第10、11周-项目4-教师兼干部类

问题及代码:

/*Copyright (c)2016,烟台大学计算机与控制工程学院 
*All rights reserved. 
*文件名称:main.cpp 
*作    者:王艺霖 
*完成日期:2016年5月10日 
*版 本 号:v1.0 
*问题描述:分别定义Teacher(教师)类和Cadre(干部)类,采用多重继承方式由这两个类派生出新类Teacher_Cadre(教师兼干部)。要求: 
          (1)在两个基类中都包含姓名、年龄、性别、地址、电话等数据成员。 
          (2)在Teacher类中还包含数据成员title(职称),在Cadre类中还包含数据成员post(职务),在Teacher_Cadre类中还包含数据成员wages(工资)。 
          (3)对两个基类中的姓名、年龄、性别、地址、电话等数据成员用相同的名字,在引用这些数据成员时,指定作用域。 
          (4)在类体中声明成员函数,在类外定义成员函数。 
          (5)在派生类Teacher_Cadre的成员函数show中调用Teacher类中的display函数,输出姓名、年龄、性别、职称、地址、电话,然后再用cout语句输出职务与工资。
*输入描述: 
*输出描述: 
*/  

#include <iostream>
#include<string>
using namespace std;
class Teacher
{
protected:
    string name;
    int age;
    char sex;
    string addr;
    string tele;
    string title;
public:
    Teacher(string,int ,char ,string ,string ,string );
    void display();
};

Teacher::Teacher(string n,int a,char s,string ad,string tel,string titl):name(n),age(a),sex(s),addr(ad),tele(tel),title(titl){}

void Teacher::display()
{
    cout<<"姓名:"<<name<<endl;
    cout<<"年龄:"<<age<<endl;
    cout<<"性别:"<<sex<<endl;
    cout<<"职称:"<<title<<endl;
    cout<<"地址:"<<addr<<endl;
    cout<<"电话:"<<tele<<endl;
}

class Cadre
{
protected:
    string name;
    int age;
    char sex;
    string addr;
    string tele;
    string pose;
public:
    Cadre(string,int ,char ,string ,string ,string);
    void display();
};

Cadre::Cadre(string n,int a,char s,string ad,string tel,string p):name(n),age(a),sex(s),addr(ad),tele(tel),pose(p){}

void Cadre::display()
{
    cout<<"姓名:"<<name<<endl;
    cout<<"年龄:"<<age<<endl;
    cout<<"性别:"<<sex<<endl;
    cout<<"地址:"<<addr<<endl;
    cout<<"电话:"<<tele<<endl;
    cout<<"职务:"<<pose<<endl;
}

class Teacher_Cadre:public Teacher,public Cadre
{
   private:
    float wages;
public:
    Teacher_Cadre(string,int ,char ,string ,string  ,string ,string ,float);
    void show();
};

Teacher_Cadre::Teacher_Cadre(string n,int a,char s,string ad,string tel,string titl ,string p,float w):Teacher(n,a,s,ad,tel,titl),Cadre(n,a,s,ad,tel,p),wages(w){}

void Teacher_Cadre::show()
{
    Teacher::display();
    cout<<"职务:"<<Cadre::pose<<endl;
    cout<<"工资:"<<wages<<endl;
}
int main()
{
    Teacher_Cadre tc("lizhao",18,'f',"taian feicheng","17853535000","npy","xhwyl",10000);
    tc.show();
    return 0;
}

运行结果:

学习心得:

构造函数写起来好麻烦。

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