算法沉淀——动态规划之路径问题（leetcode真题剖析）

在这里插入图片描述

算法沉淀——动态规划之路径问题

  • 01.不同路径
  • 02.不同路径 II
  • 03.珠宝的最高价值
  • 04.下降路径最小和
  • 05.最小路径和
  • 06.地下城游戏

01.不同路径

题目链接：https://leetcode.cn/problems/unique-paths/

一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。

问总共有多少条不同的路径？

示例 1：

输入：m = 3, n = 7
输出：28

示例 2：

输入：m = 3, n = 2
输出：3
解释：
从左上角开始，总共有 3 条路径可以到达右下角。
1. 向右 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右
3. 向下 -> 向右 -> 向下

示例 3：

输入：m = 7, n = 3
输出：28

示例 4：

输入：m = 3, n = 3
输出：6

提示：

  • 1 <= m, n <= 100
  • 题目数据保证答案小于等于 2 * 109

思路

这是一个典型的动态规划问题。以下是解题的一般步骤：

  1. 状态表示： 对于路径类问题，有两种状态表示方式，选择其中之一。这里选择从起始位置出发，到达 [i, j] 位置的方式：

    dp[i][j] 表示从起始位置到达 [i, j] 位置的路径数。

  2. 状态转移方程： 分析从 [i, j] 位置出发的一小步，有两种情况：

    • 从 [i-1, j] 位置向下走一步，转移到 [i, j] 位置；
    • 从 [i, j-1] 位置向右走一步，转移到 [i, j] 位置。

    因此，状态转移方程为：dp[i][j] = dp[i-1][j] + dp[i][j-1]。

  3. 初始化： 在 dp 数组前添加一行和一列，初始化 dp[0][1] 位置为 1。

  4. 填表顺序： 从上往下，每一行从左往右填写。

  5. 返回值： 返回 dp[m][n] 的值，表示从起始位置到达终点位置的路径数。

代码

class Solution {
public:int uniquePaths(int m, int n) {vector<vector<int>> dp(m+1,vector<int>(n+1,0));dp[1][1]=1;for(int i=1;i<=m;i++){for(int j=1;j<=n;j++){if(i==1&&j==1) continue;dp[i][j]=dp[i-1][j]+dp[i][j-1];}}return dp[m][n];}
};

02.不同路径 II

题目链接：https://leetcode.cn/problems/unique-paths-ii/

一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。

机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish”）。

现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径？

网格中的障碍物和空位置分别用 1 和 0 来表示。

示例 1：

输入：obstacleGrid = [[0,0,0],[0,1,0],[0,0,0]]
输出：2
解释：3x3 网格的正中间有一个障碍物。
从左上角到右下角一共有 2 条不同的路径：
1. 向右 -> 向右 -> 向下 -> 向下
2. 向下 -> 向下 -> 向右 -> 向右

示例 2：

输入：obstacleGrid = [[0,1],[0,0]]
输出：1

提示：

  • m == obstacleGrid.length
  • n == obstacleGrid[i].length
  • 1 <= m, n <= 100
  • obstacleGrid[i][j] 为 0 或 1

思路

根据上题分析，这题如果某个位置 [i - 1, j] 或者 [i, j - 1] 上存在障碍物，说明从这两个位置到达 [i, j] 的路径是被阻挡的，因此在计算 dp[i][j]（表示从起点到达 [i, j] 的路径数）时，可以直接将 dp[i][j] 设为零，其余同上题。

代码

class Solution {
public:int uniquePathsWithObstacles(vector<vector<int>>& obstacleGrid) {int m=obstacleGrid.size(),n=obstacleGrid[0].size();vector<vector<int>> dp(m+1,vector<int>(n+1,0));dp[1][0]=1;for(int i=1;i<=m;++i)for(int j=1;j<=n;++j)if(obstacleGrid[i-1][j-1]==0)dp[i][j]=dp[i-1][j]+dp[i][j-1];return dp[m][n];}
};

03.珠宝的最高价值

题目链接：https://leetcode.cn/problems/li-wu-de-zui-da-jie-zhi-lcof/

现有一个记作二维矩阵 frame 的珠宝架，其中 frame[i][j] 为该位置珠宝的价值。拿取珠宝的规则为：

  • 只能从架子的左上角开始拿珠宝
  • 每次可以移动到右侧或下侧的相邻位置
  • 到达珠宝架子的右下角时，停止拿取

注意：珠宝的价值都是大于 0 的。除非这个架子上没有任何珠宝，比如 frame = [[0]]。

示例 1:

