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11）

圖中，x_1-x_3x1​−x3​是資訊輸入渠道，y_1-y_2y1​−y2​是資訊輸出渠道，c_1c1​表示神經元目前的狀態，u_iui​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，神經網路中的神經元分為幾層；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，c_ici​服從公式：（其中nn是網路中所有神經元的數目）

c_i=\sum_ w_c_-uci​=∑j,i∈e​wji​cj​−ui

公式中的w_wji​（可能為負值）表示連線jj號神經元和ii號神經元的邊的權值。當 c_ici​大於00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c_ici​。

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（c_ici​），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 \le n \le 100)n(1≤n≤100)和pp。接下來nn行，每行22個整數，第i+1i+1行是神經元ii最初狀態和其閾值（u_iui​），非輸入層的神經元開始時狀態必然為00。再下面pp行，每行由22個整數i,ji,j及11個整數w_wij​，表示連線神經元i,ji,j的邊權值為w_wij​。

輸出格式：

輸出檔案包含若干行，每行有22個整數，分別對應乙個神經元的編號，及其最後的狀態，22個整數間以空格分隔。僅輸出最後狀態大於00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 00，則輸出 「null」。

輸入樣例#1： 複製

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

3 1

4 15 1

模擬，bfs，拓撲排序

思路：這道題主要模擬神經網路的傳播，依次更新每一層的結點，類似於bfs。首先將通過vector陣列v[i]記錄第i個結點相連的後一層結點。然後先將第一層的點放入佇列，之後每次從佇列中取出乙個點，更新與這個點相連的後一層的所有結點的c。由於點更新完成後要減去u，那麼如何判斷某個點將不再被更新了呢？這就需要用到拓撲排序的知識。初始時要記錄每乙個點的入度，用上一層的i結點更新下一次的j結點以後，j結點的入度就減1，但j結點的入度為0是，即代表j結點將不再會被更新，於是就可以減去u。一直更新佇列，按層遍歷完整個網路以後，最後一層的狀態就隨之得到了。

#include#define  ll long long

using
namespace
std;
struct
node;
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++)//
輸入結點與結點相連的資訊 
//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]>0)//
如果p.x這個點被啟用了，那麼就可以根據題目要求更新to的ci了 
}             }} 
//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)
return0;
}

洛谷P1038 神經網路

題目 拓撲排序，難度挺低，但是細節很多。其中乙個注意點 c i 即便是負數，也要進隊，不然有些點入度始終大於0，更新不了 include using namespace std struct kka 103 struct nodee 10003 int n,m,i,j,x,y,z,num,out 1...

洛谷 P1038 神經網路

洛谷 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...

洛谷 P1038 神經網路

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...