P1038 神经网络[拓扑]
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,神经网络中的神经元分为几层;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,CiC_iCi服从公式:(其中nnn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jjj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2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2个整数i,j及1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2个整数,分别对应一个神经元的编号,及其最后的状态,2个整数间以空格分隔。仅输出最后状态大于0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
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
3 1 4 1 5 1
解析:
这就是道裸的拓扑。。。没什么好讲的。
参考代码:
1 #include<iostream> 2 #include<cstdio> 3 #include<cstring> 4 #include<cmath> 5 #include<algorithm> 6 #include<string> 7 #include<cstdlib> 8 #include<queue> 9 #include<vector> 10 #define INF 0x3f3f3f3f 11 #define PI acos(-1.0) 12 #define N 201 13 #define MOD 2520 14 #define E 1e-12 15 using namespace std; 16 queue<int> q; 17 struct rec{ 18 int next,ver,egde; 19 }g[N<<2]; 20 struct an{ 21 int tans,k; 22 }ans[N]; 23 int head[N],tot,n,m,ing[N],cnt; 24 int u[N],c[N]; 25 bool v[N<<2]; 26 void add(int x,int y,int val) 27 { 28 g[++tot].ver=y,g[tot].egde=val; 29 g[tot].next=head[x],head[x]=tot; 30 ing[y]++; 31 } 32 bool operator<(an a,an b){ 33 return a.k<b.k; 34 } 35 int main() 36 { 37 scanf("%d%d",&n,&m); 38 for(int i=1;i<=n;i++) 39 scanf("%d%d",&c[i],&u[i]); 40 for(int i=1;i<=m;i++){ 41 int x,y,val; 42 scanf("%d%d%d",&x,&y,&val); 43 add(x,y,val); 44 } 45 for(int i=1;i<=n;i++) 46 if(ing[i]==0) q.push(i); 47 while(q.size()) 48 { 49 int x=q.front();q.pop(); 50 if(c[x]<=0) continue; 51 for(int i=head[x];i;i=g[i].next){ 52 int y=g[i].ver,z=g[i].egde; 53 c[y]+=(c[x]*z); 54 if(--ing[y]==0){ 55 c[y]-=u[y]; 56 q.push(y); 57 } 58 } 59 } 60 int k=0; 61 for(int i=1;i<=n;i++){ 62 if(head[i]==0&&c[i]>0) printf("%d %d\n",i,c[i]),k++; 63 } 64 if(!k) puts("NULL"); 65 return 0; 66 }
转载于:https://www.cnblogs.com/DarkValkyrie/p/11030996.html
P1038 神经网络[拓扑]相关推荐
- P1038 神经网络(拓扑排序)
https://www.luogu.org/problem/P1038 题目背景 人工神经网络(Artificial Neural NetworkArtificialNeuralNetwork)是一种 ...
- NOIP大纲整理:(零)历年2000-2016NOIP提高组题目分析
年份 题目名称 考查内容 难度 2000-2016年NOIP提高组复赛题目 2000-A 进制转换 初等代数,找规律 ★ 2000-B 乘积最大 资源分配DP ★★★ 2000-C 单词接龙 DF ...
- 闫啸的发明与发现(含独立发现)20221105
闫啸的发明与发现(含独立发现) 1101. 级联微智能及其在数据,大数据中的应用 世界文档工程,对所有的工作建立内容索引化的文档或多媒体文档,文档模板,归集存量的全部文档,文档模板--知识基础设施. ...
- 一句话以上题解及注意事项整理已完成的题目(1)
jdfz.com 1001 A+B 1006 pla 一维DP+单调栈优化 1007 美食家 贪心策略,尽可能多选 1008 牛排序 二分查找+贪心策略 1009 护花 贪心策略,每次移动y/x最大的 ...
- NOIP复赛复习(一)常见问题与常用策略
数学类问题 1. 精度处理(高精度.实数处理.各种浮点类型处理方法) 2. 组合数学问题(斐波那契数列.第二类数.卡特兰数.Polya原理.排列组合计数.加法原理与乘法原理) 3. 进制问题(特定二进 ...
- 图论,专为迷途少年而生
文章目录 目录 图的存储 邻接矩阵 前向星 Topsort P1038 神经网络 P1983 车站分级 最小生成树 MST 堆优化Prim 并查集Kruskal Matrix Tree Theory ...
- 腾讯林衍凯:图神经网络,考虑「拓扑信息」会怎样?
本文整理自林衍凯在「2021北京智源大会 · 青源学术年会」上的报告<考虑拓扑信息的图神经网络学习>. 关注[智源社区]公众号 后台回复[2021智源大会报告]获取<2021北 ...
- Neat算法讲解(遗传拓扑神经网络)
Neat算法讲解(遗传拓扑神经网络的原理) 遗传算法是个通用的框架,因此需要根据具体的问题来定义遗传算法. 整体框架可分为三部分:交叉.变异与适应度.不过虽然整体的流程是一致的,但是因为问题不 ...
- 【GNN报告】考虑拓扑信息的图神经网络学习
1.简介 打算之后在本博客里存放BAAI里面邀请的所有演讲者有关GNN的报告学习(本人筛选的都是自己感兴趣的或者感觉还不错的) 2.报告 腾讯林衍凯:图神经网络,考虑「拓扑信息」会怎样? [专栏:前沿 ...
- 18张图,直观理解神经网络、流形和拓扑
大约十年前开始,深度神经网络在计算机视觉等领域取得了突破性成果,引起了极大的兴趣和关注. 然而,仍有一些人对此表示忧虑.原因之一是,神经网络是一个黑匣子:如果神经网络训练得很好,可以获得高质量的结果, ...
最新文章
- ai皮肤检测分数_智能AI皮肤检测仪三步走话术
- 2.2 经典网络-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
- php二维数组排序 按照指定的key 对数组进行排序
- JAVA通过JCO连接SAP例子
- erlang的dict源码解析(2)
- ospf协议_「案例」OSPF路由动态协议及配置
- 消费金融盈利分析及风控能力建设
- Audition报错:“无法应用设备设置,因为发生了以下错误:MME设备内部错误“
- UTF-8 Unicode ANSI网页编码的区别
- 自动化专业好找工作吗?就业方向是什么?
- 三极管共射放大电路静态工作点怎么设计
- 神经网络模型的基本原理,神经元网络算法的思想
- VMware虚拟机挂载宿主机共享目录
- java如何使截取字符串_java中如何截取字符串中的指定一部分
- 混淆矩阵评价指标_分类效果评价指标一混淆矩阵
- 淘宝优惠券可直接应用PNG免抠模板,你知道淘宝优惠券的类型么?
- Sloan中性群落模型(NCM)推断群落构建原理及其R实现
- IOS开发高手课第三篇 App Auto Layout 是怎么进行自动布局的,性能如何?
- FIR数字滤波器设计(中)
- Java scripr的函数