【FB】

小肥的面经,小肥的代码:http://collabedit.com/gmysb

1. 开会的题目,问给一堆会议,每个会议一个开始时间,结束时间,问有没有 overlap

2. 如果这些会议有overlap 求最小需要多少房间

第二个解法简直是精典!

struct Meeting{
    double start;
    double end;
}

struct CompI{
    bool operator()(const Meeting& meet1, const Meeting meet2)
        return meet1.start < meet2.start;
}

bool CheckMeetOverlap(vector<Meeting>& meetings){
    int num = meetings.size();
    if (num<=1)
        return true;
        
    sort(meetings.begin(),meetings.end(),CompI);
    for(int i = 1; i< num; i++){
        if (meetings[i].start < meetings[i-1].end)
            return false;
    }
    return true;
}

//second question
struct MeetingTimePoint{
    double time;
    bool isStart;
    MeetingTimePoint(double time_input, bool isStart_input):time(time_input),isStart(isStart_input){};
}

struct CompII{
    bool operator()(const MeetingTimePoint& meeting1, const MeetingTimePoint& meeting2){
        return meeting1.time<meeting2.time;
    }
}

int minRoom(vector<Meeting>& meetings){
    int num = meetings.size();
    if (num<=1)
        return num;
    
    vector <MeetingTimePoint> meetingInfo; 
    for(int i = 0; i< num; i++){
        MeetingTimePoint current_start = MeetingTimePoint (meetings[i].start, true);
        MeetingTimePoint current_end = MeetingTimePoint (meetings[i].start, false);
        meetingInfo.push_back(current_start);
        meetingInfo.push_back(current_end);        
    }
    sort(meetingInfo.begin(),meetingInfo.end,CompII);
    int currentRoom = 0;
    int minRoom = 0;
    for(int i = 0; i<meetingInfo.size(); i++){
        if (meetingInfo[i].isStart == true)
            currentRoom++;
        else
            currentRoom--;
        minRoom = max(minRoom, currentRoom);
    }
    return minRoom;
}






基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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