南昌网络赛 H The Nth Item

本文详细解析了南昌网络赛TheNthItem中使用的暴力快速幂算法结合unordered_map进行记忆化处理的方法,避免了重复计算造成的效率损失,通过矩阵乘法和快速幂运算高效解决大规模数据处理问题。

南昌网络赛The Nth Item 暴力快速幂+unordered_map记忆化

 

注意:记忆化不能写到快速幂求解函数里,不断调用函数会造成很大的时间浪费

#include<bits/stdc++.h>
using namespace std;
#define sc(x) scanf("%lld",&x);
#define si signed
#define int long long
#define P pair<int,int>
#define fi first
#define se second
#define read(A) for(int i=0;i<n;i++) scanf("%lld",&A[i]);
#define push_back pb
int A[2][2]={{3,2},{1,0}};
int B[2][2];
int C[2][2];
int D[2][2];
int Q,N;
#define mod 998244353
#define maxn 100000+10
void mut(int A[][2],int B[][2])
{
    C[0][0]=((A[0][0]*B[0][0])%mod+(A[0][1]*B[1][0])%mod)%mod;
    C[0][1]=((A[0][0]*B[0][1])%mod+(A[0][1]*B[1][1])%mod)%mod;
    C[1][0]=((A[1][0]*B[0][0])%mod+(A[1][1]*B[1][0])%mod)%mod;
    C[1][1]=((A[1][0]*B[0][1])%mod+(A[1][1]*B[1][1])%mod)%mod;
    for(int i=0;i<=1;i++){
        for(int j=0;j<=1;j++){
            A[i][j]=C[i][j];
        }
    }
}
unordered_map<int,int> mp;
int qp(int n)
{
    if(n==1)return 1;
    if(n==0)return 0;
    n-=1;
    int Ans[2][2]={{1,0},{0,1}};
    for(int i=0;i<2;i++){
        for(int j=0;j<2;j++){
            B[i][j]=A[i][j];
        }
    }
    while(n){
        if(n&1){
           mut(Ans,B);
        }
        mut(B,B);
        n>>=1;
    }
    return Ans[0][0];
}

si main()
{
    scanf("%lld%lld",&Q,&N);
    int ans=0;
    while(Q--){
        int a;
        if(mp[N%499122176]){
         a=mp[N%499122176];   
        }
        else{
            mp[N%499122176]=a=qp(N%499122176);
        }
        ans^=a;
        N=((N^(a*a)));
        
    }
    cout<<ans<<'\n';
}

 

转载于:https://www.cnblogs.com/liulex/p/11491616.html

一、基础信息 数据集名称:Bottle Fin实例分割数据集 图片数量: 训练集:4418张图片 验证集:1104张图片 总计:5522张图片 分类类别: - 类别0: 数字0 - 类别1: 数字1 - 类别2: 数字2 - 类别3: 数字3 - 类别4: 数字4 - 类别5: 数字5 - 类别6: Bottle Fin 标注格式:YOLO格式,包含多边形坐标,适用于实例分割任务。 数据格式:图片格式常见如JPEG或PNG,具体未指定。 二、适用场景 实例分割AI模型开发:数据集支持实例分割任务,帮助构建能够精确识别和分割图像中多个对象的AI模型,适用于对象检测和分割应用。 工业自动化与质量控制:可能应用于制造、物流或零售领域,用于自动化检测和分类物体,提升生产效率。 计算机视觉研究:支持实例分割算法的学术研究,促进目标检测和分割技术的创新。 教育与实践培训:可用于高校或培训机构的计算机视觉课程,作为实例分割任务的实践资源,帮助学生理解多类别分割。 三、数据集优势 多类别设计:包含7个不同类别,涵盖数字和Bottle Fin对象,增强模型对多样对象的识别和分割能力。 高质量标注:标注采用YOLO格式的多边形坐标,确保分割边界的精确性,提升模型训练效果。 数据规模适中:拥有超过5500张图片,提供充足的样本用于模型训练和验证,支持稳健的AI开发。 即插即用兼容性:标注格式直接兼容主流深度学习框架(如YOLO),便于快速集成到各种实例分割项目中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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