POJ 1019 Number Sequence

本文详细介绍了如何通过模拟的方法解决一个特定数列问题,即求给定数列中第n项的具体数值。通过计算每段连续数字的长度并进行累加,最终定位到目标项所在的数字范围内,实现高效求解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题意:问有如下规律的数列的第n项是啥:

11212312341234512345612345671234567812345678912345678910123456789101112345678910

 

解法:每段连续数字为一组,算每组序列的长度,累加直到超过n,说明n在前一组连续数字内,枚举组内数字,累加长度直到超过n,说明n在前一数字中,找出这一数位输出。

总的来说就是一有点恶心的模拟……最后我想说……

注意longlong

对……每次都记不住……_(:з」∠)_

 

代码:

#include<stdio.h>
#include<iostream>
#include<algorithm>
#include<string>
#include<string.h>
#include<math.h>
#include<limits.h>
#include<time.h>
#include<stdlib.h>
#include<map>
#include<queue>
#include<set>
#include<stack>
#include<vector>
#define LL long long

using namespace std;

int main()//变量名起的变幻莫测不忍吐槽嗷
{
    int T;
    scanf("%d", &T);
    while(T--)
    {
        LL n;
        scanf("%I64d", &n);
        LL sum = 0, x = 0, i = 1;
        for(; n > sum; i++)
        {
            x += (LL)log10(i + 0.5) + 1;
            sum += x;
        }
        i--;
        LL tmp = n - (sum - x);
        LL sum1 = 0;
        for(LL j = 1; j <= i; j++)
        {
            sum1 += (LL)log10(j + 0.5) + 1;
            if(sum1 >= tmp)
            {
                if(sum1 > tmp)
                    sum1 -= (LL)log10(j + 0.5) + 1;
                LL ttmp = tmp - sum1;
                vector <int> ans;
                LL x1 = j;
                while(x1)
                {
                    ans.push_back(x1 % 10);
                    x1 /= 10;
                }
                if(ttmp == 0) ttmp = ans.size();
                printf("%d\n", ans[ans.size() - ttmp]);
                break;
            }
        }
    }
    return 0;
}

  

转载于:https://www.cnblogs.com/Apro/p/4790130.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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