输入: frame = [[1,3,1],[1,5,1],[4,2,1]]
输出: 12
解释: 路径 1→3→5→2→1 可以拿到最高价值的珠宝

提示：

  • 0 < frame.length <= 200
  • 0 < frame[0].length <= 200

思路

在处理这类问题时，动态规划的状态表可以采用两种主要形式：一是从某个位置出发，描述到达其他位置的情况；二是从起始位置到达某个位置，描述达到该位置时的状态。在这里，我们选择第二种方式定义状态表：

我们使用 dp[i][j] 表示从起始位置到达 [i, j] 位置时的最大价值。在考虑到达 [i, j] 的两种方式时，即从上方 [i - 1, j] 或从左侧 [i, j - 1] 到达，我们需要选择其中最大价值的路径。因此，状态转移方程为：

dp[i][j]=max(dp[i-1][j],dp[i][j-1])+frame[i-1][j-1];

在初始化过程中，可以添加一个辅助结点，并将所有值初始化为零。填表的顺序是从上往下逐行填写，每一行从左往右。最后，我们应该返回 dp[m][n] 的值，表示在整个网格中的最大价值。

代码

class Solution {
public:int jewelleryValue(vector<vector<int>>& frame) {int m=frame.size(),n=frame[0].size();vector<vector<int>> dp(m+1,vector<int>(n+1,0));for(int i=1;i<=m;++i)for(int j=1;j<=n;++j)dp[i][j]=max(dp[i-1][j],dp[i][j-1])+frame[i-1][j-1];return dp[m][n];}
};

04.下降路径最小和

题目链接：https://leetcode.cn/problems/minimum-falling-path-sum/

给你一个 n x n 的 方形 整数数组 matrix ，请你找出并返回通过 matrix 的下降路径 的 最小和 。

下降路径 可以从第一行中的任何元素开始，并从每一行中选择一个元素。在下一行选择的元素和当前行所选元素最多相隔一列（即位于正下方或者沿对角线向左或者向右的第一个元素）。具体来说，位置 (row, col) 的下一个元素应当是 (row + 1, col - 1)、(row + 1, col) 或者 (row + 1, col + 1) 。

示例 1：

输入：matrix = [[2,1,3],[6,5,4],[7,8,9]]
输出：13
解释：如图所示，为和最小的两条下降路径

示例 2：

输入：matrix = [[-19,57],[-40,-5]]
输出：-59
解释：如图所示，为和最小的下降路径

提示：

  • n == matrix.length == matrix[i].length
  • 1 <= n <= 100
  • -100 <= matrix[i][j] <= 100

在处理这种「路径类」的问题时，动态规划的状态表一般有两种常见形式：一是从某个位置出发，描述到达其他位置的情况；二是从起始位置到达某个位置，描述达到该位置时的状态。在这里，我们选择第二种方式定义状态表：

我们使用 dp[i][j] 表示到达 [i, j] 位置时，所有下降路径中的最小和。在考虑到达 [i, j] 的三种方式时，即从正上方 [i - 1, j]、左上方 [i - 1, j - 1] 和右上方 [i - 1, j + 1] 转移到 [i, j] 位置，我们需要选择三者中的最小值，再加上矩阵在 [i, j] 位置的值。因此，状态转移方程为：

dp[i][j]=matrix[i-1][j-1]+min(dp[i-1][j-1],min(dp[i-1][j],dp[i-1][j+1]));

在初始化过程中，我们添加一个辅助结点，将其值初始化为正无穷大，以保证后续填表时是正确的。同时，需要注意下标的映射关系。在本题中，我们添加了一行和两列，将第一行的值初始化为 0。填表的顺序是从上往下逐行填写。最后，我们不是返回 dp[m][n] 的值，而是返回 dp 表中最后一行的最小值，因为题目要求只要到达最后一行即可。

