Codeforces Round #368 (Div. 2) B. Bakery (水题)

链接

B. Bakery


题意

给出一个n节点m条边的无向图,n个节点中有k个代表面粉厂,你只能将你的面包店开设在剩下n-k个节点上。每条边有一个长度,问把面包店开设在哪个节点上能够离面粉厂距离最近。输出最小距离,无解输出-1。


思路

题目很简单,找到离任意一个面粉厂最近的普通节点就可以。
把节点分为两类(放入两个集合或者用数组标记均可),由于输入给出的边的形式是(a, b, l),我们只要判断a和b是否属于不同集合,如果是,就根据l不断更新答案即可,没什么难度。


代码
#include <cstdio>
#include <set>
#include <iostream>
using namespace std;
#define maxn (100010)
struct _node
{
    int u, v, l;
} con[maxn];
int main()
{
    int n, m, k;
    cin >> n >> m >> k;
    for(int i = 0; i < m; i++)
        scanf("%d%d%d", &con[i].u, &con[i].v, &con[i].l);
    set<int> Set;
    int p;
    while(k--)
    {
        scanf("%d", &p);
        Set.insert(p);
    }
    int o = 1000000007;
    for(int i = 0, k1, k2; i < m; i++)
    {
        k1 = k2 = 0;
        if(Set.count(con[i].u)) k1 = 1;
        if(Set.count(con[i].v)) k2 = 1;
        if(k1 + k2 == 1) o = min(o, con[i].l);
    }
    if(o == 1000000007) cout << -1 << endl;
    else cout << o << endl;

    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