CSP 202206-1 归一化处理

简介: CSP 202206-1 归一化处理

本题链接CSP 202206-1 归一化处理

本博客给出本题截图

image.png

C++

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <cmath>
using namespace std;
const int N = 1010;
double a[N];  // 直接定义为double类型不用进行后续的强制转换
int main()
{
    int n;
    double sum = 0;
    cin >> n;
    for (int i = 0; i < n; i ++ ) cin >> a[i], sum += a[i];
    double ave = sum / n, d = 0;
    for (int i = 0; i < n; i ++ ) d += pow(a[i] - ave, 2);
    d /= n;
    for (int i = 0; i < n; i ++ ) printf("%lf\n", (a[i] - ave) / sqrt(d));
    return 0;
}

总结

会调用几个数学函数即可,题目让做什么做什么就可以了,题目中a数组虽然存的是整数但是定义为浮点数也没什么大不了的,可以省几步的强制转换,再一个就是误差不超过10-4就可以了,所以没必要输出小数点后那么多位,题干在最后也提示了,直接 printf 即可。

目录
相关文章
|
1月前
|
机器学习/深度学习 计算机视觉
【YOLOv11改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征
【YOLOv11改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征本文提出了一种全局注意力机制,通过保留通道和空间信息,增强跨维度的交互,减少信息损失。该机制结合3D置换与多层感知器用于通道注意力,卷积空间注意力子模块用于空间注意力。实验结果表明,在CIFAR-100和ImageNet-1K数据集上,该方法在ResNet和MobileNet上优于多种最新注意力机制。
【YOLOv11改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征
|
5月前
|
机器学习/深度学习 PyTorch 算法框架/工具
【YOLOv8改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征
YOLO目标检测专栏探讨了模型创新,如注意力机制,聚焦通道和空间信息的全局注意力模组(GAM),提升DNN性能。GAM在ResNet和MobileNet上优于最新方法。论文及PyTorch代码可在给出的链接找到。核心代码展示了GAM的构建,包含线性层、卷积和Sigmoid激活,用于生成注意力图。更多配置详情参阅相关博客文章。
【YOLOv8改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征
|
5月前
|
机器学习/深度学习 算法 测试技术
【YOLOv8改进 - 注意力机制】Focused Linear Attention :全新的聚焦线性注意力模块
YOLOv8专栏探讨了该目标检测算法的创新改进,包括使用聚焦线性注意力模块,解决了Transformer在视觉任务中的效率和表达力问题。该模块增强自注意力,提高焦点能力和特征多样性,保持线性复杂度。文章提供了实证证据证明其在多个基准上的性能提升,并在GitHub上发布了代码。论文和更多实战案例链接见文中。
|
4月前
|
API 算法框架/工具
【Tensorflow+keras】使用keras API保存模型权重、plot画loss损失函数、保存训练loss值
使用keras API保存模型权重、plot画loss损失函数、保存训练loss值
34 0
|
7月前
|
机器学习/深度学习
csp202305-2 矩阵运算
csp202305-2 矩阵运算
|
7月前
|
数据可视化
FLatten Transformer:聚焦式线性注意力模块
FLatten Transformer:聚焦式线性注意力模块
109 2
FLatten Transformer:聚焦式线性注意力模块
|
7月前
|
存储 数据中心 索引
SPSS中的多层(等级)线性模型Multilevel linear models研究整容手术数据
SPSS中的多层(等级)线性模型Multilevel linear models研究整容手术数据
|
机器学习/深度学习 数据采集
区间预测 | MATLAB实现基于QRCNN-BiGRU-Multihead-Attention多头注意力卷积双向门控循环单元多变量时间序列区间预测
区间预测 | MATLAB实现基于QRCNN-BiGRU-Multihead-Attention多头注意力卷积双向门控循环单元多变量时间序列区间预测
|
Python
【17】查看中间层卷积核的权重及偏置等参数
【17】查看中间层卷积核的权重及偏置等参数
183 0
【17】查看中间层卷积核的权重及偏置等参数
|
机器学习/深度学习 人工智能 BI
202104-2 邻域均值-CSP题解
202104-2 邻域均值-CSP题解
202 0
202104-2 邻域均值-CSP题解