复试准备day15
·
oj练习
(1)
明明的问题可以归结为:给你一个整数区间,求出在这个区间里共有多少个素数。
输入说明
#include<stdio.h>
int main()
{
int m,n;
while (scanf("%d %d \n", &m,&n) != EOF)
{
int count = 0;
for (int i = m; i <= n; i++)
{
int is = 1;
for (int j = 2; j <= i/2;j++)
{
if (i % j == 0)
{
is = 0;
break;
}
}
if (i == 1)
{
is = 0;
}
if (is == 1)
{
count++;
}
}
printf("%d\n", count);
}
return 0;
}
(2)
还记得中学时候学过的杨辉三角吗?
基本的特征是:
前提:端点的数为1.
每个数等于它上方两数之和。
每行数字左右对称,由1开始逐渐变大。
第n行的数字有n项。
你可以参考以下的图形:
yh.jpg
#include <stdio.h>
int main() {
int T, n, i, j, k;
int a[21][21] = {0}; // 使用0初始化,方便后续计算
// 读取测试数据组数
scanf("%d", &T);
// 处理每组数据
for (k = 0; k < T; k++) {
scanf("%d", &n);
// 生成杨辉三角
for (i = 0; i < n; i++) {
a[i][0] = 1; // 每行第一个数为1
for (j = 1; j <= i; j++) {
a[i][j] = a[i-1][j-1] + a[i-1][j];
}
}
// 输出杨辉三角
for (i = 0; i < n; i++) {
// 每行先输出第一个数
printf("%d", a[i][0]);
// 输出后续数字
for (j = 1; j <= i; j++) {
printf(" %d", a[i][j]);
}
printf("\n"); // 行末换行
}
printf("\n"); // 每个三角后空一行
}
return 0;
}
(3)
从键盘上输入一个整数N,按以下规律输出一个(2N+1)*(2N+1)的矩阵:
对角线的值为1,
上半三角区域值为2,
下半三角区域值为3,
左半三角区域的值为4,
右半三角区域的值为5。
输入说明
你的程序需要从标准输入设备(通常为键盘)中读入多组测试数据。每组测试数据数据占一行,大于零,小于等于8。
输出说明
对每组测试数据,你的程序需要向标准输出文件(通常为启动该程序的终端)依次输出符合要求的矩阵,每行数据与数据之间以空格分隔,在行首和行尾不要输出多余的空格。在所有数据前后,以及两组数据之间不要输出多余的空行。
#include <stdio.h>
int main() {
int N;
while (scanf("%d", &N) != EOF) {
int size = 2 * N + 1;
for (int i = 0; i < size; i++) {
for (int j = 0; j < size; j++) {
if (i == j || i + j == size - 1) {
printf("%d", 1);
} else if (i < j && i + j < size - 1) {
printf("%d", 2);
} else if (i > j && i + j < size - 1) {
printf("%d", 4);
} else if (i > j && i + j > size - 1) {
printf("%d", 3);
} else {
printf("%d", 5);
}
if (j < size - 1) {
printf(" ");
}
}
printf("\n");
}
}
return 0;
}
文献翻译
卷积神经网络是深度学习中最关键的模型之一,在计算机视觉任务中得到了广泛应用,如图像分类、目标检测和图像分割。相较于传统的全连接神经网络,卷积神经网络通过局部连接和权值共享显著减少了参数量,从而降低了计算复杂度。卷积层能够自动从原始图像中提取特征,包括边缘、纹理和形状等。随着网络层数的增加,模型能够学习到更抽象、更复杂的特征表示。此外,池化层的使用通常可以缩减特征图的空间尺寸,既降低了计算成本,又增强了模型的鲁棒性。在实际应用中,卷积神经网络在医学影像分析、自动驾驶、人脸识别等领域取得了显著成果。然而,训练深度卷积神经网络通常需要大量标注数据和强大的计算资源,这仍是当前研究中的重要挑战。
更多推荐
所有评论(0)