寒假集训总结&未来规划

寒假的时间比较紧张 一共集训了12天 分为两个部分
前面六天主要是图论(最短路 生成树)和树dp

后面六天则是数论的内容


前面的内容相对来说掌握得要好一点吧,可能是之前接触过比较熟悉 (诶 数论好像也学过)
最短路最熟悉的是SPFA,但是很容易被卡,然而还是很喜欢这个算法

平时做题也并没有遇到过什么目的性比较强的专门来搞最短路的题 大多都是最短路在里面当个工具用一下,打一下酱油,对最短路的时限要求并不严格的题目

可能以后要注意一下这些算法的适用范围 避免被莫名其妙地卡掉

学长的ppt:

最小生成树算法感觉上还学得比较好 主要是Kruskal算法用得比较熟练了(果然吴老师说的板子多打打感觉就出来了 该理解的不该理解的都理解了 然而我好像还是不熟线段树平衡树的那堆板子qwq
趁机复习了一波并查集 并查集还是一个比较好用的东西 代码基本上打出惯性了 _ (:з」∠) _

LCA的思想还是差不多理解 喜欢用st表或是倍增(因为它快呀) 但是st表的原理还有些不透彻吧

还有tarjan算法 听过一次 当时懂了 后来好像又2333了


树dp也还是不难理解(大多数题) 线性dp学得好的话,很多思想其实可以融会贯通。树dp就是把树这个数据结构的一些特性和dp搞在一起,而且树本身就有最优子结构。
但是还是有相当一部分题觉得比较难,有些似是而非,在写代码的时候也容易把代码写丑qwq

前半部分的考试 有一种奇怪的感觉 很多题觉得自己的思路是对的 但是和题解大相径庭 只得了部分分 一方面可能没有发现题目的一些特性进行优化 另一方面思维还有一些不太细致周密的地方 考虑得不完全 ╮(╯_╰)╭


后面的数论 就觉得有些痛苦了 一方面是上课速度有点快 有时候跳到后面了我还在想前面的证明 另一方面我感觉上课的思维有一部分不怎么跟得上
于是就出现了一个非常神奇的现象 理解的地方懂得很透彻,不懂的地方一头雾水,不明所以,一堂课下来,断断续续地听懂了其中一部分 还不是连续的 是一块一块的

而且上课越久,掉线越严重,我想我听课的智商是这样的:

然后一下课就持续回升
或许这启示我上课中途应该适当休息一下 不要总是做题 在那里苦想吧

另外,数论题现在跟高精度是好伙伴,好多题都要写高精度(太有(ke)趣(pa)了)


插播一下=>
某天上课的时候出了一道热身题 就是2018年的中考25题 其实已经被数学老师讲烂了的题型(但是我们这届中考要改题型233)
某天上课的时候学长讲了一个估计根号n的办法 从此告别了用小数一点一点乘和死记硬背的时代
某中学的入学考试题竟然出了一道均值不等式和对勾函数的裸题


About Future

就写一下比较浅显(近期)的打算或者说是想法吧 因为6.12(好像是)就要中考,从3.3(我生日(∩_∩))来算就是倒计时100天 后面肯定要被老师抓回去好好学习天天向上(开学考试又凉凉了,尽管鬼扯说入学考试就是来收心、打击一下我们的),所以OI的时间并不多。

综上可得,我寒假学习的知识还存在一些漏洞,要抓紧时间补一补,还有一些相关的题目没有做。

其中,数论掉的链子比较明显(尽管信竞不需要像数竞那样要求非常完美的证明,大部分只要会用就可以了,但是出于对知识的尊重和小孩子 追根究底的好奇心,我觉得还是看懂原理比较好)

除此之外,还要复习之前已经学过但是忘得比较厉害的内容,重新巩固一下,不要在简单的地方掉链子。

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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