题解 机器noip 2010

CF678F Lena and Queries题解

题目链接:CF 或者 洛谷 可以看到查询和插入就是李超线段树的基本操作,但在原有基础上多了一个删除操作,李超线段树不支持删除操作,但支持可撤销和可持久化,所以我们容易想到外层再套一个线段树分治即可。本题用可撤销就远远足够了,很好写。 具体的,我们读入所有操作,对于操作一,为当前下标线段读入它的 \( ......
题解 Queries 678F Lena 678

【机器学习】逻辑回归

目录感知器的种类sigmoid(logistics)函数代价/损失函数(cost function)——对数损失函数(log loss function)梯度下降算法(gradient descent algorithm)正则化逻辑回归(regularization logistics regres ......
逻辑 机器

【机器学习】多元线性回归

目录多元线性回归模型(multiple regression model)损失/代价函数(cost function)——均方误差(mean squared error)批量梯度下降算法(batch gradient descent algorithm)特征工程(feature engineerin ......
线性 机器

P7293 题解

传送门 思路 提供一个不太一样的容斥做法。 首先容易发现答案只和每个点到 1 号点的奇偶最短路有关,可以先 \(O(n)\) 求出来。 然后考虑枚举距离 \(d\),计算有多少个 K 元组的距离为 \(d\)。不妨设 \(d\) 为奇数,那么条件就是: 每个点的奇最短路的最大值为 \(d\); 存在 ......
题解 P7293 7293

USACO23023DEC 题解

LG LG9979 [USACO23DEC] Target Practice S code LG9980 [USACO23DEC] Flight Routes G sol 1 已知邻接矩阵求路径数奇偶性是容易的,倒着做即可 bitset 实现。时间复杂度 \(O(\frac{n^{3}}{\omeg ......
题解 USACO 23023 DEC

【题解】 P4482 | 后缀自动机 树分治

一种很好写的 \(O(n\log ^2 n)\) 的做法和处理技巧,不需要会任何 border series 的知识,只需要会 SAM 和一些基础数据结构就行。 考虑 \(\text{MaxBorder}(l,r)\) 可以被写成即找到最大的 \(p \leq r - l\) 满足 \(S[l:l+ ......
自动机 题解 后缀 P4482 4482

【GDKOI 2024 TG Day2】不休陀螺(top) 题解

考虑一个卡牌区间怎样才不是”陀螺无限“。 一个是费用在打到一半时费用就不够了。考虑构造一个卡牌序列使其尽量能够在打到一半时费用就不够,如何构造呢? 把 \(a_i > b_i\) 的卡牌称作消耗型卡牌,其他叫做获得型卡牌。我们可以构造把消耗型卡牌全部放在前面,后面突然来个很大的 \(a_i\) 就可 ......
题解 陀螺 GDKOI 2024 Day2

深度学习之机器学习理论

(一)机器学习(Machine Learning):就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法,统计学家也称之为统计学习,但本质上起源于计算机科学的人工智能。 (二)机器学习的分类:机器学习主要分为两类,即监督学习(supervised learning)与非监督学 ......
深度 机器 理论

CF1876C Autosynthesis 题解

Autosynthesis - 洛谷 https://codeforces.com/contest/1876/problem/C 这次也差点想出来了 \(QwQ\) 遇到这种题第一感觉是建图。把 \(i \rightarrow a_i\) 得到一个 章鱼森林 (这里忘记了每个点只有一个出边,是章鱼森 ......
题解 Autosynthesis 1876C 1876 CF

【题解】QOJ 4253 robot

考虑到不管怎么变化 \(x_i\) 的值其在 \(t\) 时刻的位置都能被一个一次函数 \(x_i\times t + b\) 表示。 而且 \(b\) 是好算的,考虑到知道现在的斜率 \(k\) 和现在的时间 \(t\) 以及现在的值 \(f(t)\),则整个函数就是 \(f(x) = f(t) ......
题解 robot 4253 QOJ

[COCI2015-2016#2] VUDU 题解

[COCI2015-2016#2] VUDU 题解 题意 给一个长度为 \(N\) 的整数序列 \({a}\),对于其一共 \(\frac{N\times (N+1)}{2}\) 个的非空区间,求有多少个区间的平均数大于等于 \(p\)。 暴力做法 显然,可以直接枚举区间左端点 \(j\) 与区间右 ......
题解 COCI 2015 2016 VUDU

