[HDU 2089] 不要62

本文介绍了一个使用动态规划(DP)解决的问题,该问题旨在计算不超过某个数值且不包含特定序列(如62)及特定数字(如4)的所有数字的数量。通过递归函数和记忆化搜索的方法,有效地解决了这一问题。

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

dp[dep][six]表示长度为dep的,上一位是否为6的不含62,不含4的数的个数

 1 #include<bits/stdc++.h>
 2 using namespace std;
 3 int dp[10][2],dig[10];
 4 int dfs(int dep,int six,int flag){
 5     if(!dep)return 1;
 6     if(!flag&&dp[dep][six]!=-1)return dp[dep][six];
 7     int lim=flag?dig[dep]:9;
 8     int ans=0;
 9     for(int i=0;i<=lim;i++){
10         if((six&&i==2)||i==4)continue;
11         ans+=dfs(dep-1,i==6?1:0,flag&(i==lim));
12     }
13     if(!flag)dp[dep][six]=ans;
14     return ans;
15 }
16 int solve(int x){
17     int dd=0;
18     while(x)dig[++dd]=x%10,x/=10;
19     return dfs(dd,0,1);
20 }
21 int main(){
22     memset(dp,-1,sizeof(dp));
23     int A,B;
24     while(1){
25         scanf("%d%d",&A,&B);
26         if(!A&&!B)break;
27         printf("%d\n",solve(B)-solve(A-1));
28     }
29     return 0;
30 }
View Code

 

转载于:https://www.cnblogs.com/Ngshily/p/5483255.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