2018 ICPC 沈阳站

2018-2019 ICPC 沈阳站 https://codeforces.com/gym/101955 C题 题意:输入n,k,q,问有多少1~n的排列,使得在把前k个按升序排好序后,最长上升子序列的长度不低于n-1. 暴力打表找规律,得出方程。 打表代码: #include <iostream> #include <algorithm> #include <cstdio> #in... 阅读详情

细胞色素训练3

排名:100/193

2018年ICPC沈阳站,学长在这里拿金了。听学长说开始时候很快的出了两题,排名第四,是可以进final的,然后一直没过题,直到最后封榜时候连过两题,金牌最后一名。

如果我们第三题能做出来,再少点罚时,是可以银的。结果:铜......

How Much Memory Your Code Is Using?

题意:给出每种数据类型占用的字节数,然后输入n条语句,数据类型+数据名或者数组,输出这n条语句占用的总的内存。

程磊写这题的时候竟然忘了输出Case......

#include <bits/stdc++.h>
using namespace std;
#define ll long long
#define ull unsigned long long

const ull p = 233;
const int maxn = 1e5+100;
char s[maxn];
ll getval(char *s)
{
    int len = strlen(s);
    ll base = 0;
    if(s[0] == 'b' || s[0] == 'c') base = 1;
    else if(s[0] == 'i' || s[0] == 'f') base = 4;
    else if(s[0] == 'd' || (s[0] == 'l' && s[4] == ' ' && s[5] == 'l' && s[6] == 'o' && s[7] == 'n' && s[8] == 'g' && s[9] == ' ')) base = 8;
    else if(s[0] == '_' || (s[0] == 'l' && s[4] == ' ' && s[5] == 'd' && s[6] == 'o' && s[7] == 'u' && s[8] == 'b' && s[9] == 'l' && s[10] == 'e' && s[11] == ' ')) base = 16;
    int flag = 0;
    for(int i = len - 1; i >= 0; i --)
    {
        if(s[i] == ' ')
        {
            flag = i;
            break;
        }
    }
    ll cnt = 0;
    int f = 0;
    for(int i = flag + 1; i <= len - 1; i ++)
    {
        if(s[i] == '[')
            f = 1;
        if(f && s[i] >= '0' && s[i] <= '9')
            cnt = cnt * 10 + s[i] - '0';
    }
    if(cnt == 0) cnt = 1;
    return base * cnt;
}

int main()
{
    int Case = 0;
    int T;
    scanf("%d", &T);
    while(T --)
    {
        int n;
        scanf("%d", &n);
        getchar();
        ll ans = 0;
        for(int i = 1; i <= n; i ++)
        {
            gets(s);
            ans += getval(s);
        }
        ll aans = ans / 1024;
        if(ans % 1024)
            aans ++;
        printf("Case #%d: %lld\n", ++ Case, aans);
    }
    return 0;
}

 Insertion Sort

题意:题意可以转化为:输入n,k,p,输出满足以下条件的n的全排列有多少种(模p):进行k轮或者小于k轮排序后,能使这个序列的逆序数为0。大概就是这么个意思吧。

然后韩巍推出了公式:solve(n,k)=k!*(1+(n-1)*(n-k))


#include <bits/stdc++.h>
using namespace std;

#define ll long long
#define ull unsigned long long
const int maxn = 100;

ll n, k;
ll p;
ll f[maxn];
ll solve(ll n, ll k, ll p){
    ll ans = f[k] * ((1 +  (n-1) * (n-k) % p) % p) % p;
    ans %= p;
    return ans;
}
int main()
{
    int Case = 0;
    int T; scanf("%d", &T);
    while(T --){
        scanf("%lld %lld %lld", &n, &k, &p);
        f[0] = 1;
        for(int i = 1; i <= n; i ++)f[i] = 1ll * f[i-1] * i % p;
        ll ans;
        if(k >= n - 1) {
            ans = f[n];
        }
        else {
            ans = solve(n, k, p);
        }
        printf("Case #%d: %lld\n", ++Case, ans);
    }
    return 0;
}

 Best ACMer Solves the Hardest Problem

题意:给你n个点的坐标和点权,然后让你进行m次操作,操作共有四种:1、插入一个点(x,y),点权为w;2、删除位于(x,y)的点;3、给距离点(x,y)的所有点的点权都加上sqrt(k);4、输出距离点(x,y)的距离为sqrt(k)的所有点的点权和。

这题到最后我们都没做出来......T了。

一个是找整点是可以初始化的,我们没有;还有就是不能用map存点,map太慢,要用数组存,数组初始化不能memset,而是要用set记录一下哪些点被用到了,只需要初始化这些用过的点即可,对于每组数据都要clear那个set。