代码

class Solution {
public:int minFallingPathSum(vector<vector<int>>& matrix) {int m=matrix.size(),n=matrix[0].size();vector<vector<int>> dp(n+1,vector<int>(n+2,INT_MAX));for(int i=0;i<n+2;i++) dp[0][i]=0;for(int i=1;i<=n;i++)for(int j=1;j<=n;j++)dp[i][j]=matrix[i-1][j-1]+min(dp[i-1][j-1],min(dp[i-1][j],dp[i-1][j+1]));int ret=INT_MAX;for(int i=1;i<=n;i++)ret=min(ret,dp[n][i]);return ret;}
};

05.最小路径和

题目链接：https://leetcode.cn/problems/minimum-path-sum/

给定一个包含非负整数的 *m* x *n* 网格 grid ，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。

**说明：**每次只能向下或者向右移动一步。

示例 1：

输入：grid = [[1,3,1],[1,5,1],[4,2,1]]
输出：7
解释：因为路径 1→3→1→1→1 的总和最小。

示例 2：

输入：grid = [[1,2,3],[4,5,6]]
输出：12

提示：

  • m == grid.length
  • n == grid[i].length
  • 1 <= m, n <= 200
  • 0 <= grid[i][j] <= 200

思路

在处理这种路径类问题时，我们通常选择两种状态表现形式：一是从某个位置出发，描述到达其他位置的情况；二是从起始位置到达某个位置，描述达到该位置时的状态。在这里，我们选择第二种方式定义状态表：

我们使用 dp[i][j] 表示到达 [i, j] 位置处的最小路径和。在分析 dp[i][j] 的情况时，我们考虑到达 [i, j] 位置之前的一小步有两种情况：一是从上方 [i - 1, j] 向下走一步，转移到 [i, j] 位置；二是从左方 [i, j - 1] 向右走一步，转移到 [i, j] 位置。由于我们要找的是最小路径，因此只需要这两种情况下的最小值，再加上 [i, j] 位置上本身的值即可。

也就是说，状态转移方程为：dp[i][j]=min(dp[i-1][j],dp[i][j-1])+grid[i-1][j-1];

在初始化过程中，我们可以在最前面加上一个「辅助结点」，帮助我们初始化。使用这种技巧需要注意两个点：一是辅助结点里面的值要保证后续填表是正确的；二是下标的映射关系。在本题中，添加了一行和一列，所有位置的值可以初始化为无穷大，然后让 dp[0][1] = dp[1][0] = 1 即可。

填表的顺序是从上往下逐行填写，每一行从左往右。最后，我们返回 dp 表中最后一个位置的值，即 dp[m][n]。

代码

class Solution {
public:int minPathSum(vector<vector<int>>& grid) {int m=grid.size(),n=grid[0].size();vector<vector<int>> dp(m+1,vector<int>(n+1,INT_MAX));dp[0][1]=dp[1][0]=0;for(int i=1;i<=m;i++)for(int j=1;j<=n;j++)dp[i][j]=min(dp[i-1][j],dp[i][j-1])+grid[i-1][j-1];return dp[m][n];}
};

06.地下城游戏

题目链接：https://leetcode.cn/problems/dungeon-game/

恶魔们抓住了公主并将她关在了地下城 dungeon 的 右下角 。地下城是由 m x n 个房间组成的二维网格。我们英勇的骑士最初被安置在 左上角 的房间里，他必须穿过地下城并通过对抗恶魔来拯救公主。

骑士的初始健康点数为一个正整数。如果他的健康点数在某一时刻降至 0 或以下，他会立即死亡。

有些房间由恶魔守卫，因此骑士在进入这些房间时会失去健康点数（若房间里的值为负整数，则表示骑士将损失健康点数）；其他房间要么是空的（房间里的值为 0），要么包含增加骑士健康点数的魔法球（若房间里的值为正整数，则表示骑士将增加健康点数）。

为了尽快解救公主，骑士决定每次只 向右 或 向下 移动一步。

返回确保骑士能够拯救到公主所需的最低初始健康点数。

**注意：**任何房间都可能对骑士的健康点数造成威胁，也可能增加骑士的健康点数，包括骑士进入的左上角房间以及公主被监禁的右下角房间。

示例 1：

输入：dungeon = [[-2,-3,3],[-5,-10,1],[10,30,-5]]
输出：7
解释：如果骑士遵循最佳路径：右 -> 右 -> 下 -> 下 ，则骑士的初始健康点数至少为 7 。

示例 2：

输入：dungeon = [[0]]
输出：1

提示：

  • m == dungeon.length
  • n == dungeon[i].length
  • 1 <= m, n <= 200
  • -1000 <= dungeon[i][j] <= 1000

