Maychallenge (34) | Number Complement

-
Given a positive integer, output its complement number. The complement strategy is to flip the bits of its binary representation.

Example 1:
Input: 5
Output: 2
Explanation: The binary representation of 5 is 101 (no leading zero bits), and its complement is 010. So you need to output 2.

Example 2:
Input: 1
Output: 0
Explanation: The binary representation of 1 is 1 (no leading zero bits), and its complement is 0. So you need to output 0.

Note:
  1. The given integer is guaranteed to fit within the range of a 32-bit signed integer.
  2. You could assume no leading zero bit in the integer’s binary representation.
  3. This question is the same as 1009: https://leetcode.com/problems/complement-of-base-10-integer/
Lại là bitwise, lại là XOR rồi, phép tính thần thánh.

5 mã nhị phân là 101 XOR 111 = 010.  8 mã nhị phân là 1000 XOR 1111 = 0111. 111 chính là 7 = 8 - 1 = 2^3 -1. 1111 chính là 15 = 2^4 - 1. Đến đây, ta chỉ cần biết độ dài bit của input để tạo mask XOR.

Độ dài của một số hệ 10 sang hệ 2 là : Log2(N). Vì Java chỉ có hàm log, nên dùng toán:

Như vậy là bài toán đã được giải quyết. Có một lưu ý là ban đầu mình tượng tại hàm pow của thư viện bị lỗi khi tính 2^32 lại ra 2147483647, nhưng thực ra đây là vấn đề tràn số. Khắc phục điều này bằng cách để kiểu long lớn hơn, chứ không cần viết hàm pow như mình.

Hết rồi, hẹn gặp lại bạn vào ngày mai. Cảm ơn bạn !


Nhận xét

Đăng nhận xét

Bài đăng phổ biến từ blog này

Hiểu về Norm Regularization

-
Hình ảnh
 Overfitting là một hiện tượng xảy ra khi mô hình học máy phù hợp với tập dữ liệu kiểm tra mà không phù hợp với tập thực tế, nó thường xảy ra ở các mô hình phức tạp (complex models), như deep neural networks. Regularisation là một quá trình để ngăn chặn họăc giảm thiều overfitting. Ở đây, chúng ta tập trung vào hai chuẩn là L1 và L2 regularisation. Đã có khá nhiều giải thích trên mạng, nhưng thành thật mà nói có vẻ khi bạn đọc bài viết này thì những bài viết đó đã quá khó hiểu với bạn, vì thế, bài viết này, chúng ta cùng tìm hiểu rõ tại sao chuẩn L1 và L2 lại được dùng để tránh hiện tượng overfitting bằng cách mô tả lại quá trình Gradient Denscent, tối ưu hàm loss của model. Bắt đầu nào. 0. L1, L2 là gì ? L1, L2 regularisation hay còn được gọi là L1, L2 norm của vector w, dưới đây là công thức: 1-norm (L1 norm) 2-norm (L2 norm hoặc Euclidean norm) .Trong hồi quy tuyến tính (linear regression), kèm với L1 còn được gọi là lasso regression, kèm L2 được gọi là ridge regression, (mình ...
Read more »

Faceswap & state-of-the-art (SOTA)

-
Hình ảnh
This post is pending Intro: faceswap & deepfake Face swap refers to an activity in which a person's face is swapped with the face of another person. Deepface = deeplearning + fake. Deepfake is an advanced technology, but 96% ò Deepfakes videos have triolous content. Deepfake also targets political purposes, fraud and market manipulation. Traditional swap face - using opencv-dlib Facial landmark Detection Facial landmarks are used to localize and represent salient regions of the face. The pre-trained facial landmark detector inside the dlib library is used to estimate the location of 68(x,y)-coordinates that map to facial structures on the face. Each frame of the animation shows a Delaunay trianulation of the four points. Halfway through, the trianglulating edge flips showing that the Delaunay trianglulation maximizes the minimum angle, not the edge-length of the triangles. The final steps of face alignment to to consider corresponding triangles between the source fac...
Read more »