GDOI 2017划水记

DAY 0

早上在电脑室果断颓的一批,上午写了几道水题,然后就愉快的滚去吃饭了,吃饭的时候还顺便勒索(划去)子豪,叫他请了一波午餐,顿时感觉rp–。

然后吃完饭之后阳痿突然发现他手机没拿,我们就又跑回电脑室去拿手机,在这个途中居然还被曾于顺便拉过去开了一波网,然后就没有任何意外的迟到了,貌似我们NOIP的时候也是这样迟到了。rp–

下午到了酒店,颓了一个下午,不过顺便刷了一道水题。

下午去吃晚饭的时候,波波他们居然不知道要去。。于是他们就没去。。

动画的饭菜还是不错的。。还有山药猪手,可以的啊。

晚上的时候复习了一波cheak的板子,然后叫了一发KFC就睡觉了,不过睡觉前果断把我加了的大佬全部发了一句“GDOI rp++ bless all”

睡前阳痿还叫我定闹钟//原因竟然是他怕他一台手机会有意外。

DAY 1

早上6点就被闹钟闹醒,然后果断赖一会床,起了之后去吃早餐,酒店的早餐出乎意料的好,不过就是去完了,导致没位置了。吃完之后遇到了KIKI,然后怒了一波天,本来我们吃完也不算特别晚的,但是不知道为什么我们却是最后一批上车的,rp–。

在车上背了一波后缀数组的板子,但是就是没去管KMP(这是个伏笔)到了考场,果断调试一波,嗯看看,g++用不了。。叫老师,发现是没设环境变量,好怒设一波,还是用不了,再召唤老师,发现还是用不了,结果发现居然是没有保存,rp–。

GDOI居然还有士力架,好评,然后开始看题

T1:嗯,字符串//卧槽,居然是字符串!!!完蛋了,我字符串贼弱

T2:嗯//求一个出现的最小正整数?水题(这是个flag)

T3:哈,又是字符串?打飞机吧//这玩个蛇皮球

T4:嗯//小学生几何题//弃疗

然后返回去做T2,写了写出题人改了一波题面,顿时爆炸,卧槽,我发现这样讲的话就是错的啦///尴尬,苦思无果之后又掉回头去写T1,第一眼,不会,第二眼KMP有70诶,然后我TMD意识到我不会写KMP!!!!!

GG!!你能感受得到那种你明明知道这种解法有分却不会写的痛苦吗!!果断打一波暴力//然后调了1h+

T2,暴力。。T3没写,T4输出样例//很好滚粗了

中午怒讨论一波。。发现100分基本是大众分了,很好明天比完我就可以在酒店睡觉了,D3无望的选手一脸懵逼。

下午出题人讲课,居然T1 KMP能A,卧槽,卧槽,卧槽!!!!!T2貌似是随便搞搞,T3是字典树+后缀自动机,T4公式题//NTT乱搞/

发现成绩//20//居然比我预想的还要差。。gg了,我觉得我T2比完就可以不管了//看来我D3的时候可以在酒店睡大觉了,顺便在准备一下辩论的事情吧//唉,蒟蒻没办法啊,一下失误就是万劫不复。

DAY 2

本来说六点钟去吃早餐的,结果果断睡到6:10才起,然后刷牙洗脸,真正出发的时候已经差不多6:40了,果然是赖床一年系列吗。然后吃完早餐就是去考场,去考场之前,阳痿安慰我是说:没关系的啦,我去年DAY1才10分//看这就是大佬,DAY1 10分都能进DAY3,然后带着DAY2翻盘的想法就滚去了考场。

在去考场的车上遇到了YJK,他们果断奶了一波说今天应该会考期望,我原来以为是毒奶///而且据YJK说,昨天T1的pascal被卡正解,尴尬,而且据说T2数据还错了//

准备开考前肚子果断痛一波,果断去一波厕所,嗯,很好,进考场之后发现桌子上有士力架(阳痿一直在吐槽这个,他说这个好甜啊)然后嗯,调试电脑,解压题目,开始看题。

T1 好像可以网络流

T2 很好,不会

T3 很好,又尼玛有字符串//

T4 欸欸欸!!!期望!!求个毛的期望啊//

回过头去想T2,发现裸的暴力居然不能过,30都没有,想一想优化,然后就莫名其妙的想到分块//为什么其他人都知道可以异或啊///

然后去敲T1,看一眼,嗯费用流,再看一眼,嗯迪杰斯特拉,再看一眼,貌似bfs就可以了,好果断开码,码呀码呀就码完了,然后过了样例,很好,非常好,去想T3,很好我弃疗了。然后回去手出T1数据,然后,然后我在结束前15分钟发现我写错了!!!!GG

赶紧改,接着我就改呀改呀改呀,然后就结束了。

很好,翻盘无望,果断回家放5.1似乎没有什么问题。

成绩出来之后发现我bfs打炸了,我仿佛学了假的bfs,然后果断滚粗,据说yjk打堆优迪杰斯特拉被卡了,只有50分,t2倒是很稳的拿了30分暴力,但是不管怎么说还是滚粗了。

下午围观讲题,栋爷上去讲了一发T4,感觉好叼啊,T2居然优美点N^2能过,简直感人,于是我就很愉快的gg了。

据说最后DAY3线是230,诶。。想想自己,打的稳一点是可以的,诶,果然还是太弱了,YJK200据说滚粗了,纪中大爷据说有500+的。

不管了,学习一年,明年再战!

总结

总的来说还是自己太弱了,连KMP都不会打,如果我能把KMP打出来,诶。。

其实最气的不是自己不会做,最气的是明明想到正解了却不会写。。真的是,诶~

算了,不管了,水一水,滚回去学文化课去//

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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,因为它们具有忆功能,能够捕捉数据中的时间依赖性。 5. **长短期忆网络(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