思路

这道题可以通过动态规划求解，首先需要定义状态表现形式。如果我们定义为“从起点开始，到达 [i, j] 位置的时候，所需的最低初始健康点数”，分析状态转移时可能会受到后续路径的影响。因此，更合适的状态表现形式是“从 [i, j] 位置出发，到达终点时所需要的最低初始健康点数”。

综上，我们定义状态表达为：dp[i][j]表示：从 [i, j] 位置出发，到达终点时所需的最低初始健康点数。

在状态转移方程中，我们考虑从 [i, j] 位置出发的两种选择： i. 向右走到终点，即从 [i, j] 到 [i, j + 1]； ii. 向下走到终点，即从 [i, j] 到 [i + 1, j]。

对于这两种选择，我们需要选择使得到达终点时的初始健康点数最小的路径。因此，状态转移方程为： dp[i][j]=min(dp[i+1][j],dp[i][j+1])-dungeon[i][j];

然而，由于 dungeon[i][j] 可能是一个较大的正数，计算得到的dp[i][j]的值可能会小于等于 0。如果初始健康点数小于等于 0，马上死亡，因此我们需要处理这种情况，将 dp[i][j] 与 1 取最大值：dp[i][j]=max(1,dp[i][j]);

在初始化阶段，我们在最前面加上一个“辅助结点”来帮助初始化，需要注意辅助结点里面的值要保证后续填表是正确的，以及下标的映射关系。在本题中，我们在 dp 表的最后一行和最后一列分别添加一行和一列，将所有的值初始化为无穷大，然后让 dp[m][n - 1] = dp[m - 1][n] = 1。

填表的顺序是从下往上逐行填写，每一行从右往左。最后，我们返回 dp[0][0] 的值。

代码

class Solution {
public:int calculateMinimumHP(vector<vector<int>>& dungeon) {int m=dungeon.size(),n=dungeon[0].size();vector<vector<int>> dp(m+1,vector<int>(n+1,INT_MAX));dp[m][n-1]=dp[m-1][n]=1;for(int i=m-1;i>=0;i--)for(int j=n-1;j>=0;j--){dp[i][j]=min(dp[i+1][j],dp[i][j+1])-dungeon[i][j];dp[i][j]=max(1,dp[i][j]);}return dp[0][0];}
};

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://xiahunao.cn/news/2809356.html

如若内容造成侵权/违法违规/事实不符，请联系瞎胡闹网进行投诉反馈，一经查实，立即删除！

相关文章

Ubuntu22.04.3LTS安装ffmpeg6.x

Ubuntu22.04.3LTS安装ffmpeg6.x

1.官网ffmpeg下载源码 https://ffmpeg.org/download.html#build-windows 安装 libx264 开发库&#xff08;一个开源的视频压缩库&#xff0c;用于编码视频流为 H.264/MPEG-4 AVC 视频格式&#xff09;。这是编译 FFmpeg 时如果要支持 H.264 编码必须的。 sudo apt install l…
阅读更多...
axure使用nginx反向代理完美解决接口跨域问题

axure使用nginx反向代理完美解决接口跨域问题

问题描述 在使用axure请求接口的过程中，由于浏览器安全策略的限制，常常会遇到跨域问题，如下图： 解决思路 解决跨域有很多办法，本文将使用nginx反向代理来解决跨域问题。实现原理将axure的请求发送到代理服务器，由代理服务器进行请求转发。 解决步骤 准备axure 文章…
阅读更多...
google浏览器chrome无法访问localhost等本地虚拟域名的解决方法

google浏览器chrome无法访问localhost等本地虚拟域名的解决方法

场景一&#xff1a; 谷歌浏览器访问出现&#xff1a;forbbiden 403 问题&#xff0c;或者直接跳转到正式域名(非本地虚拟域名) 访问本地的虚拟域名http://www.hd.com/phpinfo.php?p1发生了302 条状 火狐浏览器正常访问; 解决方法&#xff1a; 方法1&#xff1a;在谷歌浏览器…
阅读更多...
一种简易的多进程文件读写器

