填一个OI期间一直想学但是没有学的坑: SA-IS求后缀数组。

众所周知后缀数组有$O(n \log n)$的倍增方法以及$O(n)$的DC3方法。而本文将会简单介绍倍增方法并详细讲解黑科技: $O(n)$的SAM方法以及SA-IS方法。

食用本文前建议对后缀数组(SA)和后缀自动机(SAM)有基本了解。

给定一个收敛数列，近似估计这个数列的收敛值至所要求的的精度。例如:

$1 - \frac{1}{3} + \frac{1}{5} - \frac{1}{7} + \frac{1}{9} - ... = \frac{\pi}{4}$

假设我们还不知道$\pi$是多少，要近似到$10^{-9}$精度则需要计算接近$10^{9}$数量级这么多项，这是不能接受的。

有什么办法可以快速求这个收敛值的近似值呢？

如何用C++实现一个深度神经网络(DNN, Deep Neural Network)处理多分类逻辑回归问题(MLR, Multiclass Logistic Regression)且不使用第三方库？

唔…

今天就来尝试一下: 使用$\text{sigmoid}$激活函数+$\text{Softmax}$逻辑回归+交叉熵损失函数+反向传播实现一个DNN。整个过程只使用C++标准库而不使用任何第三方库。

建议食用本文前请掌握神经网络的基本知识，或者先忽略在"约定和初始化"部分所看到的陌生函数和名词，在后文中会有相应解释。

P.S.: 由于学习Go语言的缘故，我开始左大括号不换行了QwQ。

Go入门笔记。有很多东西还没有涉及。仅供参考。

求Go大佬指点。

Python 3刚入门。来用Python 3做一场比赛看看。

求Python大佬指点。

Python 3入门笔记。有很多东西还没有涉及。仅供参考。

求Python大佬指点。

“……你们也许觉得匪夷所思，我也不能告诉你们为什么会发生、怎么样发生，但我可以非常肯定地告诉你们会发生在什么时候——就是接下来的十几分钟内就将发生的。”

记者走进了狭小的临时会场，临时会场里的座位几乎全是空着的，零零散散地坐着几个人。也许一开始还有不少听众，但都很快离场了。就在记者进来的时候，还看到三四个人嗤笑着走出门去。

临时会场中央的桌子旁，站着一个五六十岁的学者，头发也泛白，但却精神奕奕，激动地对着下面为数不多的听众和一排排空着的座椅讲话。将他称为"学者"似乎也是不恰当的，他的表现更像是一个"政治家"，宣扬着没有多少人听的奇谈怪论。

老年退役选手体验NOIP2018被题目吊打…