NOIP2003(洛谷 P1038 )神经网络 COGS 104
来源:互联网 发布:数据产品经理做什么 编辑:程序博客网 时间:2024/05/28 17:06
题目背景
人工神经网络(Artificial Neural Network)是一种新兴的具有自我学习能力的计算系统,在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用。对神经网络的研究一直是当今的热门方向,兰兰同学在自学了一本神经网络的入门书籍后,提出了一个简化模型,他希望你能帮助他用程序检验这个神经网络模型的实用性。
题目描述
在兰兰的模型中,神经网络就是一张有向图,图中的节点称为神经元,而且两个神经元之间至多有一条边相连,下图是一个神经元的例子:
神经元〔编号为1)
图中,X1―X3是信息输入渠道,Y1-Y2是信息输出渠道,C1表示神经元目前的状态,Ui是阈值,可视为神经元的一个内在参数。
神经元按一定的顺序排列,构成整个神经网络。在兰兰的模型之中,神经网络中的神经无分为几层;称为输入层、输出层,和若干个中间层。每层神经元只向下一层的神经元输出信息,只从上一层神经元接受信息。下图是一个简单的三层神经网络的例子。
兰兰规定,Ci服从公式:(其中n是网络中所有神经元的数目)
公式中的Wji(可能为负值)表示连接j号神经元和 i号神经元的边的权值。当 Ci大于0时,该神经元处于兴奋状态,否则就处于平静状态。当神经元处于兴奋状态时,下一秒它会向其他神经元传送信号,信号的强度为Ci。
如此.在输入层神经元被激发之后,整个网络系统就在信息传输的推动下进行运作。现在,给定一个神经网络,及当前输入层神经元的状态(Ci),要求你的程序运算出最后网络输出层的状态。
输入输出格式
输入格式:
输入文件第一行是两个整数n(1≤n≤100)和p。接下来n行,每行两个整数,第i+1行是神经元i最初状态和其阈值(Ui),非输入层的神经元开始时状态必然为0。再下面P行,每行由两个整数i,j及一个整数Wij,表示连接神经元i、j的边权值为Wij。
输出格式:
输出文件包含若干行,每行有两个整数,分别对应一个神经元的编号,及其最后的状态,两个整数间以空格分隔。仅输出最后状态大于零的输出层神经元状态,并且按照编号由小到大顺序输出!
若输出层的神经元最后状态均为 0,则输出 NULL。
输入输出样例
输入样例#1:
5 6
1 0
1 0
0 1
0 1
0 1
1 3 1
1 4 1
1 5 1
2 3 1
2 4 1
2 5 1
输出样例#1:
3 1
4 1
5 1
#include<iostream>#include<cstring>#include<cstdio>#include<vector>#include<queue>using namespace std;#define maxn 105int n,f[maxn],c[maxn],m,w[maxn][maxn];int ru[maxn],chu[maxn];vector<int> G[maxn];queue<int> q;bool vis[maxn];int main(){ scanf("%d%d",&n,&m); memset(vis,0,sizeof vis ); for(int i=1;i<=n;i++) scanf("%d%d",&c[i],&f[i]); for(int u,v,z,i=1;i<=m;i++){ scanf("%d%d%d",&u,&v,&z); w[u][v]=z;G[u].push_back(v); chu[u]++;ru[v]++; } for(int i=1;i<=n;i++) if(!ru[i]) q.push(i),vis[i]=1; while(!q.empty()){ int u=q.front();q.pop(); if(c[u]>0){ for(int i=0;i<G[u].size();i++){ c[G[u][i]]+=c[u]*w[u][G[u][i]]; ru[G[u][i]]--; } for(int i=1;i<=n;i++) if(ru[i]==0&&!vis[i]){ c[i]-=f[i]; q.push(i);vis[i]=1; } } } bool flag=false; for(int i=1;i<=n;i++){ if(chu[i]==0&&c[i]>0){ printf("%d %d\n",i,c[i]); flag=1; } } if(!flag) printf("NULL\n"); return 0;}
- NOIP2003(洛谷 P1038 )神经网络 COGS 104
- 洛谷 P1038 [NOIP2003 T1] 神经网络
- 洛谷 P1038 神经网络
- 洛谷 P1038 神经网络
- NOIP2003 神经网络
- NOIP2003 神经网络
- NOIP2003 神经网络
- 【NOIP2003】神经网络
- noip2003 神经网络 (拓扑排序,深搜)
- noip2003神经网络【Pascal】
- NOIP2003神经网络题解
- NOIP2003提高组之神经网络
- 拓扑排序之NOIP2003神经网络
- 拓扑排序 [NOIP2003]神经网络 T1
- 【NOIP2003 提高组 T1 神经网络】
- 洛谷P1040 加分二叉树(NOIP2003)
- ACM 104. [NOIP2003] 神经网络(拓扑排序)
- NOIP2003 提高组 复赛 network 神经网络
- Centos7 Oracle 11 R2数据库安装_第三节
- Android中将布局文件/View添加至窗口过程分析 ---- 从setContentView()谈起
- 云服务器配置流程
- redis集群搭建
- [系分] 用例图
- NOIP2003(洛谷 P1038 )神经网络 COGS 104
- 新闻客户端
- http概述(http权威指南第一章)
- Poedu_Windows_CreateFile浅析
- Java中Synchronized的用法
- 获取键盘鼠标操作的函数(GetAsyncKeyState ())
- Netty 服务器客户端,发送自定义消息
- web_tomcat的那些事儿1:如何配置tomcat(window)
- 丑数问题及变种小结