【NOIP2003】神经网络

Description

问题背景:
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。

问题描述:
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, X1—X3 是信息输入渠道, Y1 - Y2 是信息输出渠道, C i 表示神经元目前的状态, U i
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, C i 服从公式:(其中 n 是网络中所有神经元的数目)

公 式中的 W ji (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 C i 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 C i
。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( C i
),要求你的程序运算出最后网络输出层的状态。

Input

输入第一行是两个整 数 n ( 1≤n≤200 )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( U i ),非输入层的神经元开始时状态必然为 0 。再下面 P
行,每行由两个整数 i , j 及一个整数 W ij ,表示连接神经元 i 、 j 的边权值为 W ij 。

Output

输出包含若干行,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。 仅输出最后状态非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均为 0 ,则输出 NULL 。

Sample Input

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

Sample Output

3 1
4 1
5 1

Hint

Source

NOIP2003
图论 ,递推 , 拓扑排序 ,搜索, 模拟

解析

作为蒟蒻写的第一篇题解(博客),感觉有点方。

这题的题面似乎很难懂,但实际上。。。

直接反向建图+拓扑排序+简单模拟就行了啊啊啊!!!

当然,别忘了特判NULL。

上AC代码:

#include <bits/stdc++.h>
using namespace std; struct node{
int to,next;
int w;
}e[];
int n,p,u[],c[];
int ind[],oud[],head[],cnt=;
int que[],inq[]; void add(int x,int y,int w){
ind[y]++;oud[x]++;
e[++cnt].to=head[x];
e[cnt].next=y;
e[cnt].w=w;
head[x]=cnt;
} int main(){
scanf("%d%d",&n,&p);
for(int i=;i<=n;i++){
scanf("%d%d",&c[i],&u[i]);
}
int x,y,w;
for(int i=;i<=p;i++){
scanf("%d%d%d",&x,&y,&w);
add(y,x,w);
}
int h=,t=;
for(int i=;i<=n;i++){
if(!ind[i]) que[++t]=i;
}
while(h<=t){
int x=que[h]; for(int i=head[x];i;i=e[i].to){
int k=e[i].next;
if(inq[k]) continue;
inq[k]=;
que[++t]=k;
}
h++;
}
for(int i=t;i;i--){
int x=que[i];
int sum=;
for(int j=head[x];j;j=e[j].to){
int k=e[j].next;
if(c[k]>){
sum+=c[k]*e[j].w;
}
}
if(oud[x])
c[x]=sum-u[x]; }
bool ok=;
for(int i=;i<=n;i++){
if(!ind[i]&&c[i]>){
ok=;
printf("%d %d\n",i,c[i]);
}
}
if(ok==) puts("NULL");
return ;
}

题解 【NOIP2003】神经网络的更多相关文章

  1. NOIP2003 神经网络(bfs)

    NOIP2003 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 ...

  2. NOIP2003神经网络[BFS]

    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 ...

  3. NOIP2003 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 ...

  4. topsort | | jzoj[1226] | | NOIP2003神经网络

    今天终于通过了那道永远都看不懂题目的神经网络... 所谓拓扑排序,就是在有向无环图中,根据已经有的点和点之间的关系进行排序 引用jzyz教材上的栗子:比如说奶牛比较食量大小,我现在拿到的是cow[i] ...

  5. NOIP 2003 神经网络

    洛谷 P1038 神经网络 https://www.luogu.org/problemnew/show/P1038 JDOJ 1278: [NOIP2003]神经网络 T1 https://neooj ...

  6. 题解【洛谷P1038/CJOJ1707】[NOIP2003提高组]神经网络

    [NOIP2003]神经网络 Description 问题背景: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 ...

  7. [NOIP2003]栈 题解(卡特兰数)

    [NOIP2003]栈 Description 宁宁考虑的是这样一个问题:一个操作数序列,从1,2,一直到n(图示为1到3的情况),栈A的深度大于n. 现在可以进行两种操作: 1.将一个数,从操作数序 ...

  8. NOIP2003题解

    传送门 考查题型 搜索 字符串 模拟 dp T1 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 ...

  9. noip2003提高组题解

    这一年的前三题虽然难度不高,但是第二题极为繁琐,想在考场上用较短的时间拿到第二题的分数难上加难.所以必须要调整策略,争取拿其他三题的分数.第四题是比较普通的搜索题,分数比较好拿,但是很容易想成树形DP ...

随机推荐

  1. [转帖CCIX]

    业界七巨头联手,数据中心通过PCIe实现25Gbps数据通信! 2017-06-07 17:31 CCIX(Cache Coherent Interconnect for Accelerators,针 ...

  2. 注意了,Mybatis中条件判断时遇到的坑

    1.mapper中比较字符串时需要注意的问题如下: mybatis 映射文件中,if标签判断字符串相等,两种方式:因为mybatis映射文件,是使用的ognl表达式,所以在判断字符串isComplet ...

  3. Python基础学习路径

    1. Python数据结构 1. 基本数据类型(整数.小数.字符) 1.基本数据类型有5种:int bool float complex long 2.每一种数据类型该如何定义 3.数据类型之间可以强 ...

  4. 使用rsync工具构建php项目管理平台

    对于phper来说部署项目和更新项目是很方便的,只要直接将写好的项目覆盖到项目的根目录就可以啦.但是平时项目开发的时候肯定不是只部署一个环境,一般是三套环境(开发环境.测试环境.生产环境),我们每次在 ...

  5. Scrapy里Selectors 四种基础的方法

    在Scrapy里面,Selectors 有四种基础的方法xpath():返回一系列的selectors,每一个select表示一个xpath参数表达式选择的节点css():返回一系列的selector ...

  6. sleep(0)、usleep(0)与sched_yield() 调度

    结论: 如果你是为了耗掉一个机器周期 ,那直接asm ("nop") , 如果是为了让权,建议把 所有使用 usleep(0)  换成 sched_yield() ; 最近发现很多 ...

  7. django API返回中文乱码

    renturn HttpResponse(json.dumps(data,ensure_ascii=False))

  8. 怎样设置Cookie

    因为 Cookie 是服务器保存在浏览器中的一小段信息, 因此这个设置应当是服务器发起的, 设置方法是在Response Header中添加: Set-Cookie字段, 值是多个键值对. 如下: / ...

  9. 守护服务Supervisor的安装和使用

    Supervisor(http://supervisord.org/)是用Python开发的一个client/server服务,是Linux/Unix系统下的一个进程管理工具,不支持Windows系统 ...

  10. OpenCV安装和测试

    参考链接:http://blog.csdn.net/bruce_zeng/article/details/7961153 OpenCv下载链接:http://sourceforge.net/proje ...