CF1006E Military Problem 题解

CF1006E Military Problem 题解 题意 给定一颗有 \(n \thinspace (2 \leq n \leq 2 \times 10^5)\) 个节点的树,树根为 \(1\)。 对于每个节点 \(i \thinspace (2 \leq i \leq n)\) 都有它的父节点 ......
题解 Military Problem 1006E 1006

[COCI2012-2013#2] POPUST 题解

[COCI2012-2013#2] POPUST 题解 题意 有 \(N \thinspace (2 \leq N \leq 5 \times 10^5)\) 个物品,每个物品的原价是 \(b_i\) 元。每次选物品时,第一件选出的物品 \(i\) 价格变为 \(a_i\) 元,问选 \(i \th ......
题解 POPUST COCI 2012 2013

Meaningful Mean 题解

[ARC075E] Meaningful Mean 题解 题意 给一个长度为 \(N\) 的整数序列 \({a}\),对于其一共 \(\frac{N\times (N+1)}{2}\) 个的非空区间,求有多少个区间的平均数大于等于 \(k\)。 暴力做法 显然,可以直接枚举区间左端点 \(j\) 与 ......
题解 Meaningful Mean

【题解】CatOJ C0458C 滑动窗口定期重构

标题 trick 的名字我也不知道是什么,就这样吧。 link。 首先有显然的 dp 式子:\(f(i)=\min \{f(j) \times \max\{a_{j+1},\dots,a_i\}\}\)。考虑怎么去优化它。 有显然的 \(\mathcal O(n\log n)\):考虑线段树优化 d ......
题解 C0458C CatOJ C0458 0458C

1.11模拟赛 T1题解

简要题意 \(n\le 10^3 , \sum K_i\le3\times10^5\) 思路 首先容易想到一个暴力DP,\(f_{l,r,x}\) 表示区间中最大值为 \(x\) 的最大值 稍微想亿下可以发现如果这个位置选的不是区间最大值的话,答案一定不优 所以我们可以直接 \(f_{l,r}\) ......
模拟赛 题解 1.11 11

AT_joisc2018_b 题解

AT_joisc2018_b 题解 传送门 题意 有一个以原点为中心的正方形,有 \(n(n\le 100)\) 条不在正方形内部的线段,你需要画一些不在正方形内部的线段,使得这些线段可以把正方形围起来,要求最小化你画的线段的长度和。 思路 我们需要画出一条闭合折线,并且能够把正方形包围。 考虑我们 ......
题解 AT_joisc joisc 2018 AT

1.11模拟赛 T2题解

简要题意 每个点有一定概率向前面的点连边,求两点之间距离的期望 思路 推柿子 code #include<bits/stdc++.h> using namespace std; #define int long long #define N 1000005 int n,m,u,v; const in ......
模拟赛 题解 1.11 11

机器学习如何改变缺陷检测的格局?

​ 机器学习在缺陷检测中扮演着重要的角色,它能够通过自动学习和识别各种缺陷的模式和特征,改变缺陷检测的格局。以下是机器学习在缺陷检测中的一些应用和优势: 自动化检测:机器学习技术可以自动化处理大量的数据,通过学习和识别缺陷的模式和特征,实现自动化检测。这大大提高了缺陷检测的效率和准确性,减少了人工干 ......
格局 缺陷 机器

P4103 [HEOI2014] 大工程 题解

题目链接:大工程 先考虑只有一次查询,很显然我们可以暴力树上 dp 处理出答案。 对于每个节点而言,有: 容易看出类似点分治逐个遍历子树计算前面一堆子树对后面子树的贡献思想,我们可以很容易的知道: 对于路径总和,显然多了一段新的贡献,这段贡献为当前关键点和前面点多的一段 \(2\) 号路线长。这段长 ......
题解 工程 P4103 4103 2014

