卷积操作对于高维(多个平面)的输入,单个卷积核的深度应和输入的深度(depth)保持一致: 维卷积运算执行完毕,得一个 2 维的平面。如果我们想要对三通道的 RGB 图片进行卷积运算,那么其对应的滤波器组也同样是三通道的。过程是将每个单通道(R,G,B)与对应的滤波器进行卷积运算求和,然后再 ...
给定 F a ,a ...a n , G a ,a ...a n 定义 a oplus b 为 进制不进位加法,求 Ans F oplus G ,即求 Ans a b bmod ,a b bmod ,...,a n b n bmod F a ,a ...a n G b ,b ...b n part 我们先考虑 n 为 的情况,可以发现这就是一个长度为 的循环卷积。 因为该卷积的元素个数很少,我们考 ...
2019-11-05 16:09 7 96 推荐指数:
卷积操作对于高维(多个平面)的输入,单个卷积核的深度应和输入的深度(depth)保持一致: 维卷积运算执行完毕,得一个 2 维的平面。如果我们想要对三通道的 RGB 图片进行卷积运算,那么其对应的滤波器组也同样是三通道的。过程是将每个单通道(R,G,B)与对应的滤波器进行卷积运算求和,然后再 ...
我们知道一维前缀和是可以这么求的: 而一维前缀和是可以这么求的: 这是基于容斥的做法 当然我们也可以一维一维的去累计: 容易看出,当数组的位数变高的时候,如果我们要基于容斥去计算数组前缀和,容斥的项数越来越多,写起来也更加复杂,而如果我们按照维数去统计,则会有比较好的效果 ...
传送门 题解 抄代码\(20\)分钟,搞懂题解在干嘛仨小时→_→ 到今天才算真正搞明白\(FWT\)在干吗了 本题 首先转移关系都是恒定的,设它为一个矩阵\(B\),那么要求的就是\(f_n=f_0B^n\) 定义三进制不退位减法\(\ominus\),三进制不退位加法\(\oplus ...
FWT 学习笔记 想尽量讲得本质一点。 首先有一个引出问题叫做 集合幂级数 \[c_i=\sum_{j \ opt\ k=i}a_jb_k \] 其中,\(opt\) 是集合的并交补运算,而 \(i,j,k\) 也都是集合的意思 当我们把 \(i,j,k\) 看成二进制 ...
前言 今天中午不知怎么的对这个东西产生了兴趣,感觉很神奇,结果花了一个中午多的时间来看QAQ 下面说下自己的理解。 高维前缀和一般解决这类问题: 对于所有的\(i,0\leq i\leq 2^n-1\),求解\(\sum_{j\subset i}a_j\)。 显然,这类问题 ...
我们经常要用到前缀和。 一维: 二维: 那如果是三维的呢? 其实就是一个容斥。 但是,随着维度t变高,容斥的复杂度是2^t,总复杂度O(n^t*2^t不能承受。 我们还有一个方法: 一维: 二维 ...
高维前缀和/SOS dp 概念 一般我们写的前缀和实际上是容斥的思想。 如: 设 \(t\) 为维度,\(n\) 为每个维度的最大值。那么这种容斥的写法的复杂度实际上是 \(O(n^t\times 2^t)\)。 而实际上我们还有另一种写法,也是高维前缀和统计所用的方法 ...
求解五维偏序 给定 \(n(\le 3\times 10^4)\) 个五元组,对于每个五元组 \((a_i, b_i, c_i, d_i, e_i)\),求存在多少个 \(1\le j\le n\) 满足 \(a_i > a_j\) 且 \(b_i > b_j ...