【树状数组】2016 BUPT Winter Training #2 D

这个题可以理解是求一个区间有多少个不同的数,离线来做

从后往前做,每来一个数,更新这个数的位置,然后用树状数组维护前缀和。


#include<iostream>
#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<cmath>
#include<algorithm>
#include<map>
using namespace std;

int n,m;
int c[200100],loc[300100];

bool flag[300100];
struct rec
{
	int x,y,t,ans;
}query[200100];
struct rec2
{
	int da,w,wei;
}a[300100];
int lowbit(int x) {return x&(-x);}
void insert(int x,int w)
{
	while (x<=n)
	{
		c[x]+=w;
		x+=lowbit(x);
	}
}
int get_sum(int x)
{
	int now=0;
	while (x>0)
	{
		now+=c[x];
		x-=lowbit(x);
	}
	return now;
}
int cmp1(rec a,rec b) 
{
	return a.x>b.x;
}
int cmp2(rec a,rec b)
{
	return a.t<b.t;
}
int cmp3(rec2 a,rec2 b)
{
	return a.da<b.da;
}
int cmp4(rec2 a,rec2 b)
{
	return a.wei<b.wei;
}
int main()
{
	freopen("data.in","r",stdin);
	freopen("data.out","w",stdout);
	memset(flag,0,sizeof(flag));
	memset(a,0,sizeof(a));
	memset(query,0,sizeof(query));
	memset(loc,0,sizeof(loc));
	scanf("%d",&n);
	for (int i=1;i<=n;i++)
	{
		scanf("%d",&a[i].da);
		a[i].wei=i;
	}
	sort(a+1,a+n+1,cmp3);
	a[1].w=1;
	int now=1;
	for (int i=2;i<=n;i++)
	{
		if (a[i].da!=a[i-1].da) now++;
		a[i].w=now;
	}
	sort(a+1,a+n+1,cmp4);
	scanf("%d",&m);
	for (int i=1;i<=m;i++)
	{
		scanf("%d%d",&query[i].x,&query[i].y);
		query[i].t=i;
	}
	sort(query+1,query+m+1,cmp1);
	int head=1;
	for (int i=n;i;i--)
	{
		if (flag[a[i].w]) insert(loc[a[i].w],-1);
		else flag[a[i].w]=true;
		insert(i,1);
		loc[a[i].w]=i;
		while (query[head].x==i)
		{
			query[head].ans=get_sum(loc[a[query[head].y+i-1].w]);
			head++;
		}
	}
	sort(query+1,query+m+1,cmp2);
	for (int i=1;i<=m;i++)
		printf("%d\n",query[i].ans);
	return 0;
}


内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
内容概要:文章介绍了自媒体生态下AI流量智能体服务,旨在解决自媒体内容创作和流量获取中的难题。AI智能体作为低成本甚至零成本的高效助手,能生成高质量的文字、音频、图片和视频内容,尤其在内容仿写、改写、爆款内容生成方面表现突出。文中具体展示了AI工具在短视频、公众号、小红书图文和私域营销等领域的应用实例,如一键改写抖音文案并生成音频、快速提取并分析博主视频文案、将抖音内容转换为小红书风格内容等。此外,还提供了个性化定制选项,如自定义工作流、调整文案风格等,极大提高了内容创作效率。 适合人群:自媒体从业者、企业营销人员以及需要提高内容创作和流量获取效率的相关人士。 使用场景及目标:①利用AI工具快速生成和优化各类自媒体平台(如抖音、小红书、公众号)所需的文字、图片、音频、视频等内容;②通过分析爆款内容逻辑,生成吸引用户的标题和文案,提升作品的曝光率和吸引力;③借助AI智能体实现多流程自动化操作,如自定义数据来源、修改写作风格等,提高工作效率。 其他说明:AI智能体不仅能生成高质量内容,还能根据用户需求进行个性化定制,支持多种内容形式的互转,帮助用户更好地适应不同平台的特点。在使用过程中,应充分利用AI工具提供的各项功能,结合自身需求,灵活调整参数设置,以达到最佳效果。
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