1685-实数根(数学)

Description

小S不太喜欢做概率的题目,但她非常喜欢解二次方程。她用自己开发的智能系统帮她在OJ上自动挑选二次方程的题目,题目如下:

已知二次方程x2+2bx+c=0,在这个方程中b和c的值没有确定,因而不确定是否存在实数根。

现在给你一个边长为S的正方形,中心点在原点,边同坐标轴平行,随机选取一个点P(b, c),P位于正方形内,将P的横坐标作为b值,纵坐标作为c值,求二次方程x2+2bx+c=0存在实数根的概率。

Input

第一行一个整数T,表示有T组测试数据(T<=100)。接下来有T行,每行一个整数S表示正方形的边长(S<=106)。

Output

对于每个给定的边长S,求出方程存在实数根的概率。答案保留6位小数。

Sample Input

1

8

Sample Output

0.833333

解析

  数学菜鸡一枚!

  看学长解析:解析

代码

#include<stdio.h>
#include<math.h>
int main()
{
    int T;
    double s;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%lf",&s);
        if(s==0)
            printf("%.6lf\n",0.0);
        else if(s==1)
            printf("%.6lf\n",7.0/12);
        else
        {
            double s1=pow(s/2.0,1.5)*4/3;
            double s2=s*s;
            printf("%.6lf\n",(s2-s1)/s2);
        }
    }
    return 0;
}

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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