#include <bits/stdc++.h>
using namespace std;
#define ll long long
set<pair<ll,ll> > s;
set <pair<ll,ll> >::iterator it;
vector<pair<ll,ll> >v[10000010];
ll a[6005][6005];
const ll p = 6000;
ll n, m;
ll judge(ll x, ll z)
{
    ll y = z - x * x;
    if(y < 0) return -1;
    ll yy = sqrt(y);
    if(yy * yy == y)
        return yy;
    return -1;
}
bool ok(ll x,ll y)
{
    if(x>=1&&x<=p&&y>=1&&y<=p)
        return true;
    return false;
}
void init()
{
    ll Max=10000000;
    for(ll i=0;i*i<=Max;i++)
        for(ll j=0;i*i+j*j<=Max;j++)
            if(i*i+j*j<=Max)
                v[i*i+j*j].push_back(make_pair(i,j));
    return ;
}
int main()
{
    init();
    ll Case = 0;
    ll T;
    scanf("%lld", &T);
    while(T --)
    {
        printf("Case #%lld:\n", ++ Case);
        scanf("%lld %lld", &n, &m);
        s.clear();
        for(ll i = 1; i <= n; i ++)
        {
            ll x, y;
            ll z;
            scanf("%lld%lld%lld",&x,&y,&z);
            s.insert(make_pair(x,y));
            a[x][y]=z;
        }
        ll ans = 0;
        while(m --)
        {
            ll op, x, y, k;
            ll w;
            scanf("%lld%lld%lld",&op,&x,&y);
            x =(x + ans) % p + 1, y =(y + ans) % p + 1;
            if(op == 1)
            {
                scanf("%lld",&w);
                a[x][y]=w;
                s.insert(make_pair(x,y));
            }
            else if(op == 2)
            {
                a[x][y]=0;
            }
            else if(op == 3)
            {
                scanf("%lld%lld",&k,&w);
                if(k == 0)
                {
                    s.insert(make_pair(x,y));
                    a[x][y]+=w;
                    continue;
                }
                for(int i=0;i<v[k].size();i++)
                {
                    ll xx=v[k][i].first,yy=v[k][i].second;
                    if(ok(x-xx,y-yy)&&a[x-xx][y-yy]!=0)
                        {a[x-xx][y-yy]+= w;s.insert(make_pair(x-xx,y-yy));}
                    if(ok(x-xx,y+yy)&&yy!=0&&a[x-xx][y+yy]!=0)
                        {a[x-xx][y+yy] += w;s.insert(make_pair(x-xx,y+yy));}
                    if(xx!=0&&ok(x+xx,y-yy)&&a[x+xx][y-yy]!=0)
                        {a[x+xx][y-yy] += w;s.insert(make_pair(x+xx,y-yy));}
                    if(xx!=0&&yy!=0&&ok(x+xx,y+yy)&&a[x+xx][y+yy]!=0)
                        {a[x+xx][y+yy]+= w;s.insert(make_pair(x+xx,y+yy));}
                }
            }
            else if(op == 4)
            {
                scanf("%lld",&k);
                ll tmp = 0;
                if(k == 0)
                {
                    tmp += a[x][y];
                    ans = tmp;
                    printf("%lld\n", ans);
                    continue;
                }
                for(int i=0;i<v[k].size();i++)
                {
                    ll xx=v[k][i].first,yy=v[k][i].second;
                    if(ok(x-xx,y-yy))
                        tmp+=a[x-xx][y-yy];
                    if(ok(x-xx,y+yy)&&yy!=0)
                        tmp+=a[x-xx][y+yy];
                    if(xx!=0&&ok(x+xx,y-yy))
                        tmp+=a[x+xx][y-yy];
                    if(xx!=0&&yy!=0&&ok(x+xx,y+yy))
                        tmp+=a[x+xx][y+yy];
                }
                ans = tmp;
                printf("%lld\n", ans);
            }
        }
        for(it=s.begin();it!=s.end();++it)
        {
            ll xx=(*it).first,yy=(*it).second;
            a[xx][yy]=0;
        }

    }
    return 0;
}

 

2018ICPC沈阳网络赛题解 这是2018ICPC沈阳网络赛的题解,这是2018ICPC沈阳网络赛的题解 立即下载

相关推荐

深度学习PyTorch代码模板——模型训练框架、数据处理、绘图…

个人用深度学习代码模板:模型训练框架、数据处理、绘图等。待补充。

https://www.hyperplasma.top 1906

2018-ICPC沈阳站总结

Day0:       这次比赛是坐飞机去的,还是很兴奋的,一路上觉得都很新鲜,东航还给吃的,飞机是真的舒服,还特别快。我们周五上午就到了,一开始去了一个高级的如家酒店,一会才发现,自己定的不是这家,我说怎么这么好。然后中午吃了个旋转火锅,特别难吃, 下午回到宾馆,抓紧刷了两道题, 到了晚上,想着出去逛逛,然后去吃了个 “蟹肉煲”,是真的好吃,中午都饿坏了,  晚上回到宾馆,抓紧有刷了一套cf,...

