第十五周上机项目4:多科成绩单

/*              
* 程序的版权和版本声明部分              
* Copyright (c)2012, 烟台大学计算机学院              
* All rightsreserved.  
* 文件名称:多科成绩单.cpp             
* 作    者:李巧丽                                     
* 完成日期:2012年12月10日              
* 版 本 号: v1.0                    
* 输入描述:无              
* 问题描述: 用二维数组保存同学们的高数、英语、C++成绩及总成绩     
* 程序输出: 略        
* 问题分析: 略      
*/  

#include<iostream>
#include<cmath>
#include<string>
using namespace std;
void input(double s[][4],int n); //输入成绩
double max(double s[][4],int n,int i); //求第i门课的最高成绩,i=3时是总分,以下类似
double min(double s[][4],int n,int i);
double avg(double s[][4],int n,int i);
double stdev(double s[][4],int n,int i);
output_result(double s[][4],int n);

int main()
{
	int i,num;
	string temp;
	double score[100][4]; //设一个班最多100人
	string course[4]={"高等数学","英语","C++","总分"};
	cout<<"输入学生人数:";
	cin>>num;
	//输入成绩并求出总分
	cout<<"输入学生成绩(按高数、英语、C++的顺序依次输入:)"<<endl;
	for(i=0;i<num;++i)
	{
		cin>>score[i][0]>>score[i][1]>>score[i][2];
		score[i][3]=score[i][0]+score[i][1]+score[i][2];
	}
	cout<<"输入的学生成绩为:"<<endl;
	cout<<"学号\t高数\t英语\tC++\t总分"<<endl;
	for(i=0;i<num;++i)
	{
		cout<<i<<'\t'<<score[i][0]<<'\t';
		cout<<score[i][1]<<'\t';
		cout<<score[i][2]<<'\t';
		cout<<score[i][3]<<endl;
	}
	
	//输出各门课及总分的最高成绩、最低成绩、平均成绩和成绩的标准偏差;
	for(i=0;i<4;++i)
	{
		cout<<course[i]<<"的最高成绩是"<<max(score,num,i)<<", ";
		cout<<"最低成绩是"<<min(score,num,i)<<", ";
		cout<<"平均成绩是"<<avg(score,num,i)<<", ";
		cout<<"成绩的标准偏差是"<<stdev(score,num,i)<<endl;
	}
	//输出考得总分最高、最低同学的人数及对应的学号。
	output_result(score,num);
	return 0;
}

//求第i门课的最高成绩,i=3时是总分,下类似
double max(double s[][4],int n,int j)
{
	double m=s[0][j];
	for(int i=1;i<n;++i)
		if (m<s[i][j]) 
			m=s[i][j];
		return m;
}
double min(double s[][4],int n,int j)
{
	double m=s[0][j];
	for(int i=1;i<n;++i)
		if (m>s[i][j]) 
			m=s[i][j];
		return m;
}
double avg(double s[][4],int n,int j)
{
	double sum=s[0][j];
	for(int i=1;i<n;++i)
		sum+=s[i][j];
	return sum/n;
}
double stdev(double s[][4],int n,int j)
{
	double a,x,sum=0;
	a=avg(s,n,j);//平均成绩
	for(int i=0;i<n;i++)  
    {  
        x=s[i][j]-a;  
        sum+=x*x;  
    }  
    return sqrt(sum/(n-1));  
}

//输出考得总分最高、最低同学的人数及对应的学号。
output_result(double s[][4],int n)
{
	double m=max(s,n,3);
	int i,c=0;
	bool first=true;
	cout<<"总分最高分为"<<m;
	for(i=0;i<n;++i)
	{
		if(s[i][3]==m)
			++c;
	}
	cout<<",有"<<c<<"人达到最高分,他们的学号是:";
	for(i=0;i<n;++i)
	{
		if(s[i][3]==m)
			if(first)
			{
				cout<<i;
				first=false;
			}
			else
			{
				cout<<"、"<<i;
			}
	}
	cout<<endl;
	//关于最低成绩
	m=min(s,n,3);
	c=0;
	first=true;
	cout<<"总分最低分为"<<m;
	for(i=0;i<n;++i)
	{
		if(s[i][3]==m) 
			++c;
	}
	cout<<",有"<<c<<"人达到最低分,他们的学号是:";
	for(i=0;i<n;++i)
	{
		if(s[i][3]==m)
			if(first)
			{
				cout<<i;
				first=false;
			}
			else
			{
				cout<<"、"<<i;
			}
	}
	cout<<endl;
	return 0;
}


运行结果:

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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