【线段树 | 区间修改】Just a Hook HDU - 1698

本文介绍了一种利用线段树解决区间查询问题的方法。通过维护区间总和,支持快速更新指定区间内元素值,并查询整个区间的元素总和。适用于处理大量区间修改操作。

区间查询

Just a Hook HDU - 1698

题目大意

一开始有 n n n 个数,编号 [ 1 , n ] [1,n] [1,n],初始值为 1 1 1

q q q 次查询,每次修改某区间的每个数为 i , i ∈ [ 1 , 3 ] i, i \in [1,3] i,i[1,3]

最后求所有数总和。

解题思路

1.线段树的区间修改。最后查询的是根节点的值。

2.线段树 t r e e [ i ] . v a l tree[i].val tree[i].val 代表区间 [ l , r ] [l,r] [l,r] 的总和。

参考代码

#include<stdio.h>
#include<iostream>
#include<vector>
#include<cstring>
#include<cstdio>
#include<climits>
#include<cmath>
#include<algorithm>
#include<queue>
#include<deque>
#include<map>
#include<unordered_map>
#include<set>
#include<stack>
//#define LOCAL  //提交时一定注释
#define VI vector<int>
#define eps 1e-8
#define io ios::sync_with_stdio(false); cin.tie(0); cout.tie(0)
using namespace std;
typedef long long LL;
typedef double db;
const int inf = 0x3f3f3f3f;
const LL INF = 1e18;
const int N = 1e5 + 10;
#define ls rt << 1
#define rs rt << 1 | 1
#define lson l, mid, rt << 1
#define rson mid + 1, r, rt << 1 | 1

inline int readint() {int x; scanf("%d", &x); return x;}

struct node{
    int val, lazy;
}tree[N << 2];

void push_up(int rt) {
    tree[rt].val = tree[ls].val + tree[rs].val;
}

void push_down(int rt, int len) {  //len代表当前区间的长度
    if (tree[rt].lazy) {
        tree[ls].val = (len - (len >> 1)) * tree[rt].lazy;
        tree[rs].val = (len >> 1) * tree[rt].lazy;
        tree[ls].lazy = tree[rt].lazy;
        tree[rs].lazy = tree[rt].lazy;
        tree[rt].lazy = 0;
    }
}

void build(int l, int r, int rt) {
    tree[rt].lazy = 0;
    if (l == r) {
        tree[rt].val = 1;
        return;
    }
    int mid = l + r >> 1;
    build(lson);
    build(rson);
    push_up(rt);
}

void update(int l, int r, int rt, int ul, int ur, int val) {
    if (l >= ul && r <= ur) {
        tree[rt].val = (r - l + 1) * val;
        tree[rt].lazy = val;
        return;
    }
    push_down(rt, r - l + 1);
    int mid = l + r >> 1;
    if (mid >= ul) update(lson, ul, ur, val);
    if (mid + 1 <= ur) update(rson, ul, ur, val);
    push_up(rt);
}

int query(int l, int r, int rt, int ql, int qr) {
    if (l >= ql && r <= qr) {
        return tree[rt].val;
    }
    push_down(rt, r - l + 1);
    int mid = l + r >> 1;
    int ans = 0;
    if (mid >= ql) ans += query(lson, ql, qr);
    if (mid + 1 <= qr) ans += query(rson, ql, qr);
    return ans;
}
int main() {
#ifdef LOCAL
    freopen("input.txt", "r", stdin);
//   freopen("output.txt", "w", stdout);
#endif
    int t = readint();
    for(int ca = 1; ca <= t; ++ca) {
        int n = readint(), q = readint();
        build(1, n, 1);
        while (q--) {
            int l, r, val;
            scanf("%d%d%d", &l, &r, &val);
            update(1, n, 1, l, r, val);
        }
        printf("Case %d: The total value of the hook is %d.\n", ca, tree[1].val);
    }
    return 0;
}
训练数据保存为deep_convnet_params.pkl,UI使用wxPython编写。卷积神经网络(CNN)是一种专门针对图像、视频等结构化数据设计的深度学习模型,在计算机视觉、语音识别、自然语言处理等多个领域有广泛应用。其核心设计理念源于对生物视觉系统的模拟,主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。 **1. 局部感知与卷积操作** 卷积层是CNN的基本构建块,使用一组可学习的滤波器对输入图像进行扫描。每个滤波器在图像上滑动,以局部区域内的像素值与滤波器权重进行逐元素乘法后求和,生成输出值。这一过程能够捕获图像中的边缘、纹理等局部特征。 **2. 权重共享** 同一滤波器在整个输入图像上保持相同的权重。这显著减少了模型参数数量,增强了泛化能力,并体现了对图像平移不变性的内在假设。 **3. 池化操作** 池化层通常紧随卷积层之后,用于降低数据维度并引入空间不变性。常见方法有最大池化和平均池化,它们可以减少模型对微小位置变化的敏感度,同时保留重要特征。 **4. 多层级抽象** CNN通常包含多个卷积和池化层堆叠在一起。随着网络深度增加,每一层逐渐提取更复杂、更抽象的特征,从底层识别边缘、角点,到高层识别整个对象或场景,使得CNN能够从原始像素数据中自动学习到丰富的表示。 **5. 激活函数与正则化** CNN中使用非线性激活函数来引入非线性表达能力。为防止过拟合,常采用正则化技术,如L2正则化和Dropout,以增强模型的泛化性能。 **6. 应用场景** CNN在诸多领域展现出强大应用价值,包括图像分类、目标检测、语义分割、人脸识别、图像生成、医学影像分析以及自然语言处理等任务。 **7. 发展与演变** CNN的概念起源于20世纪80年代,其影响力在硬件加速和大规模数据集出现后真正显现。经典模型如LeNet-5用于手写数字识别,而AlexNet、VGG、GoogLeNet、ResNet等现代架构推动了CNN技术的快速发展。如今,CNN已成为深度学习图像处理领域的基石,并持续创新。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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