海绵的博客 1241

[pcie]gen6 下 L0p

000b~100b: 触发L0p 操作流程协商工作link width 到target link width.为111b:link width 硬件动态调整。硬件动态:Device control 3 register.target link width=111b当pcie链路检测到空闲状态时,设备可以主动进入L0p状态。L0p 是pcie gen6 新引入的链路状态,是L0的子状态。(5)LINK WIDTH:当LINK WIDTH CHANGE.cmd为Request时表示请求的链路宽度。

BIG_APPLE1的博客 1676

2018 ACM ICPC沈阳站赛后总结

如果说打铁是一种痛苦,那爆零就是一种绝望。 第一次参加ACM区域赛,临走之前学长还安慰我们说不要有压力,打铁很正常。但当比赛结束,看到获奖队伍的名字在大屏幕上滚动。心里的落差才渐渐显露出来。虽然是第一次参赛,但失望和遗憾还是很令人揪心的。 先简单回顾一下这次沈阳之行吧。 这次比赛我们队的阵容可谓是一枝独秀。三个人中只有我一个是男生!!!(好像场上其他的队最多只有一个女生诶)而且只有一个是学计算...

qq_43069547的博客 889

C语言|深入浅出讲解int转换为float全过程(附2017年统考大题案例)

int转换为float类型为什么会发生精度损失? 精度损失的详细过程究竟是什么样的? 什么样情况float会发生精度损失?没有弄懂2017年浮点数统考大题? 这一篇用2017年统考大题案例帮你更深的理解浮点数的存储规则。

DADONGOOO的博客 1万+

机器人强化学习入门学习笔记

如果你追求高精度动力学仿真、用于强化学习或机器人研究,MuJoCo 是一个非常优秀的选择。如果需要快速实验、使用真实机器人模型,PyBullet 或 Gazebo可能更合适;如果你追求大规模并行训练,Isaac Gym 或 BraX会更高效。legged gym底层是​编辑isaacgym,基于gpu训练可以多环境并行训练,收敛到一个稳定行走的策略快。本视频MuJoCo基于cpu训练很慢。

xiaomu_347的博客 1461

2018-icpc沈阳-G-思维

http://codeforces.com/gym/101955/problem/G   给出一个6000*6000的坐标系,有四种操作,一是加入放置一个点到某个空格子上,二是从某个有点的格子移走一个点,三是将距离(x,y)距离为根号k的点权值加上w,四是询问距离(x,y)距离为根号k的点权值总和。   由于k都是整数,而在圆上的整数点很少,所以想到,A^2+B^2=K^2,处理出所...

all00747的博客 319

Android12 适配 usb 触屏

在 Android 系统中,输入设备 IDC(Input Device Configuration)设备描述文件(.idc)是用于配置和定义输入设备行为和属性的文本文件。 该文件通常在`/system/usr/idc/` 或 `/vendor/usr/idc/`,具体位置因芯片厂商SDK而异。一般情况此类文件是预置到系统,开发者 root 权限才能修改这些文件。输入设备 IDC 设备描述文件在 Android 系统中起到了识别、配置、映射和定制输入设备的作用,使得系统能够准确解析和处理各种输入设备的事件,提

weixin_35723192的博客 1233

2018年第43届ACM/ICPC亚洲区域赛沈阳站现场赛

2018年第43届ACM/ICPC亚洲区域赛沈阳站现场赛   这次比赛赛前,有消息称这次比赛的难度是div1,比赛前心里没底。因为自己的学校实力不强,所以这次现场赛资格也来之不易,这是我第一次也是我最后一次打ICPC,所以我不想留下遗憾。   拿到题目的时候也有点畏惧,因为这次比赛的题目普遍性的都很长,而且是全英文的。为了防止漫无目的的读题而影响做题时间,我们决定跟榜。很快有大佬队过了J题,J题题...

