ABC 385G(Counting Buildings-多项式)

求有多少个长度为 n 的排列 P,其从左往右的单调栈长度L§ 和从右往左的单调栈长度R§之差为 k。

Fi,jF_{i,j}Fi,j 表示长度为i且差值为j的答案。
Fi,j=Fi−1,j−1+Fi−1,j+1+(i−2)Fi−1,jF_{i,j}=F_{i-1,j-1}+F_{i-1,j+1}+(i-2)F_{i-1,j}Fi,j=Fi1,j1+Fi1,j+1+(i2)Fi1,j
fi(x)f_i(x)fi(x)表示[xk][x^k][xk]的系数为Fi,kF_{i,k}Fi,k的形式幂级数,则有
fi(x)=fi−1(x+1/x+i−2),f1=1f_i(x)=f_{i-1}(x+1/x+i-2),f_1=1fi(x)=fi1(x+1/x+i2),f1=1
fi(x)=xn−1∗f1Πi=1n−1(1+(i−1)x+x2)f_i(x)=x^{n-1}*f_1\Pi_{i=1}^{n-1}(1+(i-1)x+x^2)fi(x)=xn1f1Πi=1n1(1+(i1)x+x2)



int n,k;
poly work(int l,int r) {
	if(l==r) {
		vector<mi> c(3,1);
		c[1]=l-1;
		return poly(c);
	}
	else{
		int m=l+r>>1;
		poly ans=work(l,m)*work(m+1,r);
		return ans;
	}
}
int main()
{
	cin>>n>>k;
	if(n==1) return puts("1"),0;
	vector<mi> v(1,1);
	auto w=poly(v);
	poly ans=work(1,n-1);
//	ans.dump();
	cout<<ans.get(n-1+k)<<endl;
	
}```

boosting-crowd-counting-via-multifaceted-attention是一种通过多方面注意力提升人群计数的方法。该方法利用了多个方面的特征来准确估计人群数量。 在传统的人群计数方法中,往往只关注人群的整体特征,而忽略了不同区域的细节。然而,不同区域之间的人群密度可能存在差异,因此细致地分析这些区域是非常重要的。 该方法首先利用卷积神经网络(CNN)提取图像的特征。然后,通过引入多个注意力机制,分别关注图像的局部细节、稀疏区域和密集区域。 首先,该方法引入了局部注意力机制,通过对图像的局部区域进行加权来捕捉人群的局部特征。这使得网络能够更好地适应不同区域的密度变化。 其次,该方法采用了稀疏区域注意力机制,它能够识别图像中的稀疏区域并将更多的注意力放在这些区域上。这是因为稀疏区域往往是需要重点关注的区域,因为它们可能包含有人群密度的极端变化。 最后,该方法还引入了密集区域注意力机制,通过提取图像中人群密集的区域,并将更多的注意力放在这些区域上来准确估计人群数量。 综上所述,boosting-crowd-counting-via-multifaceted-attention是一种通过引入多个注意力机制来提高人群计数的方法。它能够从不同方面细致地分析图像,并利用局部、稀疏和密集区域的特征来准确估计人群数量。这个方法通过考虑人群分布的细节,提供了更精确的人群计数结果。
评论 1
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