第十三周项目:立体类族共有的抽象类

/*
 *Copyright(c)2016.烟台大学计算机学院
 *All right reserved.
 *文件名称:test.cpp
 *作者:黄金婵
 *完成日期:2016年6月16日
 *版本号:v1.0
 *
 *问题描述:
 *程序输入:
 *程序输出:
 */
#include<iostream>
using namespace std;
const double pai=3.1415926;
//抽象立体图形基类
class CSolid
{
public:
    virtual double SurfaceArea() const=0;
    virtual double Volume() const=0;

};

//立方体类
class CCube:public CSolid
{
public:
    CCube(double len=0);
    double SurfaceArea() const;  //求表面积
    double Volume() const;   //求体积
private:
    double length;

};

// 立方体类构造函数
CCube::CCube(double len)
{
    length=len;
}
//求立方体表面积
double CCube::SurfaceArea() const
{
    double c;
    c=6*length*length;
    return c;
}
//求立方体体积
double CCube::Volume() const
{
    double c;
    c=length*length*length;
    return c;
}
//球体类
class CBall:public CSolid
{
private:
    double radius;   //圆周率
public:
    CBall(double r=0);
    double SurfaceArea() const;  //求表面积
    double Volume() const;  //求体积
};
//球体类构造函数
CBall::CBall(double r)
{
    radius=r;
}
// 求球体表面积
double CBall::SurfaceArea() const
{
    double c;
    c=4*pai*radius*radius;
    return c;
}
//求球体体积
double CBall::Volume() const
{
    double c;
    c=pai*radius*radius*radius*4/3;
    return c;
}
//圆柱体类
class CCylinder:public CSolid
{
private:
    double radius;
    double height;
public:
    CCylinder(double r=0,double high=0);
    double SurfaceArea() const;  //求表面积
    double Volume() const;   //求体积
};
//圆柱类构造函数
CCylinder::CCylinder(double r,double hight)
{
    radius=r;
    height=hight;
}
//求圆柱表面积
double CCylinder::SurfaceArea() const
{
    double c;
    c=2*pai*radius*radius+2*pai*radius*height;
    return c;
}
//求圆柱体体积

double CCylinder::Volume() const
{
    double c;
    c=pai*radius*radius*height;
    return c;
}
int main()
{
    CSolid *p;
    double s,v;
    CCube x(30);
    cout<<"立方体长为 30"<<endl;
    p=&x;
    s=p->SurfaceArea();
    v=p->Volume();
    cout<<"表面积:"<<s<<endl;
    cout<<"体积:"<<v<<endl;
    cout<<endl;
    CBall y(4.5);
    cout<<"球体半径为 4.5"<<endl;
    p=&y;
    s=p->SurfaceArea();
    v=p->Volume();
    cout<<"表面积:"<<s<<endl;
    cout<<"体积:"<<v<<endl;
    cout<<endl;
    CCylinder z(10,20);
    cout<<"圆柱体底面半径,高分别为10,20"<<endl;
    p=&z;
    s=p->SurfaceArea();
    v=p->Volume();
    cout<<"表面积:"<<s<<endl;
    cout<<"体积:"<<v<<endl;
    cout<<endl;
    return 0;

}

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值