博学 笃志 切问 近思 4691

华为OD机试真题 Java&Go 实现【优雅子数组】【100%通过率】【2022.11 Q4 新题】

如果一个数组中出现次数最多的元素出现大于等于K次,被称为K -优雅数组,k也可以被称为优雅阈值。例如,数组1,2,3,1、2,3,1,它是一个3-优雅数组,因为元素1出现次数大于等于3次,数组1,2,3,1,2就不是一个3-优雅数组,因为其中出现次数最多的元素是1和2,只出现了2次。给定一个数组A和k,请求出A有多少子数组是k-优雅子数组。

MISAYAONE的博客 1万+

YOLO26涨点改进 | 全网独家创新,注意力改进篇| SCI一区Top | 引入AFCA自适应细粒度通道注意力,联合建模全局与局部通道依赖关系,适合目标检测、图像去雾、关键点检测、图像分类、图像分割

🔥本文提出了一种基于AFCA(自适应细粒度通道注意力)模块改进的YOLO26目标检测网络。AFCA通过联合建模全局与局部通道依赖关系,实现了更精细的通道注意力分配,能够增强目标相关特征并抑制背景噪声。该模块采用自适应融合策略动态平衡通道权重,在保持轻量级结构的同时,显著提升了小目标和复杂背景下的检测性能。文章详细介绍了AFCA的结构原理、实现优势,并提供了完整的代码实现和YAML配置文件,指导读者如何将该模块集成到YOLO26框架中。实验结果表明,AFCA在检测精度和鲁棒性方面优于传统注意力机制。

Ai缝合怪、助力小伙伴高效发论文 302

2018年icpc沈阳赛区C题

简单的计数题,题意是让你对一个1到n的一个排列执行k次插入排序,排完序以后要满足最长上升递增子序列的长度至少为n-1,问这样的排列由多少种。做的时候是这样做的,首先考虑前k个正好是前k个,然后后面的最长上升子序列大于等于n-k-1的排列的个数有多少,刚开始手推,发现推出来的公式是错误的,然后这个就打了一下表,之后考虑前面的k个有一个不属于1到k的范围以内,在纸上画了一下,发现第k个值比较特殊,多了...

dongdongdong122的博客 680

搞懂 SAPUI5 Fiori 应用的 OData 授权维护:从 IWSG、IWSV 到 S_SERVICE 的完整实践

本文探讨了SAP Fiori项目中常见的授权问题及其解决方案。文章指出,开发人员常误将OData服务访问问题归咎于前端代码或配置,而实际上多因授权默认值未正确带入角色所致。详细分析了IWSG(前端服务组元数据)和IWSV(后端业务服务)两个关键对象的作用机制,强调应通过PFCG角色的Authorization Default入口维护服务对象,而非直接修改S_SERVICE授权对象。文章还提供了前后端授权配置的具体操作步骤,并特别提醒需同时配置前端和后端授权,才能确保应用完整可用性。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 206

2018icpc沈阳站G题

传送门:Best ACMer Solves the Hardest Problem Best ACMer Solves the Hardest Problem Time limit12000 ms Memory limit1048576 kB One day an excellent ACMer will leave the field to face new challenges, ju...

Waiting For You 640

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

2018 ACM/ICPC 沈阳站 C Insertion Sort

题目描述 Insertion sort is a simple sorting algorithm that builds the final sorted array one item at an iteration. More precisely, insertion sort iterates, consuming one input element each repetition, an...

Ever_glow的博客 1530

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

2018icpc沈阳站比赛心得

  上次吉林ccpc结束没写博客,这次绝对不能再鸽了。。。   总感觉自己学的不好,暑假因为小学期只训练了一个月,期间还各种颓废,总共就打了几场比赛练手,专题也没刷得动,但cf总算上了1600分。开学以后,当了acm实践班负责人,也就是帮老师管理下班级,但acm实力根本不够啊。   周六从大连北站坐高铁到沈阳,花了一个半小时,真是快啊,我还没做出一道题来。到了东北大学,发现和大连理工...

weixin_30306905的博客 145

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

[ICPC2018]沈阳站游记

大血崩… 周六晚上十点才到沈阳,心态略炸。 题目emmmmm不知道怎么描述,一股子不可做的味道。 签到倒是很快签出来了。 鬼畜数学题坑了好久,垃圾codeblocks用起来卡的一批。 可能也是绝对实力不够了吧,打铜了。有个可以出的题目没出,比较可惜。 今年没比赛了,好好训练! 全队的大家都要一起加油啊,明年要打出好成绩呀! ...

dxyinme-Zz 496

2018 ICPC沈阳站 热身赛B——CLS and LCS

Problem B. CLS and LCS Claris is learning about the longest common subsequence problem. (这里省略一段LCS的介绍,因为最长公共子序列是dp的经典问题,所以大家可以自行查询) For homework she was given two strings A and B, both of length N and...

