51Nod 1242:斐波那契数列的第N项

题目链接:http://www.51nod.com/onlineJudge/questionCode.html#!problemId=1242


N比较大,用矩阵快速幂解决。

与POJ 3070题目一样。

AC代码:

#include <iostream>
#include <stdio.h>
#include <math.h>
#include <string.h>

using namespace std;

typedef long long LL;
const int N = 5;
LL temp[N][N];
LL res[N][N];
const int mod = 1000000009;
void Mul(LL a[][N],LL b[][N])
{
    memset(temp,0,sizeof(temp));
    for(int i = 0; i < 2; i++)  ///i行
        for(int j = 0; j < 2; j++)  ///j列
            for(int k = 0; k < 2; k++)
                temp[i][j] = (temp[i][j]+(a[i][k]*b[k][j])%mod)%mod;
    for(int i = 0; i < 2; i++)
        for(int j = 0; j < 2; j++)
            a[i][j] = temp[i][j];
}
void Solve(LL a[][N],LL n)  ///n是求的幂次
{
    memset(res,0,sizeof(res));
    for(int i = 0; i < 2; i++)
        res[i][i] = 1;
    while(n)
    {
        if(n&1)
            Mul(res,a);
        Mul(a,a);
        n>>=1;
    }
}
int main()
{
    LL T;
    while(~scanf("%lld",&T))
    {
        LL a[N][N];
        a[0][0] = 1;
        a[0][1] = 1;
        a[1][0] = 1;
        a[1][1] = 0;
        if(T == 0 || T == 1) printf("%lld\n",T);
        else
        {
            Solve(a,T);
            printf("%lld\n",res[0][1]);
        }
    }
    return 0;
}





内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细目实例。目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
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