能确定队伍顺序吗



Description

某班有N个身高不同的学生,每次上体育课时,体育老师要求他们从高到矮站成一排。现在已知某些学生间的高矮关系,请问你能不能确定他们的顺序?

Input

多组数据(50组)。

每组数据第一行两个整数N 2N≤50 )和M N-1M≤N*(N-1)/2 ),代表人数和已知的关系个数。

接下来M行每行两个整数ab1a,b≤N并且ab),表示学生a比学生b高。

Output

每组数据输出一行,如果能确定他们的顺序输出“YES”,否则输出“NO

Sample Input

2 1
1 2
3 2
1 2
1 3

Sample Output

YES
NO

HINT

#include <iostream>
#include<cstring>
using namespace std;
int map[60][60];
int in[60];
int main()
{
    int n;
    int m;
    while(scanf("%d%d",&n,&m)!=EOF)
    {
        memset(map,0,sizeof(map));
        memset(in,0,sizeof(in));
        for(int i=1;i<=m;i++)
        {
            int a,b;
            scanf("%d%d",&a,&b);
            if(!map[a][b])
            {
                map[a][b]=1;
                in[b]++;
            }
        }
        int node,flag=0;
        for(int i=1;i<=n;i++)
        {   
      int num=0;    
            for(int j=1;j<=n;j++)
            {
             
                if(in[j]==0)
                {
                    node=j;
                    in[node]--;
                    num++;
                }
            }
            if(num>1)
            {
             printf("NO\n");
             flag=1;
             break;
            }
   
         
            for(int j=1;j<=n;j++)
            {
                if(map[node][j])
                {
                    in[j]--;
                }
            }
        }
        if(!flag)printf("YES\n");
    }
    return 0;
}

遗憾的是还没提交就结束了。。。。  以后看看能不能检查吧


内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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