学校集训心得 DAY8.13

DAY 8.3

测试竟然也是搜索与回溯。。。我们已经在这个坑里呆了三天-,,正在努力往外爬。。。

下面说说测试结果:(闭上眼睛不要听)

T1 积木覆盖   不知道从哪里找的题。。一道标准的搜索题,深搜广搜都能做,,原本应该轻松A(注意是原本),结果自己测的时候出了一点小问题,,结果是卡半天。。(⊙o⊙)…然而最终评测还是A掉了,,说明算法没问题,只是浪费了一些时间。。+100

T2 迷宫问题    也是标准的搜索,,数据范围也很小,,用的广搜做的,并没有费什么周折,,然而并没有过╮(╯_╰)╭,,不知道为什么自己把判断条件卡在了外面,,(⊙o⊙)…也是醉了。。小失误被卡掉十分5555。+90

T3 零点游戏   搜索+表达式求值(只能这么说),,搜索非常简单,,而求值也是最基本的表达式求值,,,调的很小心,一步一步调的,,所以最后直接出正确结果啦啊啊啊,,好开心O(∩_∩)O~+70

T4  量取牛奶  (codevs2094大师Master!!orzzzzz!!)  最后写的,,因为写完前三题还剩一个小时,看第五题没难度就先写了,,(事实证明这样做非常英明,,而且有难以启齿的原因),,最后写差点没调出来,,最后自己都没来得及设计数据,,过了样例就交了,,然而过了五组,,剩下的五组TLE,,不过早预料到,,还算满意吧。。后来看标算竟然要用DFSID!!窝当时真的不会啊!!+50

T5  漫游小镇  朴素的搜索一看就要TLE啊orz!然而我还是写了,,因为数据范围>=1<=7可以打表O(∩_∩)O哈哈哈~(这就是难以启齿的原因,,写完第五题先思考第四题让它跑着,,,跑了好久终于出来了第四题也快写完了\(^o^)/~),,只是我旁边的妹子不知道打表是怎么回事就眼看着程序超时了。。。大哥你看看A掉这道题的有一个算一个不打表跑得出来么???+70

交上去之后评测,,出结果。T135 AC T2 1WA T4 5TLE  440滚粗。。。

窝竟然是最高分??!在逗我么?

好吧我承认搜索确实是一个好东西。。很恶心,,但确实是好东西,,因为在正式比赛有些题正解很难想到(此话对神犇无效),,想到了也很难实现,,这时候搜索就在部分分上发挥了至关重要的作用,fye大爷上次省选全场暴力rank20,,也可见写暴力写暴力+写暴力的重要性。。。所以,,搜索怎么练都不为过,,在比赛中把能拿到的分都拿到就能得到不错的分数,,,所以基础很重要。。

今天是个意外,,,是个意外,,,不过也不负这几天辛苦地练习。。。

内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种融合联邦学习框架与隐私保护机制的电力负荷预测方法,旨在解决传统集中式数据处理中潜在的用户隐私泄露问题。通过构建分布式模型训练体系,各参与方在本地完成模型训练,仅向中心服务器上传模型参数或梯度信息,实现“数据不动模型动”的协同建模模式,确保数据“可用不可见”。研究采用Python语言实现了完整的联邦学习流程,涵盖客户端本地训练、全局模型聚合、隐私保护策略(如差分隐私或同态加密)集成、通信机制设计及预测性能评估等核心模块,显著提升了电力负荷预测在隐私安全与模型精度之间的平衡能力。; 适合人群:具备Python编程基础和机器学习基础知识,从事电力系统、智能电网、能源大数据分析、数据隐私保护等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于居民或工业级电力负荷预测任务,在保障用户用电数据隐私的前提下实现高精度预测;②为构建符合数据合规要求的智慧能源管理系统提供技术支撑;③推动联邦学习在能源互联网、跨企业数据协作等场景中的落地应用,促进多方协同建模与数据价值释放。; 阅读建议:建议读者结合文中提供的Python代码进行实践操作,重点关注联邦学习的通信轮次设置、本地训练迭代策略、模型聚合算法设计以及隐私噪声添加机制的实现细节,并可根据实际需求替换底层预测模型(如LSTM、XGBoost、Transformer等)以进一步优化预测性能。
内容概要:本文介绍了一种基于噪声抑制半监督学习的锂离子电池SOH(State of Health,健康状态)估计方法的Python代码实现,旨在通过结合半监督学习框架与噪声抑制技术,提升电池健康状态预测的准确性与鲁棒性。该方法充分利用少量有标签样本和大量无标签数据进行模型训练,有效缓解了实际应用中电池老化数据标注成本高、获取困难的问题。文中详细阐述了模型的整体架构设计、关键特征提取策略、噪声处理机制以及半监督学习中的损失函数构建,并提供了完整的可复现代码,便于研究人员理解和二次开发。; 适合人群:具备一定机器学习理论基础和Python编程能力,从事电池管理系统(BMS)、新能源汽车、储能系统等领域的科研人员或工程师,尤其适用于关注电池寿命预测、状态估计及数据驱动建模的研究生与青年学者。; 使用场景及目标:①实现锂离子电池健康状态的高精度估计,服务于电池管理系统的优化与安全预警;②为工业场景下标注数据稀缺的退化建模问题提供一种高效的半监督解决方案;③推动复杂噪声环境下电池性能退化预测的研究进展,增强模型在真实工况中的泛化能力和稳定性; 阅读建议:建议读者结合所提供的Python代码逐模块深入学习,重点理解数据预处理流程、噪声抑制模块的设计原理以及半监督损失函数的实现细节,同时可在不同公开电池数据集上进行迁移实验与对比分析,以全面掌握该方法的有效性与适用边界。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值