首页 > 其他分享 >Die For You

Die For You

时间:2024-09-09 22:38:44浏览次数:7  
标签:00 21 Die 稍微 T2 T3 但是

2024.9.9 NOIP 模拟赛

今天很困。是非常直观的感受。

虽说如此但是还是认真看题吧。总之 T1 需要细想,需要分类讨论,但是不难。T2 有点像 JOISC 的《巴士走读》一题,但也不完全像。T3 需要先推一些性质。T4 一筹莫展。开场大概是这样的判断。

T1 在 9:00 的时候通过了。稳扎稳打从 \(n = 3\) 的情况开始推出了所有的情况,是一个不错的开头。虽然速度有点慢。

然后是 T2。值域很大但是 \(n,m\) 过分小了,让人想到保留若干个关键时刻就好了。但是关键时刻的选取很棘手。稍微想了几个做法,但是稍加验证全部失败了。

这个时候意识到暴力有 70 分,而且非常好实现。严格执行上周制定的策略,把 70 分写掉。然后来到 T3。T3 的第一步转化倒是非常容易。后面有一个似是而非的区间 DP 状物。但是是错的。最后在多次尝试之后敲定了最终的模型。把每个点到两侧出口的距离当成平面上的点,放在平面上考虑。这样一种方案就等价于一条折线。这样就是熟悉的问题了,似乎 accoders 上也有提及。最后在 12:20 通过了。


稍微受到了睡眠的影响。T3 没有很快通过。但是可以明显地感觉到整个思路是比较可控的。有一步一步思考的趋势。有恰到好处的观察。

T2 的关键点倒是颇为深刻。算起点 \(s\) 到终点 \(t\) 的答案并不一定要直接和 \(s,t\) 扯上关系。可以枚举中间状态。这已经是好几次出现的内容了。这次稍微有些深刻。

大概又是 21:00 才改完今天的题目。速度稍微有一些慢了。明天要好好想一想为什么这么慢。如果有人能 14:00 改完的话,在 21:00 的基础上提前好几个小时应该都不是困难的事情。

明天要做的:

  • 更加集中。
  • 稳扎稳打,不受到今天的影响。

标签:00,21,Die,稍微,T2,T3,但是
From: https://www.cnblogs.com/Meatherm/p/18405489

相关文章

  • 论文解读:Prompt-aligned Gradient for Prompt Tuning
    摘要得益于CLIP等大型预训练的视觉语言模型VLM,我们可以通过离散的提示设计构建Zero-shot分类器,例如,利用图像与提示语句"aphotoofa[CLASS]"之间的相似度,可以获得图像属于某个类别的置信度分数。此外,如果我们使用少量样本对软提示进行微调,提示调优表现出VLMs快速适应下......
  • 前端必知必会-CSS 渐变Gradients(下)
    文章目录CSS圆锥渐变圆锥渐变:三种颜色圆锥渐变:五种颜色圆锥渐变:三种颜色和度数创建饼图具有指定起始角的圆锥渐变具有指定中心位置的圆锥渐变重复圆锥渐变CSS渐变函数总结CSS圆锥渐变CSS圆锥渐变圆锥渐变是围绕中心点旋转的颜色过渡渐变。要创建圆锥渐变,您必......
  • 基于Python的机器学习系列(18):梯度提升分类(Gradient Boosting Classification)
    简介        梯度提升(GradientBoosting)是一种集成学习方法,通过逐步添加新的预测器来改进模型。在回归问题中,我们使用梯度来最小化残差。在分类问题中,我们可以利用梯度提升来进行二分类或多分类任务。与回归不同,分类问题需要使用如softmax这样的概率模型来处理类别标......
  • 基于Python的机器学习系列(17):梯度提升回归(Gradient Boosting Regression)
    简介        梯度提升(GradientBoosting)是一种强大的集成学习方法,类似于AdaBoost,但与其不同的是,梯度提升通过在每一步添加新的预测器来减少前一步预测器的残差。这种方法通过逐步改进模型,能够有效提高预测准确性。梯度提升回归的工作原理        在梯度提升......
  • 前端必知必会-CSS 渐变Gradients(上)
    文章目录CSS渐变CSS线性渐变使用角度使用多个颜色停止点使用透明度重复线性渐变CSS径向渐变径向渐变-均匀分布的色标(这是默认设置)径向渐变-不同分布的色标设置形状使用不同的Size关键字重复径向渐变总结CSS渐变CSS渐变可让您在两种或多种指定颜色之间......
  • GaLore Memory-Efficient LLM Training by Gradient Low-Rank Projection
    目录概符号说明GaLoreZhaoJ.,ZhangZ.,ChenB.,WangZ.,AnandkumarA.andTianY.GaLore:Memory-efficientllmtrainingbygradientlow-rankprojection.ICML,2024.概本文提出了一种优化器中高效的缓存策略.符号说明\(W_t\in\mathbb{R}^{m\timesn}\),参......
  • 芯片行业内 die 的翻译及词解
    die在电子行业内使用背景"Die"的本意是指一种工具或模具,用于压制或切割材料,例如金属、塑料或玻璃。它也可以指一种用于制造产品的模具或工具。在电子行业中,"die"指的是一个集成电路的核心部分,也就是说,它是指集成电路的实际电路部分,不包括外部的连接线路和封装材料。这个术语......
  • 四十、【人工智能】【机器学习】- 梯度下降(Gradient Descent Algorithms)算法模型
     系列文章目录第一章【机器学习】初识机器学习第二章【机器学习】【监督学习】-逻辑回归算法(LogisticRegression)第三章【机器学习】【监督学习】-支持向量机(SVM)第四章【机器学习】【监督学习】-K-近邻算法(K-NN)第五章【机器学习】【监督学习】-决策树(......
  • [AtCoder] E - Putting Candies
    ProblemLinkIfwepickA[i]the2ndtime,itmeanswehaveacycle.Proof:1sttimewepickA[i],thesumbeforeaddingA[i]isx;2ndtimewepickA[i],thesumbeforeaddingA[i]isy; Forthistohappenx%N==y%Nmusthold.Otherwisewewouldno......
  • 数值稳定性:Fixing NaN Gradients during Backpropagation in TensorFlow
    数值稳定性:FixingNaNGradientsduringBackpropagationinTensorFlow......