训练日记—2018.10.3

本次比赛中,因题目简单导致团队在简单题上耗费过多罚时,影响整体表现。D题输出顺序成为难题,A题二分图染色需并查集辅助。赛后反思,强调罚时控制、模板整理、造样例及个人技能提升。

今天的比赛怎么说呢,由于题目简单,所以机器就是闲不着,我们三个似乎都想敲题,开始我和秀秀都贡献了不少罚时,3道签到题过后,老纪来了,上来看了一道威佐夫博弈,不过那道题需要用到根号5的小数点后100位,没办法,就百度的100位,嗯。不过赛后发现利用牛顿迭代也可以算,秀秀明白,我不会。然后D题一直不知道什么问题,老纪和秀秀开始推公式了。D题就是一个公式,但是输出顺序。。。无力吐槽哇,看运气了,最后输出swap输出的就对了,耽误了我们很长时间。他们推公式的时候我就在敲A题,好伤心啊。。。这道题我知道是二分图染色,由于比较长时间没敲了,翻了翻自己还没整理模板呢。就随便找了个模板,敲完了之后WA了一发,就以为是题意没读懂。这个时候逼着秀秀确认了一遍题意,然后秀秀瞎说了一堆东西,我突然意识到不是同一个连通分量的时候是不需要比较颜色的,就加了个并查集,思路已经完美了,这个时候自己已经比较急躁了,越急躁越不想造样例,我就觉得是自己读题有问题,不然不会WA的。秀秀跟我说是不是模板不好,我说应该没毛病,他们这个时候在推F,这时候还有半个小时不到,两个人有结果了,就敲了,T了一发,这个时候时间就不够了。

赛后自己仔细写了一下dfs染色的,改了改就过了。伤心啊,这么简单的题目没调对啊也是可惜。

边做题边整理保存模板,感觉时间好紧张了啊。

总结:

1.罚时。我们三个人简单题的罚时还是太多了,以后一定要慎重,毕竟交一发有20分钟的罚时,还不如多花几分钟好好检查检查。

2.论模板的重要性,模板还没整理啊啊啊啊啊啊啊啊啊。

3.敲题。如果是双开,一定要清楚确定那一道题的通过率比较高并且有很大的把握,这种的题目先敲。如果双开的两道题都是这种类型的就让第三个人再看一道题。当然,仅限像今天这种含有简单题目的。

4.造样例。谁写的题目谁最清晰,如果WA了,要及时确认题意,如果题意没毛病觉得自己写的代码也没毛病一定要及时跟队友说自己的思路和想法,队友说一些乱七八糟的东西如果有用就要及时改,觉得没毛病了还是WA的话就要及时造样例。

5.赛后还有一个小时的时候,一定要稳住,静下心来。如果彼此真的有很大把握就双开。但是今天我就有很大把握,但是dfs里面有问题。。。。还是要靠个人把握了。。。

今天打的不是很好,时间把控的不好,配合的也比较一般。加油吧。

继续补题。

 

【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
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