這一題是比較難實現的雙向搜尋題：（字串+雙向搜尋+hash記憶化）
我們可以先把k的前半部分列舉出來，並將得出的所有結果和題目給的n個數的每乙個數的前半部分都比對一遍，得到它和每乙個數有幾位相同，並hash存到map中去。
然後我們列舉k的後半部分，並將得出的所有結果和題目給的n個數的每乙個數的後半部分都比對一遍，得到它和每乙個數有幾位相同。這樣我們可以得到：對於每乙個列舉出的結果，他所對應的前半部分和n個數中每個數比對後應該有幾位相同，將你得到的結果與標準值取差然後hash，看map中是否有一樣的值存在。（存在就表示你找到了乙個（也可能是多個）解，然後判斷一下輸出即可）
當然，這一題還難在細節，要仔細一點（前導零，字串的處理，如何hash，怎樣比對，分類討論應該輸出什麼........）
#include#include#include#include#include#include#include#include#include#include#include#include#define ll long long
#define db double
#define inf 0x7fffffff
#define rg register int
using namespace std;
int n,m,s,su,ans,f;
int l[11],r[55];
int b[55],a[55][11];
char ch[55];
maph;
inline int qr()
inline int haxi()
return sdf%inf;
}inline int bint(int i,int j)
inline void yu(int t)
int sdf=haxi(),lkj=bint(1,m);
if(h.find(sdf)!=h.end()) h[sdf]=-1;
else h[sdf]=lkj;
return ;
} for(rg i=0;i<=9;++i)
l[t]=i, yu(t+1);
}inline void dfs(int t)
int sdf=haxi();
if(h.find(sdf)!=h.end())
} return ;
} for(rg i=0;i<=9;++i)
l[t]=i,dfs(t+1);
}int main() yu(1); dfs(m+1);
if(ans)printf("%d",ans);
} else puts("liar");
return 0;
}
L1 L2損失 和 L1 L2正則化
1 l1損失 最小絕對值誤差 最小化 值 真實值 的絕對值，魯棒性強。2 l2損失 最小平方誤差 最小化 值 真實值 的平方，對於大於1的數，平方更大，因此對樣本敏感。3 l1正則化 l1正則化和l2正則化可以看做是損失函式的懲罰項，l1正則化是指權值向量中各個元素的絕對值之和。l1正則化可以產生稀...
L1 L2範數 概念
向量的範數可以簡單形象的理解為向量的長度，或者向量到零點的距離，或者相應的兩個點之間的距離。向量的範數定義 向量的範數是乙個函式 x 滿足非負性 x 0，齊次性 cx c x 三角不等式 x y x y 常用的向量的範數 l0範數 x 0為x向量各個非零元素的個數 l1範數 x 1 為x向量各個元素...
面試L0,L1,L2範數
在深度學習中，監督類學習問題其實就是在規則化引數同時最小化誤差。最小化誤差目的是讓模型擬合訓練資料，而規則化引數的目的是防止模型過分擬合訓練資料。引數太多，會導致模型複雜度上公升，容易過擬合，也就是訓練誤差小，測試誤差大。因此，我們需要保證模型足夠簡單，並在此基礎上訓練誤差小，這樣訓練得到的引數才能...