ans = \sum_{i = 1} ^{n} \sum_{j = 1} ^ {i} \frac{i}{j} - \sum_{i = 1} ^{n} \sum_{j = 1} ^{i} \lfloor\frac{i}{j} \rfloor\\ 前项为\sum_{i = 1} ^{n}i \sum_{j = 1} ^{i} inv(j), 两次前缀和即可得到\\ 后项为\sum_{i = 1} ^{n} \sum_{j = 1} ^{i} \lfloor \frac{i}{j} \rfloor = \sum_{i = 1} ^{n} \sum_{j = 1} ^{i} d(j),nloglogn + 2n即可得到\\ ans=i=1nj=1ijii=1nj=1ijii=1nij=1iinv(j),i=1nj=1iji=i=1nj=1id(j),nloglogn+2n

本来想瞎开题,没想到又碰到数学题了

代码

/*
  Author : lifehappy
*/
#pragma GCC optimize(2)
#pragma GCC optimize(3)
#include <bits/stdc++.h>

#define mp make_pair
#define pb push_back
#define endl '\n'
#define mid (l + r >> 1)
#define lson rt << 1, l, mid
#define rson rt << 1 | 1, mid + 1, r
#define ls rt << 1
#define rs rt << 1 | 1

using namespace std;

typedef long long ll;
typedef unsigned long long ull;
typedef pair<int, int> pii;

const double pi = acos(-1.0);
const double eps = 1e-7;
const int inf = 0x3f3f3f3f;

inline ll read() {
    ll f = 1, x = 0;
    char c = getchar();
    while(c < '0' || c > '9') {
        if(c == '-')    f = -1;
        c = getchar();
    }
    while(c >= '0' && c <= '9') {
        x = (x << 1) + (x << 3) + (c ^ 48);
        c = getchar();
    }
    return f * x;
}

const int N = 1e6 + 10, mod = 998244353;

ll quick_pow(ll a, int n) {
    ll ans = 1;
    while(n) {
        if(n & 1) ans = ans * a % mod;
        a = a * a % mod;
        n >>= 1;
    }
    return ans;
}

ll prime[N], inv[N], f1[N], f2[N], cnt;

bool st[N];

void init() {
    inv[1] = 1;
    for(int i = 2; i < N; i++) {
        if(!st[i]) {
            inv[i] = quick_pow(i, mod - 2);
            prime[++cnt] = i;
        }
        for(int j = 1; j <= cnt && 1ll * i * prime[j] < N; j++) {
            st[i * prime[j]] = 1;
            inv[i * prime[j]] = inv[i] * inv[prime[j]] % mod;
            if(i % prime[j] == 0) {
                break;
            }
        }
    }
    for(int i = 1; i < N; i++) {
        inv[i] = (inv[i - 1] + inv[i]) % mod;
        for(int j = i; j <= N; j += i) {
            f2[j]++;
        }
    }
    for(int i = 1; i < N; i++) {
        f1[i] = 1ll * i * inv[i] % mod;
        f2[i] = (f2[i - 1] + f2[i]) % mod;
    }
    for(int i = 1; i < N; i++) {
        f1[i] = (f1[i - 1] + f1[i]) % mod;
        f2[i] = (f2[i - 1] + f2[i]) % mod;
    }
}

int main() {
    // freopen("in.txt", "r", stdin);
    // freopen("out.txt", "w", stdout);
    // ios::sync_with_stdio(false), cin.tie(0), cout.tie(0);
    init();
    int T = read();
    while(T--) {
        int A = read(), B = read();
        printf("%lld\n", ((f1[B] - f2[B] - f1[A - 1] + f2[A - 1]) % mod + mod) % mod);
    }
	return 0;
}

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