一种简易的多进程文件读写器

目录 1. 前言2. 初步实现3. ParallelFileProcessor 1. 前言 在数据清洗场景下&#xff0c;我们可能需要对一个 .jsonl 文件清洗以得到另一个 .jsonl 文件。一种直观的做法就是逐行读取&#xff0c;逐行清洗&#xff0c;然后逐行写入&#xff0c;这一流程的示意图如下&#xff…
阅读更多...
InnoDB中的索引类型以及为什么使用

InnoDB中的索引类型以及为什么使用

InnoDB中的索引类型&#xff1f; InnoDB存储引擎支持两种常见的索引数据结构&#xff1a;B树索引、Hash索引&#xff0c;其中B树索引是目前关系型数据库系统中最常见、最有效的索引。 数据库中的B树索引分为聚集索引和非聚集索引。聚集索引就是按照每张表的主键构造一个B树&am…
阅读更多...
vue项目的前端工程化思路webpack（持续更新中）

vue项目的前端工程化思路webpack（持续更新中）

写在前面&#xff1a;现在的前端网页功能丰富&#xff0c;特别是SPA&#xff08;single page web application 单页应用&#xff09;技术流行后&#xff0c;JavaScript的复杂度增加和需要一大堆依赖包&#xff0c;还需要解决Scss&#xff0c;Less……新增样式的扩展写法的编译工…
阅读更多...
常用状态码

常用状态码

状态码 用于响应中的&#xff0c;表示响应的结果如何 1、200 OK 运行成功 2、404 Not Found 访问的资源没有找到&#xff08;url的路径&#xff09; 3、403 Forbidden 请求资源没有权限访问 4、405 Method Not Allowed 你的服务器只支持GET请求&#xff0c;但是你发了个PO…
阅读更多...
Spring Boot对接RocketMQ示例

Spring Boot对接RocketMQ示例

部署服务 参考RocketMq入门介绍 示例 引入maven依赖 <dependency><groupId>org.apache.rocketmq</groupId><artifactId>rocketmq-spring-boot-starter</artifactId><version>2.2.2</version></dependency>完整依赖如下&am…
阅读更多...
第四套CCF信息学奥赛c++ CSP-J认证初级组 中小学信奥赛入门组初赛考前模拟冲刺题（阅读程序题）

第四套CCF信息学奥赛c++ CSP-J认证初级组 中小学信奥赛入门组初赛考前模拟冲刺题（阅读程序题）

第四套中小学信息学奥赛CSP-J考前冲刺题 二、阅读程序题 (程序输入不超过数组或字符串定义的范围&#xff0c;判断题正确填√错误填X;除特殊说明外&#xff0c;判断题 1.5分&#xff0c;选择题3分&#xff0c;共计40分) 第一题 归并排序 1 #include <iostream> 2 usi…
阅读更多...
OpenHarmony Docker移植实践

OpenHarmony Docker移植实践

Docker简介 从操作系统诞生之日起&#xff0c;虚拟化技术就不断的演进与发展&#xff0c;结合目前云原生的发展态势&#xff0c;容器无疑是其中的重要一环。 Docker是一个开源的软件项目&#xff0c;可以在Linux操作系统上提供一层额外的抽象&#xff0c;让用户程序部署在一个…
阅读更多...
深度学习在过冷沸腾气泡动力学分割中的应用

深度学习在过冷沸腾气泡动力学分割中的应用

Application of deep learning for segmentation of bubble dynamics in subcooled boiling 深度学习在过冷沸腾气泡动力学分割中的应用 期刊信息&#xff1a;International Journal of Multiphase Flow 2023 级别&#xff1a;EI检索 SCI升级版工程技术2区 SCI基础版工程技术3区…
阅读更多...
AIGC专栏9——Scalable Diffusion Models with Transformers （DiT）结构解析

AIGC专栏9——Scalable Diffusion Models with Transformers （DiT）结构解析

AIGC专栏9——Scalable Diffusion Models with Transformers &#xff08;DiT&#xff09;结构解析 学习前言源码下载地址网络构建一、什么是Diffusion Transformer (DiT)二、DiT的组成三、生成流程1、采样流程a、生成初始噪声b、对噪声进行N次采样c、单次采样解析I、预测噪声I…
阅读更多...
《低功耗方法学》翻译——第十四章：电源切换网络设计

