AcWing 477:神经网络 ← 拓扑排序+链式前向星

embedded/2024/10/18 8:33:55/

【题目来源】
https://www.acwing.com/problem/content/479/

【题目描述】
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。
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:

图中,X1—X3是信息输入渠道,Y1-Y2 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:C_i=\sum W_{ji}C_j-U_i,(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。

【输入格式】
输入文件第一行是两个整数 n 和 p。
接下来 n 行,每行两个整数,第 i+1 行是神经元 i 最初状态和其阈值(Ui)。注意:输入层给定的状态即为最终值,不需要再减去 Ui,非输入层的神经元开始时状态必然为 0。
再下面 P 行,每行有两个整数 i,j 及一个整数 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,每行有两个整数,分别对应一个神经元的编号,及其最后的状态,两个整数间以空格分隔。
仅输出最后状态大于零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都不大于零,则输出 NULL。

【数据范围】
1≤n≤100

【输入样例】
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】
3 1
4 1
5 1

【算法分析】
拓扑序列:https://blog.csdn.net/hnjzsyjyj/article/details/129811447

● 链式前向星:https://blog.csdn.net/hnjzsyjyj/article/details/139369904
val[idx]:存储编号为 idx 的边的值
e[idx]:存储编号为 idx 的结点的值
ne[idx]:存储编号为 idx 的结点指向的结点的编号
h[a]:存储头结点 a 指向的结点的编号

【算法代码】

#include <bits/stdc++.h>
using namespace std;const int maxn=105;
const int maxm=maxn*maxn/2;
int val[maxm],e[maxn],ne[maxn],h[maxn],idx;
int f[maxn],u[maxn],din[maxn],dout[maxn];
int q[maxn];
int n,m;void add(int a,int b,int w) {val[idx]=w,e[idx]=b,ne[idx]=h[a],h[a]=idx++;
}void topsort() {int hh=0, tt=-1;for(int i=1; i<=n; i++)if(!din[i]) q[++tt]=i;while(hh<=tt) {int t=q[hh++];for(int i=h[t]; i!=-1; i=ne[i]) {int j=e[i];if(--din[j]==0) q[++tt]=j;}}
}int main() {cin>>n>>m;for(int i=1; i<=n; i++) {cin>>f[i]>>u[i];if(!f[i]) f[i]-=u[i];}memset(h,-1,sizeof h);while(m--) {int a,b,c;cin>>a>>b>>c;add(a,b,c);dout[a]++;din[b]++;}topsort();for(int i=0; i<n; i++) {int j=q[i];if(f[j]>0) {for(int k=h[j]; k!=-1; k=ne[k])f[e[k]]+=f[j]*val[k];}}bool flag=true;for(int i=1; i<=n; i++)if(!dout[i] && f[i]>0) {cout<<i<<" "<<f[i]<<endl;flag=false;}if(flag) cout<<"NULL"<<endl;return 0;
}/*
in:
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 1out:
3 1
4 1
5 1
*/




【参考文献】
https://www.acwing.com/solution/content/3706/
https://blog.csdn.net/hnjzsyjyj/article/details/139369904
https://blog.csdn.net/hnjzsyjyj/article/details/129811447




 


http://www.ppmy.cn/embedded/50743.html

相关文章

【Qt快速入门(四)】- QLabel文本框的使用

目录 Qt快速入门&#xff08;四&#xff09;- QLabel文本框的使用QLabel文本框的使用QLabel的基本用法1. 创建和设置文本2. 动态设置文本 设置文本样式1.设置字体和颜色2.文本对齐方式3.富文本显示 显示图片QLabel的交互功能可点击标签 QLabel的高级特性1.缩放图片以适应标签大…

H5漂流瓶交友源码|社交漂流瓶H5源码 附安装教程

H5漂流瓶交友源码|社交漂流瓶H5源码 附安装教程 搭建教程 环境&#xff1a;Nginx 1.20.1-MySQL 5.6.50-PHP-7.3 上传源码至网站根目录&#xff0c;创建并导入数据库 数据库信息修改&#xff1a;/config/database.php 网站运行目录/public 配置文件加入&#xff08;从24行…

iOS/iPadOS18Beta是否值得升级体验?Bug汇总和升级办法分享!

苹果昨天发布了iOS/iPadOS18Beta更新&#xff0c;引入了诸多新功能/新特性&#xff0c;很多喜欢尝鲜的用户已经在第一时间进行了升级。 iOS/iPadOS18Beta目前存在不少Bug&#xff0c;建议暂时不要更新&#xff0c;轻则浪费装机时间&#xff0c;重则丢失相关数据&#xff0c;甚至…

必应Bing国内直投和第三方合作流量有什么区别?

搜索引擎广告已成为企业提升品牌知名度、拓宽市场、精准触达目标客户的重要工具。作为全球第二大搜索引擎的微软必应&#xff08;Bing&#xff09;&#xff0c;以其庞大的用户基数、高质量的搜索流量和独特的用户群体特性&#xff0c;为企业提供了极具潜力的广告投放平台。云衔…

智慧乡村和美人家信息化系统

一、简介 智慧乡村和美人家信息化系统是一个综合管理平台&#xff0c;集成了首页概览、一张图可视化、数据填报、智能评估、便捷申报、公开公示、任务管理、活动发布和灵活配置等功能。该系统不仅提升了乡村管理效率&#xff0c;也优化了家庭生活的便捷性。通过一张图&#xf…

线性代数|机器学习-P13计算特征值和奇异值

文章目录 1. 特征值1.1 特征值求解思路1.2 相似矩阵构造 A 0 ∼ A 1 A_0\sim A_1 A0​∼A1​1.3 相似矩阵构造&#xff1a; A 0 − S I ∼ A 1 − S I A_0-SI\sim A_1-SI A0​−SI∼A1​−SI 2. 特征值求解思路3. 奇异值求解思路4. krylov 空间 1. 特征值 1.1 特征值求解思路…

UE5 发射物目标追踪

UE5 发射物目标追踪 思路 求出需要旋转的角度&#xff0c;然后每帧旋转&#xff0c;再更新速度 实现&#xff1a; 求出发射物当前方向和目标方向的旋转后&#xff0c;插值求每帧的旋转。 //向目标旋转 float Speed MovementComponent->Velocity.Length(); //获取发射物…

什么是RPA

什么是RPA RPA&#xff08;Robotic Process Automation&#xff09;是一种基于软件机器人和人工智能&#xff08;AI&#xff09;的业务过程自动化科技。 RPA是一种能够模拟人类在计算机上执行特定任务的技术&#xff0c;通过模拟最终用户在电脑上的手动操作方式&#xff0c;实…