時間限制: 1 sec 記憶體限制: 125 mb
提交: 7 解決: 5
[提交][狀態][討論版][命題人:外部匯入][edit] [testdata] [同步資料]
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：
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。
每組輸入第一行是兩個整數n（1≤n≤20）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。
每組輸出包含若干行，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。僅輸出最後狀態非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 01 0
0 10 1
0 11 3 1
1 4 1
1 5 1
2 3 1
2 4 1
2 5 1
3 1思路：按照神經的網路傳播進行模擬，一層一層，層序遍歷，4 15 1
#include#include提高組-2023年noip#include
#include
#include
#include
#include
#include
#include
#define ll long long
using
namespace
std;
struct
node;
struct point;
vector
vi[500];//
存i點與哪些點相連
queuefir;
int ci[500
];int ui[500
];bool inq[500];//
標記在不在佇列裡
intin[500];//
記錄入度
intmain()
}for(int i=1;i<=m;i++)
//fir佇列裡存放當前這一層，一層層遍歷
//相當於來個bfs
while(!fir.empty())
if(ci[p.x]>0
)
} }}
//找沒有出度的點，輸出它的值即可
bool f = 0;//
是不是沒有輸出
for(int i=1;i<=n;i++)}}
if(!f)
//for(int i=6;i<=7;i++)
return0;
}
[ 提交][
狀態][
edit] [
testdata]
posted on
2019-04-19 10:25
蔡軍帥_acm 閱讀(
...)
編輯收藏
3076 神經網路 bfs和拓撲排序
時間限制 1 sec 記憶體限制 125 mb 提交 7 解決 5 提交 狀態 討論版 命題人 外部匯入 edit testdata 同步資料 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...
神經網路 拓撲排序
原題 神經網路 時間限制 1 sec 記憶體限制 256 mb 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...
洛谷P1038 神經網路（bfs，模擬，拓撲）
人工神經網路 artificial neural networkartificialneuralnetwork 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...