HDU 5734 Acperience(水~)

本文介绍了一种求解特定n维向量问题的算法,输入包含一组整数表示向量的各个维度坐标,输出为特定计算结果的最简分数形式。通过计算向量各维度坐标的平方和与一次方和之间的关系来解决问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Description
给出一个n维向量W,求 这里写图片描述
Input
第一行一整数T表示用例组数,每组用例首先输入一个整数n表示向量W的维数,之后n个整数Wi表示W向量每一维的坐标(1<=n<=100000,-10000<=Wi<=10000)
Output
对于每组用例,输出答案的最简分数形式
Sample Input
3
4
1 2 3 4
4
2 2 2 2
5
5 6 2 3 4
Sample Output
5/1
0/1
10/1
Solution
这里写图片描述
Code

#include<cstdio>
#include<iostream>
using namespace std;
typedef long long ll;
#define maxn 111111
int T,n;
ll a[maxn];
ll gcd(ll a,ll b)
{
    return b?gcd(b,a%b):a;
}
int main()
{
    scanf("%d",&T);
    while(T--)
    {
        ll sum1=0,sum2=0;
        scanf("%d",&n);
        for(int i=0;i<n;i++)
        {
            scanf("%I64d",&a[i]);
            if(a[i]<0)a[i]*=-1;
            sum1+=a[i],sum2+=a[i]*a[i];
        }
        ll ans1=sum2*n-sum1*sum1,ans2=n;
        ll g=gcd(ans1,ans2);
        ans1/=g,ans2/=g;
        printf("%I64d/%I64d\n",ans1,ans2);
    }
    return 0;
}
内容概要:该白皮书由IEEE发布,聚焦于电信领域大规模AI(尤其是大型电信模型,即LTMs)的发展,旨在为电信行业向6G演进提供创新解决方案。白皮书首先介绍了生成式AI在电信领域的应用潜力,强调其在实时网络编排、智能决策和自适应配置等方面的重要性。随后,详细探讨了LTMs的架构设计、部署策略及其在无线接入网(RAN)与核心网中的具体应用,如资源分配、频谱管理、信道建模等。此外,白皮书还讨论了支持LTMs的数据集、硬件要求、评估基准以及新兴应用场景,如基于边缘计算的分布式框架、联邦学习等。最后,白皮书关注了监管和伦理挑战,提出了数据治理和问责制作为确保LTMs可信运行的关键因素。 适合人群:对电信行业及AI技术感兴趣的科研人员、工程师及相关从业者。 使用场景及目标:①理解大规模AI在电信领域的应用现状和发展趋势;②探索如何利用LTMs解决电信网络中的复杂问题,如资源优化、频谱管理等;③了解LTMs在硬件要求、数据集、评估基准等方面的最新进展;④掌握应对LTMs带来的监管和伦理挑战的方法。 其他说明:白皮书不仅提供了理论和技术层面的深度剖析,还结合了大量实际案例和应用场景,为读者提供了全面的参考依据。建议读者结合自身背景,重点关注感兴趣的具体章节,如特定技术实现或应用案例,并参考提供的文献链接进行深入研究。
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