cogs2080. Asm_Def排兵布阵x

题目地址

题解:无脑的递推,就是

F[i]=F[i-1]*C(sum[i]-1,num[i]-1);

sum[i]表示前i种兵的总个数

代码如下:

#include<cstdio>
#include<iostream>
#include<algorithm>
#include<cmath>
using namespace std;
const long long MOD=998244353;
const int MAXN=1e5+10;
const int MAXM=5e5+10;
long long k,a[MAXN],sum[MAXN];
long long fun[MAXM],f[MAXN];

void exgcd(long long a,long long b,long long &x,long long &y,long long &z){
    if(!b){
        z=a;
        x=1;
        y=0;
    }
    else{
        exgcd(b,a%b,y,x,z);
        y-=x*(a/b); 
    }
}

int main(){
    //freopen("asm_formation.in","r",stdin);
    //freopen("asm_formation.out","w",stdout);
      scanf("%d",&k);
    for(int i=1;i<=k;i++)
        scanf("%d",&a[i]),sum[i]+=sum[i-1]+a[i];
    fun[0]=1;
    for(int i=1;i<=sum[k];i++)
        fun[i]=(fun[i-1]%MOD*i)%MOD;
    f[1]=1;
    for(int i=2;i<=k;i++){
        long long temp_a=(fun[a[i]-1]*fun[sum[i-1]])%MOD;
        long long x,y,z;
        exgcd(MOD,temp_a,x,y,z);
        long long temp1=temp_a/z;
        long long temp2=MOD/z;
        if(x>0){
                long long r=x/temp1;
                r++;
                y+=r*temp2;
                y%=MOD;
        }
        if(y<0){
                long long r=y/temp2;
                r++;
                y+=r*temp2;
                y%=MOD;
        }
        long long temp_b=fun[sum[i]-1];
        long long ans=(temp_b*y)%MOD;
        //printf("temp_b=%d\n",temp_b);
        f[i]=(f[i-1]*ans)%MOD;
    }
    printf("%d",f[k]);
    return 0;
}
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