• 洛谷 P1038 神经网络


          洛谷 P1038 神经网络

    题目背景

    人工神经网络( Artificial Neural Network )是一种新兴的具有自我学习能力的计算系统,在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用。对神经网络的研究一直是当今的热门方向,兰兰同学在自学了一本神经网络的入门书籍后,提出了一个简化模型,他希望你能帮助他用程序检验这个神经网络模型的实用性。

    题目描述

    在兰兰的模型中,神经网络就是一张有向图,图中的节点称为神经元,而且两个神经元之间至多有一条边相连,下图是一个神经元的例子:

    神经元〔编号为 1 )

    图中,X1X3 是信息输入渠道, Y1Y2 是信息输出渠道, C1 表示神经元目前的状态, Ui 是阈值,可视为神经元的一个内在参数。

    神经元按一定的顺序排列,构成整个神经网络。在兰兰的模型之中,神经网络中的神经元分为几层;称为输入层、输出层,和若干个中间层。每层神经元只向下一层的神经元输出信息,只从上一层神经元接受信息。下图是一个简单的三层神经网络的例子。

    兰兰规定, Ci 服从公式:(其中 n 是网络中所有神经元的数目)

    公式中的 Wji (可能为负值)表示连接 j 号神经元和 i 号神经元的边的权值。当 Ci 大于 0 时,该神经元处于兴奋状态,否则就处于平静状态。当神经元处于兴奋状态时,下一秒它会向其他神经元传送信号,信号的强度为 Ci

    如此.在输入层神经元被激发之后,整个网络系统就在信息传输的推动下进行运作。现在,给定一个神经网络,及当前输入层神经元的状态( Ci ),要求你的程序运算出最后网络输出层的状态。

    输入输出格式

    输入格式:

    输入文件第一行是两个整数 n(1n100) 和 p 。接下来 n 行,每行 2 个整数,第 i+1 行是神经元 i 最初状态和其阈值( Ui ),非输入层的神经元开始时状态必然为 0 。再下面 P 行,每行由 2 个整数 i,j 及 1 个整数 Wij ,表示连接神经元 i,j 的边权值为 Wij 。

    输出格式:

    输出文件包含若干行,每行有 2 个整数,分别对应一个神经元的编号,及其最后的状态, 2 个整数间以空格分隔。仅输出最后状态大于 0 的输出层神经元状态,并且按照编号由小到大顺序输出。

    若输出层的神经元最后状态均为 0 ,则输出 “NULL”。

    输入输出样例

    输入样例#1: 复制
    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
    
    输出样例#1: 复制
    3 1
    4 1
    5 1

    思路:拓扑排序

    #include<algorithm>
    #include<cstdio>
    #define maxn 205
    using namespace std;
    int n;
    int c[maxn], r[maxn], ans[maxn];
    int a[maxn][maxn], w[maxn][maxn];
    bool used[maxn];
    
    void work() {
        int i, j, k, x, y;
        for(i = 1; i <= n; i++)
            for(j = 1; j <= n; j++)
                if(r[j]==0 && !used[j]) {
                    used[j] = 1;
                    if(a[j][0]==0 && c[j]>0) {
                        ans[++ans[0]] = j;
                        break;
                    }
                    for(k = 1; k <= a[j][0]; k++) {
                        x = a[j][k];
                        if(c[j] > 0) c[x] += c[j]*w[j][x];
                        r[x]--;
                    }
                    break;
                }
        if(ans[0] == 0) printf("NULL
    ");
        else {
            sort(ans+1, ans+ans[0]+1);
            for(i = 1; i <= ans[0]; i++)
                printf("%d %d
    ", ans[i], c[ans[i]]);
        }
    }
    
    int main() {
        int i, j, k, x, y, z;
        scanf("%d%d", &n, &k);
        for(i = 1; i <= n; i++) {
            scanf("%d%d", &x, &y);
            c[i] = (x == 0) ? -y : x;
        }
        for(i = 1; i <= k; i++) {
            scanf("%d%d%d", &x, &y, &z);
            a[x][++a[x][0]] = y;
            w[x][y] = z, r[y]++;
        }
        work();
        return 0;
    }
    View Code


  • 相关阅读:
    你好,这里有一份2019年目标检测指南
    谷歌2019 学术指标发榜:CVPR首次进入Top 10,何恺明论文引用最高!
    魔图互联:知识图谱推荐系统-给人们带来更个性化的推荐
    NLPer入门指南 | 完美第一步
    一文总结数据科学家常用的Python库(下)
    一文总结数据科学家常用的Python库(上)
    一文看懂NLP神经网络发展历史中最重要的8个里程碑!
    如何为计算机视觉任务选择正确的标注类型
    C. Queen Codeforces Round #549 (Div. 2) dfs
    D. Equalize Them All Codeforces Round #550 (Div. 3)
  • 原文地址:https://www.cnblogs.com/v-vip/p/9338832.html
Copyright © 2020-2023  润新知