[NOIP2003] 提高组 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:

[NOIP2003] 提高组 洛谷P1038 神经网络_第1张图片

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。

[NOIP2003] 提高组 洛谷P1038 神经网络_第2张图片

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(1≤n≤100)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均为 0,则输出 NULL。

 

输入输出样例

输入样例#1:
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:
3 1
4 1
5 1

 

拓扑排序模拟传输即可。

每个神经元的C值可以直接减去阈值,等待活跃度大于0就可以传输。

但要注意,一开始有活跃度的是传入层,不能减去阈值(在这里WA了很久)

 1 #include
 2 #include
 3 #include
 4 #include
 5 #include
 6 #include
 7 using namespace std;
 8 const int mxn=120;
 9 int read(){
10     int x=0,f=1;char ch=getchar();
11     while(ch<'0' || ch>'9'){if(ch=='-')f=-1;ch=getchar();}
12     while(ch>='0' && ch<='9'){x=x*10+ch-'0';ch=getchar();}
13     return x*f;
14 }
15 struct edge{
16     int v,nxt;
17     int dis;
18 }e[1200];
19 int hd[mxn],mct=0;
20 void add_edge(int u,int v,int dis){
21     e[++mct].v=v;e[mct].dis=dis;e[mct].nxt=hd[u];hd[u]=mct;
22     return;
23 }
24 int n,p;
25 int c[mxn];
26 int c1[mxn],c2[mxn];
27 queue<int>q;
28 bool inq[mxn];
29 bool out[mxn];
30 int main(){
31     n=read();p=read();
32     int i,j;
33     int u,v;
34     if(!p){
35         u=read();v=read();
36         printf("1 %d\n",u);
37         return 0;
38     }
39     for(i=1;i<=n;i++){
40         u=read();v=read();
41         if(u){
42             c[i]=u;q.push(i);
43         }
44         else c[i]=u-v;
45     }
46     for(i=1;i<=p;++i){
47         u=read();v=read();j=read();
48         add_edge(u,v,j);
49     }
50     while(1){
51         for(i=1;i<=n;i++){
52             if(c[i]>0 && !inq[i] && hd[i]){
53                 q.push(i);
54                 inq[i]=1;
55             }
56         }
57         if(q.empty())break;
58         int u=q.front();q.pop();inq[u]=0;
59         for(i=hd[u];i;i=e[i].nxt){
60             int v=e[i].v;
61             c[v]+=e[i].dis*c[u];
62         }
63         c[u]=0;
64     }
65     bool flag=0;
66     for(i=1;i<=n;i++){
67         if(c[i]>0)flag=1,printf("%d %d\n",i,c[i]);
68     }
69     if(!flag)printf("NULL\n");
70     return 0;
71 }

 

转载于:https://www.cnblogs.com/SilverNebula/p/5982700.html

你可能感兴趣的:(人工智能,ui)