luogu1038 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這個神經網路模型的實用性。

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。

5 61 0

1 00 1

0 10 1

1 3 1

1 4 1

1 5 1

2 3 1

2 4 1

2 5 1

3 14 1

5 1拓撲排序

[link]它的定義寫的還不錯，比較容易懂

這道題應是很典型的拓撲排序入門題，記錄每個神經元的入度出度，以所有入度為零的點為起點跑圖，並同時更改所有點的入度，最後判斷所有出度為零神經元的興奮狀態，輸出

#include #include #include #include #include #include #define n 10000
using namespace std; 
int n,p,f; 
int a[n],b[n],w[n],p[n],nt[n],q[n];
int c[n],u[n],in[n],out[n];
void add(int x,int y,int v,int num)
void spfa()
if(c[k]>0) c[kk]+=c[k]*w[e];}} 
for(int i=1;i<=n;i++)
if(out[i]==0&&c[i]>0) 
}int main()
spfa();
if(f==0) printf("null");
return 0;
}

luogu1038 神經網路

luogu1038神經網路

Luogu1038 神經網路（拓撲排序）

1038神經網路

luogu1038 神經網路

luogu1038神經網路

Luogu1038 神經網路 （拓撲排序）

1038神經網路

相關推薦

Luogu1038 神經網路（拓撲排序）