第三周项目4

  1. /* 
    *Copyright (c) 2017,烟台大学计算机与控制工程学院 
    *All rights reserved. 
    *文件名称: 
    *作    者:孙仁圆 
    *完成日期:2017年9月20日 
    *版 本 号:v1.0 
    *
  2. 1、删除元素在[x, y]之间的所有元素,要求算法的时间复杂度为O(n),空间复杂度为O(1);  
  3.   
  4. #include "list.h"  
  5. #include <stdio.h>  
  6.   
  7. //删除线性表中,元素值在x到y之间的元素  
  8. void delx2y(SqList *&L, ElemType x,  ElemType y)  
  9. {  
  10.     int k=0,i; //k记录非x的元素个数  
  11.     ElemType t;  
  12.     if(x>y)  
  13.     {  
  14.         t=x;  
  15.         x=y;  
  16.         y=t;  
  17.     }  
  18.     for (i=0; i<L->length; i++)  
  19.         if (L->data[i]<x || L->data[i]>y )  //复制不在[x, y]之间的元素  
  20.         {  
  21.             L->data[k]=L->data[i];  
  22.             k++;  
  23.         }  
  24.     L->length=k;  
  25. }  
  26.   
  27. //用main写测试代码  
  28. int main()  
  29. {  
  30.     SqList *sq;  
  31.     ElemType a[10]= {5,8,7,0,2,4,9,6,7,3};  
  32.     CreateList(sq, a, 10);  
  33.     printf("删除前 ");  
  34.     DispList(sq);  
  35.   
  36.     delx2y(sq, 4, 7);  
  37.   
  38.     printf("删除后 ");  
  39.     DispList(sq);  
  40.     return 0;  
  41. }  
[cpp]  view plain  copy
  1. <span style="font-family:KaiTi_GB2312;font-size:14px;">2、将所在奇数移到所有偶数的前面,要求算法的时间复杂度为O(n),空间复杂度为O(1)。</span>  
[cpp]  view plain  copy
  1. #include "list.h"  
  2. #include <stdio.h>  
  3.   
  4. //移动结束后,奇数居左,偶数居右  
  5. void move(SqList *&L)  
  6. {  
  7.     int i=0,j=L->length-1;  
  8.     ElemType tmp;  
  9.     while (i<j)  
  10.     {  
  11.         while ((i<j) && (L->data[j]%2==0))  //从右往左,找到第一个奇数(偶数就忽略不管)  
  12.             j--;  
  13.         while ((i<j) && (L->data[i]%2==1))  //从左往右,找到第一个偶数(奇数就忽略不管)  
  14.             i++;  
  15.         if (i<j)   //如果未到达“分界线”,将右边的奇数和左边的偶数交换  
  16.         {  
  17.             tmp=L->data[i];  
  18.             L->data[i]=L->data[j];  
  19.             L->data[j]=tmp;  
  20.         }  
  21.     }   //待循环上去后,继续查找,并在必要时交换  
  22. }  
  23.   
  24.   
  25. //用main写测试代码  
  26. int main()  
  27. {  
  28.     SqList *sq;  
  29.     ElemType a[10]= {5,8,7,0,2,4,9,6,7,3};  
  30.     CreateList(sq, a, 10);  
  31.     printf("操作前 ");  
  32.     DispList(sq);  
  33.   
  34.     move(sq);  
  35.   
  36.     printf("操作后 ");  
  37.     DispList(sq);  
  38.     return 0;  
  39. }  
【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