蓝桥杯第十题,

没写出来。但是先把大神代码保存下来,以后或许还能学习。这几

天还是挺忙的。
#include <cstdio>

struct FR
{
	long long a;
	long long b;
};

long long gcd( long long x, long long y )
{
	if ( x > y )
		return gcd( y, x );
	if ( y % x == 0 )
		return x;
	return gcd( y%x, x );
}

FR GCD( FR A, FR B )
{
	if ( A.a*B.b > A.b*B.a )
		return GCD( B, A );
	if ( (A.b*B.a) == (A.a*B.b) )
	{
		return A;
	}
	long long tmp1 = B.a * A.b;
	long long tmp2 = B.b * A.a;
	B.a = tmp1 / gcd(tmp1,tmp2);
	B.b = tmp2 / gcd(tmp1,tmp2);
	return GCD( B, A );
}

void Q_sort( long long s[], int left, int right )
{
	int l = left;
	int r = right;
	long long flag = s[ left + right >> 1 ];
	while ( l <= r )
	{
		while ( s[l] > flag )
			l++;
		while ( s[r] < flag )
			r--;
		if ( l <= r )
		{
			long long tmp;
			tmp = s[l]; s[l] = s[r]; s[r] = tmp;
			l++; r--;
		}
	}
	if ( left < r )
		Q_sort( s, left, r );
	if ( l < right )
		Q_sort( s, l, right );
}

int main()
{
	int n;
	scanf( "%d", &n );
	long long *x = new long long[n+1];
	for ( int i=0; i<n; i++ )
		scanf( "%lld", x+i );
	
	Q_sort( x, 0, n-1 );
	for ( int i=1; i<n; i++ )
		if ( x[i] == x[i-1] )
			x[i-1] = -1;
	Q_sort( x, 0, n-1 );
	
	FR ans, tmp;
	long long g;
	ans.a = x[0] / gcd( x[0], x[1] );
	ans.b = x[1] / gcd( x[0], x[1] );
	
	for ( int i=2; i<n && x[i]>0; i++ )
	{
		g = gcd(x[i-1],x[i]);
		tmp.a = x[i-1] / g;
		tmp.b = x[i  ] / g;
		ans = GCD( ans, tmp );
	}
	printf( "%d/%d\n", ans.a, ans.b );
	
	return 0;
}

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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