poj 2752 Seek the Name, Seek the Fame

题意

在字符串S中寻找出所有字串,它即是这个字符串的前缀,也是这个字符串的后缀,输出它们的长度。

知识储备与解题思路

KMP中的next数组的含义,对于以i-1为结尾的子串,T[0, next[i]-1] 与 T[i-next[i], i-1]是相等的,且这两个相等的字符串是这个字串的前后缀,以样例为例分析以下。

字符串 ababcababababcabab

next[i]  001201234343456789

next[n]是9,那么前后9个必相同,next[next[n]]代表的字符串一定是下一个满足条件的子串。自行好好理解一下就行,写不明白 = =。

代码

#include <stdio.h>      
#include <string.h>  
#include <iostream>  
#include <algorithm>  
      
using namespace std;  
      
const int MAX = 400010;

char s[MAX];
int n, f[MAX],ans[MAX];

void failure_function(){
	f[0] = f[1] = 0;
	for(int i=1; i<n; i++){
		int j = f[i];
		while(j && s[i] != s[j]) j = f[j];
		f[i+1] = (s[i] == s[j]) ? j + 1 : 0;
	}	
}

int main(){
	while(scanf("%s",s) == 1){
		n = strlen(s);
		failure_function();
		int t = 0, i = n;
		while(f[i] > 0){
			ans[t++] = f[i];
			i = f[i];
		}
		for(int i = t - 1; i >= 0; i--)
			printf("%d ",ans[i]);
		printf("%d\n",n);
		
		for(int i=1; i<=n; i++)
			cout << f[i] << " ";
		cout << endl;
	}
	return 0;
}



内容概要:该论文聚焦于6G通信中20-100GHz频段的电磁场(EMF)暴露评估问题,提出了一种基于自适应可重构架构神经网络(RAWA-NN)的预测框架。该框架通过集成权重分析模块和优化模块,能够自动优化网络超参数,显著减少训练时间。模型使用70%的前臂数据进行训练,其余数据用于测试,并用腹部和股四头肌数据验证模型泛化能力。结果显示,该模型在不同参数下的相对差异(RD)在前臂低于2.6%,其他身体部位低于9.5%,可有效预测皮肤表面的温升和吸收功率密度(APD)。此外,论文还提供了详细的代码实现,涵盖数据预处理、权重分析模块、自适应优化模块、RAWA-NN模型构建及训练评估等内容。 适合人群:从事电磁兼容性研究、6G通信技术研发以及对神经网络优化感兴趣的科研人员和工程师。 使用场景及目标:①研究6G通信中高频段电磁暴露对人体的影响;②开发更高效的电磁暴露评估工具;③优化神经网络架构以提高模型训练效率和预测精度。 其他说明:论文不仅提出了理论框架,还提供了完整的代码实现,方便读者复现实验结果。此外,论文还讨论了未来的研究方向,包括扩展到更高频段(如300GHz)的数据处理、引入强化学习优化超参数、以及实现多物理场耦合的智能电磁暴露评估系统。建议读者在实际应用中根据具体需求调整模型架构和参数,并结合真实数据进行验证。
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