快速幂的研究

部署运行你感兴趣的模型镜像

 K Candy Description Alex has prepared  n different candies. Before he distributes these candies to the children Alex would like to consider all his options. If there are  m children in the school find out the number of ways Chef can distribute these  n candies to m children. Since the number of ways to distribute cookies may be very large report the answer modulo 1e9+7.
 
Input The first line of input consists of T, the number of test cases. The next T lines consist of 2 integers each,  n and m. 1 <=T <= 10^5 1<=n,m<=1e9
 
Output Print T  lines with the answer for each case on a new line. 
 
 
 
Sample Input 3 1 2 2 1 10 1
 
 
Sample Output 2 1 1



先简单介绍一下快速幂,举个例子。你要求n^m,你如何去写?

一个个乘?那么它的复杂度就是O(n)。有没有更快的方法呢?

我要求n^m,不妨先求n^(m/2),这样我一平方,就得到了n^m。m越大省略的步骤越多,对不对?

既然这样,我们根据极限的思想,不断二分,然后利用递归,便可将复杂度缩小到O(lgn)。当然其中会有奇偶性的细节性问题,这里先只说一个大体思想。

上面是例题,等明天我详细写一下。

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

long long function( long long n, long long m)
{
       long long tmp = m % mod;
       long long ret = 1;
       while(n){
             if(n&1)   ret = ret*tmp%mod;
             tmp *= tmp;
              n >>= 1;
       }
        return  ret;
具体函数的实现,很巧妙。想了很久没想出来。学习了。

您可能感兴趣的与本文相关的镜像

Wan2.2-T2V-A5B

Wan2.2-T2V-A5B

文生视频
Wan2.2

Wan2.2是由通义万相开源高效文本到视频生成模型,是有​50亿参数的轻量级视频生成模型,专为快速内容创作优化。支持480P视频生成,具备优秀的时序连贯性和运动推理能力

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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