p1038 神经网络

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了p1038 神经网络相关的知识,希望对你有一定的参考价值。

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:

技术分享

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。

技术分享

兰兰规定,Ci服从公式:(其中n是网络中所有神经元的数目)

技术分享

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。

这道题表面上看上去有种跪下来%%%%的冲动

但是静下心来仔细看看会发现这是一个有向无环图DAG并且数据已分好层次所以可用DAG的模式逐层计算

由公式技术分享可得当前i的状态只和上一层状态和权值有关和本点的阀值有关

所以算一层推一层就求出来了(忍不住吐槽一句数据范围呢???扯淡此处鄙视出题人)

附代码

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
struct node
{
    int next,to,dis;
}e[10000];
int cnt,n,m,num;
int head[500];
int ind[500];
int outd[500];
int U[500];
int C[500];
int SUM[500];
int q[100000];
int ans[500][5];
bool vis[500];

void add(int x,int y,int z)
{
    ++num;
    e[num].next=head[x];
    e[num].to=y;
    e[num].dis=z;
    head[x]=num;
}
int bfs()
{
    int l,r;
    l=0;r=0;
    for(int i=1;i<=n;i++)
        {
            if(ind[i]==0&&C[i]>0)
                {
                    q[r++]=i;
                }
        }
//    cout<<l<<‘ ‘<<r<<endl;
    memset(SUM,0,sizeof(SUM));
    while(l<r)
        {
            int x=q[l];l++;
            if(ind[x]!=0)C[x]=SUM[x]-U[x];
//            cout<<x<<‘ ‘<<p<<endl;
            if(C[x]<=0)continue;
            for(int i=head[x];i!=0;i=e[i].next)
                {
                    int t=e[i].to;
                    int d=e[i].dis;
                    SUM[t]+=d*C[x];
                    if(!vis[t])
                        {
                            q[r++]=t;
                            vis[t]=1;
                        }
                }
        }
    int flag=1;
    for(int i=1;i<=n;i++)
        {
            if(outd[i]==0)
                {
//                    cout<<i<<‘ ‘<<C[i]<<endl;
                    if(C[i]!=0)flag=0;
                    ++cnt;
                    ans[cnt][0]=i;
                    ans[cnt][1]=C[i];    
                }    
        }
    if(flag==1)return 0; 
    return 1;    
}
int main()
{
    cin>>n>>m;
    for(int i=1;i<=n;i++)    scanf("%d%d",&C[i],&U[i]);
    for(int i=1;i<=m;i++)
        {
            int x,y,z;
            scanf("%d%d%d",&x,&y,&z);
            add(x,y,z);
            ind[y]++;
            outd[x]++;
        }

    bool v=bfs();
    if(v)
        {
            for(int i=1;i<=cnt;i++)
                if(ans[i][1]<=0)continue;
                else
                printf("%d %d\n",ans[i][0],ans[i][1]);
        }
        else 
            {
                printf("NULL");
            }
            
        return 0;
}

 

以上是关于p1038 神经网络的主要内容,如果未能解决你的问题,请参考以下文章

P1038 神经网络

p1038 神经网络

P1038 神经网络

VSCode自定义代码片段14——Vue的axios网络请求封装

VSCode自定义代码片段14——Vue的axios网络请求封装

VSCode自定义代码片段14——Vue的axios网络请求封装