《低功耗方法学》翻译——第十四章：电源切换网络设计

第十四章&#xff1a;电源切换网络设计 功率门控是在待机或休眠模式下降低漏电功率最有效的方法&#xff0c;但这种方法存在诸如休眠晶体管占用的硅面积、永久和虚拟电源网络的布线资源以及复杂的功率门控设计和实现过程等开销&#xff0c;影响设计风险和进度。 除了开销外&a…
阅读更多...
跨区域复制建筑UI输入框脚本迷你世界

跨区域复制建筑UI输入框脚本迷你世界

--复制区域文件 --设置坐标起点&#xff0c;终点 --创建区域 --获取坐标id,data --星空露珠工作室制作 local pos1{x-16,y7,z28} local pos2{x28,y44,z-9} local block{num0} local str{} local str0{} local num0 local count0 local ui6 --几个输入框 local romath.random(…
阅读更多...
幻兽帕鲁服务器配置怎么选？多少钱？

幻兽帕鲁服务器配置怎么选？多少钱？

腾讯云幻兽帕鲁专用服务器CPU内存配置如何选择&#xff1f;根据玩家数量选择CPU内存配置&#xff0c;4到8人选择4核16G、10到20人玩家选择8核32G、2到4人选择4核8G、32人选择16核64G配置&#xff0c;腾讯云服务器网txyfwq.com来详细说下腾讯云幻兽帕鲁专用服务器CPU内存带宽配置…
阅读更多...
JVM垃圾收集器【如何找到垃圾、清除垃圾的算法、垃圾回收器】

JVM垃圾收集器【如何找到垃圾、清除垃圾的算法、垃圾回收器】

JVM垃圾收集器 GC基本原理垃圾回收什么是垃圾?如何找到这个垃圾&#xff1f;1&#xff09;引用计数法&#xff08;Reference Counting&#xff09;2&#xff09;根可达算法&#xff08;GCRoots Tracing&#xff09;3&#xff09;回收过程4&#xff09;对象引用 清除垃圾的算法…
阅读更多...
Java+SpringBoot+Vue+MySQL：疫情隔离酒店管理的全面技术解决方案

Java+SpringBoot+Vue+MySQL：疫情隔离酒店管理的全面技术解决方案

✍✍计算机毕业编程指导师 ⭐⭐个人介绍&#xff1a;自己非常喜欢研究技术问题&#xff01;专业做Java、Python、微信小程序、安卓、大数据、爬虫、Golang、大屏等实战项目。 ⛽⛽实战项目&#xff1a;有源码或者技术上的问题欢迎在评论区一起讨论交流&#xff01; ⚡⚡ Java、…
阅读更多...
基于频率增强的数据增广的视觉语言导航方法（VLN论文阅读）

基于频率增强的数据增广的视觉语言导航方法（VLN论文阅读）

基于频率增强的数据增广的视觉语言导航方法&#xff08;VLN论文阅读&#xff09; 摘要 视觉和语言导航&#xff08;VLN&#xff09;是一项具有挑战性的任务&#xff0c;它需要代理基于自然语言指令在复杂的环境中导航。 在视觉语言导航任务中&#xff0c;之前的研究主要是在空间…
阅读更多...
你的电脑未正确启动怎么办 电脑未正确启动自动修复的解决方法

你的电脑未正确启动怎么办 电脑未正确启动自动修复的解决方法

我们在遇到一些蓝屏、黑屏等系统问题的时候，往往会优先选择电脑自带的修复功能，但是很多小伙伴在修复之后打开电脑却出现“你的电脑未正确启动”的提示，这可能与突然断电、系统更新、MBR或BCD损坏等原因有关，那么电脑未正确启动怎么办? 解决办法 方法一：执行系统还原…
阅读更多...
RAM-DSIR：眼底和前列腺图像泛化能力增强，免除不同的扫描仪、成像协议和操作者等多种因素差异，影响学习效果

RAM-DSIR：眼底和前列腺图像泛化能力增强，免除不同的扫描仪、成像协议和操作者等多种因素差异，影响学习效果

RAM-DSIR&#xff1a;眼底和前列腺图像泛化能力增强&#xff0c;免除不同的扫描仪、成像协议和操作者等多种因素差异&#xff0c;影响学习效果 提出背景总体架构两种领域适应策略数学构造 效果 提出背景 论文&#xff1a;https://arxiv.org/pdf/2208.03901.pdf 代码&#xff…
阅读更多...
最新文章

Copyright @ 2022~2023