机器学习-决策树系列-贝叶斯算法-概率图模型-29

目录1. 复习条件概率2. 正式进入3. 生成式 与判别式 这个阶段的内容,采用概率论的思想,从样本里面学到知识(训练模型),并对新来的样本进行预测。 主要算法:贝叶斯分类算法、隐含马尔可夫模型、最大熵模型、条件随机场。 通过本阶段学习,掌握NLP自然语言处理的一些基本算法,本阶段的理解对于后续完成 ......
概率 算法 模型 机器 29

概率生成函数([CTSC2006] 歌唱王国 题解)

如果数列 {p_n} 满足 P(X=i)=p_i(即 {p_n } 为 X 的概率质量函数 PMF 所构成的数列),那么有概率生成函数:F_X(x)=\sum^{+\infty}_{i=0}P(X=i)x^i,概率生成函数具有一些性质,这些性质可以简化我们做题时的一些推导…… ......
题解 概率 函数 CTSC 2006

P9549 「PHOI-1」路虽远 题解

题目链接:路虽远 带限制的 dijkstra,优先考虑有哪些限制条件,当做类似 dp 去写。闯黄灯次数有要求,限制速度的边数量有要求。 我们注意到,如果选择哪些边限速不易于基于贪心选择,可以考虑转换下,边数 \(-\) 限制数即为可以不限速的边,选择不限速的贪心优于限速的,这样一来,我们在有机会选择 ......
题解 P9549 9549 PHOI

P3741题解

题目分析 给出一个字符串 \(s\),允许改变 \(0\) 或 \(1\) 个字符,求其中 VK 的出现次数。 变量/数组/函数解析 int n 字符串 \(s\) 的长度 string s 字符串 \(s\) int count(string s,string key) 自定义函数:求字符串 \( ......
题解 P3741 3741

机器学习-梯度下降法

1、名称解释 (1)什么是无约束优化问题? 无约束优化问题是指在给定目标函数的情况下,寻找使目标函数取得最大值或最小值的变量取值,而不受任何约束条件限制的优化问题。 具体来说,无约束优化问题可以形式化地表示为以下形式: 最小化 f(x),其中 x 是 n 维向量,f(x) 是一个实值函数,称为目标函 ......
梯度 机器

机器学习-半正定规划

1、概念解释 (1)什么是半正定规划? 半正定规划(Semi-Definite Programming,简称SDP) 是一类凸优化问题,其中的变量可组织成半正定对称矩阵形式,且优化问题的目标函数和约束都是这些变量的线性函数。 (2)什么是对称矩阵? 对称矩阵是指一个矩阵的元素关于主对角线对称。换句话 ......
机器

机器学习-二次规划

1、概念解释 (1)什么是半正定矩阵? 半正定矩阵是指一个方阵(即行数等于列数的矩阵),满足以下条件之一: 对于任意非零向量x,都有x^T * A * x ≥ 0,其中 A 表示该矩阵的转置。 所有特征值(eigenvalue)都大于或等于零。 简单来说,一个半正定矩阵的特点是它的所有特征值非负,或 ......
机器

机器学习-拉格朗日乘子法

1、概念解释 (1)什么是拉格朗日乘子法? 拉格朗日乘于法(Lagrange multipliers) 是一种种寻找多元函数在一组约束下的极值的方法。通过引入拉格朗日乘子,可将有d个变量与k个约束条件的最优化问题转化为具有d+k个变量的无约束优化问题求解。 2、基本演算 ......
乘子 机器

机器学习-奇异值分解

1、概念介绍 (1)什么是线性无关的行? 线性无关的行指的是矩阵中不可由其中一个或多个行的线性组合表示的行。换句话说,如果一个矩阵中有两个或多个行,且它们不能通过某些系数相乘和相加得到一个零向量,则这些行就是线性无关的。 例如,考虑一个包含三行的3x3矩阵: 1 2 3 4 5 6 7 8 9 我们 ......
机器

P4093 [HEOI2016/TJOI2016] 序列 题解

题目链接:序列 对于 LIS 问题,很显而易见的有 dp方程为: \[dp_i=\max{dp_j}+1 \ (j<i,a_j \le a_i) \text{ dp表示以某个位置结尾的最长 LIS} \]本题考虑到对于转移的两位置,如果能从 \(j \rightarrow i\),那么在以上条件成立 ......
题解 2016 序列 P4093 4093
共5400篇  :2/180页 首页上一页2下一页尾页