bzoj2179 bigint * fft

hzwer , not easy understand 

 

#include<cstdio>
#include<cmath>
#include<cstdlib>
#include<cstring>
#include<algorithm>
#include<queue>
#include<complex>
using namespace std;
const double pi=acos(-1.0);
typedef complex<double> E;

char ch[60005];
int n,m,L,R[150005],c[150005];
E a[150005],b[150005];

void fft(E *a,int f)
{
	for (int i=0;i<n;i++) if (i<R[i]) swap(a[i],a[R[i]]);
	for (int i=1;i<n;i<<=1)
	{
		E wn(cos(pi/i),f*sin(pi/i));
		for (int j=0;j<n;j+=(i<<1))
		{
			E w(1,0);
			for (int k=0;k<i;k++,w*=wn)
			{
				E x=a[j+k],y=w*a[j+k+i];
				a[j+k]=x+y,a[j+k+i]=x-y;
			}
		}
	}
	if (f==-1) for (int i=0;i<n;i++) a[i]/=n;
}

int main()
{
	scanf("%d",&n);n--;
	scanf("%s",ch);
	for (int i=0;i<=n;i++) a[i]=ch[n-i]-'0';
	scanf("%s",ch);
	for (int i=0;i<=n;i++) b[i]=ch[n-i]-'0';
	m=n*2;for (n=1;n<=m;n<<=1) L++;
	for (int i=0;i<n;i++) R[i]=(R[i>>1]>>1)|((i&1)<<(L-1));
	fft(a,1);fft(b,1);
	for (int i=0;i<=n;i++) a[i]*=b[i];
	fft(a,-1);
	for (int i=0;i<=n;i++) c[i]=(int)(a[i].real()+0.1);
	for (int i=0;i<=m;i++)
	if (c[i]>=10)
	{
		c[i+1]+=c[i]/10,c[i]=c[i]%10;
		if (i==m) m++;
	}
	for (int i=m;i>=0;i--) printf("%d",c[i]);
	return 0;
}


 

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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
 
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