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:
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,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,神经网络中的神经无分为几层;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。
输入描述:
第一行是两个整数n(1≤n≤20)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),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Wij,表示连接神经元i、j的边权值为Wij。
输出描述:
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。
示例1
输入
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
3 1
4 1
5 1
解答
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[100001];
int n,p,u[201],c[201];
int ind[201],oud[201],head[201],cnt=0;
int que[10001],inq[201];
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=1;i<=n;i++){
scanf("%d%d",&c[i],&u[i]);
}
int x,y,w;
for(int i=1;i<=p;i++){
scanf("%d%d%d",&x,&y,&w);
add(y,x,w);
}
int h=1,t=0;
for(int i=1;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]=1;
que[++t]=k;
}
h++;
}
for(int i=t;i;i--){
int x=que[i];
int sum=0;
for(int j=head[x];j;j=e[j].to){
int k=e[j].next;
if(c[k]>0){
sum+=c[k]*e[j].w;
}
}
if(oud[x])
c[x]=sum-u[x];
}
bool ok=0;
for(int i=1;i<=n;i++){
if(!ind[i]&&c[i]>0){
ok=1;
printf("%d %d\n",i,c[i]);
}
}
if(ok==0) puts("NULL");
return 0;
} 来源:Hastin

京公网安备 11010502036488号