P1038 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。

輸入樣例#1：

5 6

1 01 0

0 10 1

0 11 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 15 1

這道題的難度一般，但是測試資料我給打滿分！！真的是什麼坑資料都有

先簡單說一下這道題的思路

讀入之後拓撲排序，在排序的過程中按照他給的公式進行計算

說一下這道題的坑點：

1.最後輸出結果的時候只有》0的才輸出

2.入度為0的點不需要減閾值（會導致第五個測試點wa）

3.閾值最好一開始就減去

4.可以通過記錄出度來判斷輸出區

1 #include2 #include3 #include4 #include5 #include6 #include7
using
namespace
std;
8void read(int &n)917
while(c>='
0'&&c<='9'
)18     x=x*10+(c-48),c=getchar();
19     flag==1?n=-x:n=x;20}
21const
int maxn=201;22
struct
node
23edge[maxn*40
];26
inthead[maxn];
27int num=1;28
intnow[maxn],yu[maxn],rudu[maxn],vis[maxn],chudu[maxn];
29int
n,m;
30void add_edge(int x,int y,int
z)31
38void
topsort()
3948
49while(q.size()!=0)50
61if(now[edge[i].u]>0
)62             now[edge[i].v]+=edge[i].w*now[edge[i].u];63}
64}65for(int i=1;i<=n;i++)
6676
}77             exit(0
);78}79
}80     printf("
null");
81}82int
main()
8393
for(int i=1;i<=m;i++)
94101
topsort();
102return0;
103 }

P1038 神經網路

P1038 神經網路

P1038 神經網路

P1038 神經網路

相關推薦