彤云望月 515

2018 ACM/ICPC 沈阳站小结

第二次现场赛,能拿金已经很开心了 热身赛 开幕式后的热身赛都是训练过的三个题,40min基本就解决了,剩下的时间就是在调试机器什么的 现场赛 上来队友先过了J的模拟,我看了看G题,发现可做就直接上了,差1min抢到FB,有点可惜。然后队友努力搞J题约瑟夫问题的两种情况,我又去看C题,想了一会,又断断续续抢了一会队友的机时,也搞出来了。剩下一段时间队友一直在调J题,在封榜后一分钟也过了,最后我们齐心...

xiaoyimi的博客 1260

2018 icpc沈阳站网络赛 D. Made In Heaven k短路

题目 题意:给一个有向图,判断其k短路是否超过T。 K短路是A*算法的应用,关于A*算法详解:A星算法详解,了解了A*算法详解后,就可以再看A*算法在K短路上的运用:K短路算法详解,看完这两篇详解后,这题就很容易了。先用迪杰斯特拉算法求出h数组,即终点到每个点的最短路,然后用优先队列根据g+h的和(数越小越优先)搜索最短路,若搜到终点k次,那么第k次的g值就是答案。 #include&lt...

ccsu_cat 399

2018 ACM-ICPC 沈阳站感想

  沈阳站过去了两个礼拜,想了一下果然还是要记录一下自己这次的经历。   第一天在飞机上遇到了kblack,我们就坐在他后面,非常激动,就想着要个签名,我鼓起勇气把自己的模板递过去,然后被拒了(奠定了后面的剧情),然后就观察了他一路,他们气氛还是非常轻松愉快的。然后下了飞机就直接去酒店,酒店非常大,还是非常满意的,当晚出去撸了串,挺好的,和伟峰和远哥有了交流,大家都是非常可爱的人呢。   第二...

weixin_30518397的博客 186

2018 icpc沈阳站网络赛 F. Fantastic Graph 上下界网络流

题目 题意:给出左边x点的个数,右边y点的个数,给出上下边界l,r,接下来给出k条边,每条边可为左边的u点加度数1,为右边的v点加度数1,问是否可以从k条边中选出一些边,使得左右两边所有的点的度数在区间[ l , r ]内。 思路:上下界可行流裸题,引进源点s,汇点t,超级源点ss,超级汇点tt,先把题目给出的边连接起来,容量都为1,s依次连接左边n个点,容量为r-l,s再依次连接tt,容量为...

ccsu_cat 477

【思维】2018icpc沈阳 C - Insertion Sort

题意:给你n,k,q,表示有一个长度为n的排列,前k个有序,模q。问有多少种排列,前k个排序后,最长上升子序列大于等于n−1n-1n−1。 思路: 排序之后整个有序:k!k!k! 排序后前k个是1~k,后面LIS为n-k-1:k!∗(n−k)∗(n−k−1)−(n−k)=(n−k−1)2k!*(n-k)*(n-k-1)-(n-k)=(n-k-1)^2k!∗(n−k)∗(n−k−1)−(n−k)=(n−k−1)2 排序后前k个数有一个被换成k+1,被换的数任意插到后面n−kn-kn−k的位置:k!∗k∗(n

qq_45599865的博客 434

2018 ACM-ICPC 沈阳站 Problem L. Machining Disc Rotors 几何

#include&lt;bits/stdc++.h&gt; using namespace std; const int maxn=205; const double pi=acos(-1); const double eps=1e-12; typedef struct{double xi,yi,ri,thetas,thetat;} node1; typedef struct{double th...

fanbaobao829的博客 1035

2018 ICPC 沈阳站 M. Renaissance Past in Nancy 题解

T≤10T \le 10T≤10。有n≤104n \le 10^4n≤104种物品,每种物品重量和数量分别为1≤a,b≤1031\le a,b\le10^31≤a,b≤103,m≤104m\le10^4m≤104询问,每次询问区间1≤l,r≤n1\le l,r \le n1≤l,r≤n的物品装体积为c≤103c\le 10^3c≤103的方案数。 可逆背包: 对于背包问题,可以逆向转移而达到移除一个物品的贡献。 计数背包可逆,而求max背包不可逆。 背包的生成函数: 01背包:1+xa1+x^a1+xa 0

ZL的博客 385
上一篇: 2019 ICPC上海站 网络赛 部分题解
下一篇: nenuacm 2019 新生训练#1 题解
flyzer
博客等级 码龄9年 27粉丝 146原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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