卷积神经网络
-
CF 914G Sum the Fibonacci——子集卷积
题目:http://codeforces.com/contest/914/problem/G 第一个括号可以子集卷积;第三个括号可以用 FWT 异或卷积;这样算出选两个数组成 x 的方案数;三个部分的方案数分别乘上 f[ x ] 再一起与卷积即可。 注意子集卷积的时候不要改 tp[ i ][ s ] ,因为要的是恰好两个数拼起来,没有改过的(但是做过 FMT…
-
CF838C(博弈+FWT子集卷积+多项式ln、exp)
传送门: http://codeforces.com/problemset/problem/838/C 题解: 如果一个字符串的排列数是偶数,则先手必胜,因为如果下一层有后手必赢态,直接转移过去,不然,就一直耗着,因为是偶数,所以会让后手进入下一层,则后手必输。 排列数是偶数,打表发现\(|s|\)是奇数时,先手必赢,否则后手必赢,接下来尝试归纳这个结论。 …
-
「总结」狄利克雷卷积,莫比乌斯反演和杜教筛
这一篇\(\texttt{blog}\)应该算这篇的后续,所以可以先看一下这一篇QwQ 0. 一些奇奇怪怪的数论函数 \(\begin{aligned}1. \; & \textbf{1}(x) = 1 \\2. \; & \textbf{id}(x) = x, \textbf{id}^k(x) = x ^ k \\3. \; & \…
-
狄利克雷卷积&莫比乌斯反演总结
Prepare 1、\([P]\)表示当\(P\)为真时\([P]\)为\(1\),否则为\(0\)。 2、\(a|b\)指\(b\)被\(a\)整除。 3、一些奇怪常见的函数: \(1(n)=1\) \(id(n)=n\) \(\sigma(n)=n的约数和\) \(d(n)=n的约数个数\) \(\epsilon(n)=[n==1]\) 狄利克雷卷积 数…
-
[学习笔记]子集卷积
前置知识 FMT:对于两个下标在 \([0,2^n)\) 的数组 \(f\) 和 \(g\),求: \[h_i=\sum_{j\text{ or }k=i}f_jg_k \] 可以做到 \(O(2^nn)\) 限于博主水平,这里不放该前置算法的流程,请自行百度 引入 对于两个下标在 \([0,2^n)\) 的数组 \(f\) 和 \(g\),求: \[h_i…
-
积性函数求和:构造狄利克雷卷积将值域限定于powerful number
前情提要:$O(n^{0.75}/\log n)$ 时间的积性函数求和。当 $n \ge 10^{12}$ 的时候需要十几秒出解。 如果积性函数的性质更好,那么我们可以更快地求和。 假设积性函数 $f$ 和易于求和的积性函数 $g$ 满足 $f(p)=g(p)$,且 $f=g*h$, $g*h$ 表示 $g, h$ 的狄利克雷卷积,也就是 $f(n)=\su…
-
卷积神经网络的理解
CNN中减少参数的2两个规则: 1、局部感知。生物学中,视觉皮层的神经元是局部感知信息的,只响应某些特定区域的刺激;图像的空间联系中,局部的像素联系较为紧密,距离较远的像素相关性较弱。 这个对应于算法中卷积核的大小,mnist手写识别在28*28的像素中取patch为5*5。 上图中:左边是全连接,右边是局部连接。 2、权值共享。每个神经元对应的参数(权…
-
一个人的高三楼:多项式卷积,生成函数
Description: 一天的学习快要结束了,高三楼在晚自习的时候恢复了宁静。不过,HSD 桑还有一些作业没有完成,他需要在这个晚自习写完。比如这道数学题: 1、给出一个数列,求它的前i项和$S_i$ HSD 桑擅长数学,很快就把这题秒了……然而还有第二题: 2、如果把上一问的前n项和看成一个新数列,请求出它的i项和 看完第二题,还有第三题……HSD …