題目背景
人工神經網路（artificial neural network）是一種新興的具有自我學習能力的計算系統，在模式識別、函式逼近及貸款風險評估等諸多領域有廣泛的應用。對神經網路的研究一直是當今的熱門方向，蘭蘭同學在自學了一本神經網路的入門書籍後，提出了乙個簡化模型，他希望你能幫助他用程式檢驗這個神經網路模型的實用性。
題目描述
在蘭蘭的模型中，神經網路就是一張有向圖，圖中的節點稱為神經元，而且兩個神經元之間至多有一條邊相連，下圖是乙個神經元的例子：
神經元〔編號為1）
圖中，x1―x3是資訊輸入渠道，y1－y2是資訊輸出渠道，c1表示神經元目前的狀態，ui是閾值，可視為神經元的乙個內在引數。
神經元按一定的順序排列，構成整個神經網路。在蘭蘭的模型之中，神經網路中的神經無分為幾層；稱為輸入層、輸出層，和若干個中間層。每層神經元只向下一層的神經元輸出資訊，只從上一層神經元接受資訊。下圖是乙個簡單的三層神經網路的例子。
蘭蘭規定，ci服從公式：（其中n是網路中所有神經元的數目）
公式中的wji（可能為負值）表示連線j號神經元和 i號神經元的邊的權值。當 ci大於0時，該神經元處於興奮狀態，否則就處於平靜狀態。當神經元處於興奮狀態時，下一秒它會向其他神經元傳送訊號，訊號的強度為ci。
如此．在輸入層神經元被激發之後，整個網路系統就在資訊傳輸的推動下進行運作。現在，給定乙個神經網路，及當前輸入層神經元的狀態（ci），要求你的程式運算出最後網路輸出層的狀態。
輸入輸出格式
輸入格式：
輸入檔案第一行是兩個整數n（1≤n≤100）和p。接下來n行，每行兩個整數，第i＋1行是神經元i最初狀態和其閾值（ui），非輸入層的神經元開始時狀態必然為0。再下面p行，每行由兩個整數i，j及乙個整數wij，表示連線神經元i、j的邊權值為wij。
輸出格式：
輸出檔案包含若干行，每行有兩個整數，分別對應乙個神經元的編號，及其最後的狀態，兩個整數間以空格分隔。僅輸出最後狀態大於零的輸出層神經元狀態，並且按照編號由小到大順序輸出！
若輸出層的神經元最後狀態均為 0，則輸出 null。
輸入輸出樣例
輸入樣例#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
輸出樣例#1：
3 1
4 1
5 1【分析】
細節很多的拓撲排序…
【**】
//noip 2003 神經網路
#include
#include
#include
#include
#include
#include
#include
#define mp make_pair
#define m(a) memset(a,0,sizeof a)
#define fo(i,j,k) for(i=j;i<=k;i++)
using
namespace
std;
const
int mxn=105;
queue
q;vector
f[mxn],w[mxn];
int c[mxn],u[mxn],du[mxn];
int n,m,tot;
int main()
fo(i,1,m)
while(!q.empty())
}bool flag=1;
fo(i,1,n)
if(f[i].size()==0 && c[i]>0)
printf("%d %d\n",i,c[i]),flag=0;
if(flag) printf("null\n");
return
0;}
NOIP2003 神經網路
神經網路 人工神經網路 artificial neural network 是一種新興的具有自我學習能力的計算系統，在模式識別 函式逼近及貸款風險評估等諸多領域有廣泛的應用。對神經網路的研究一直是當今的熱門方向，蘭蘭同學在自學了一本神經網路的入門書籍後，提出了乙個簡化模型，他希望你能幫助他用程式檢驗...
NOIP提高組2003 神經網路
題目 題目背景 人工神經網路 artificial neural network 是一種新興的具有自我學習能力的計算系統，在模式識別 函式逼近及貸款風險評估等諸多領域有廣泛的應用。對神經網路的研究一直是當今的熱門方向，蘭蘭同學在自學了一本神經網路的入門書籍後，提出了乙個簡化模型，他希望你能幫助他用程...
NOIP2003神經網路 BFS
人工神經網路 artificial neural network 是一種新興的具有自我學習能力的計算系統，在模式識別 函式逼近及貸款風險評估等諸多領域有廣泛的應用。對神經網路的研究一直是當今的熱門方向，蘭蘭同學在自學了一本神經網路的入門書籍後，提出了乙個簡化模型，他希望你能幫助他用程式檢驗這個神經網...