基于visual Studio2013解决C语言竞赛题之1033数字交换









题目


解决代码及点评

/*
功能:将一个一维数组中的偶数依次交换。例如有8个元素, 若其中第1、4、5三元素是偶数时应按下图交换。
	  例子: a[]={2,3,1,6,8,7,9,5}
	change to    {8, 3, 1, 2, 6, 7, 9, 5}
 
日期:17:04 2013/10/24
*/

#include<stdio.h>
#include<stdlib.h>
#include<time.h>

#define N 10

int *getFirst(int a[],int n);
int *getLast(int a[],int n);

void main()
{
	int a[N];
	time_t t;
	srand((unsigned)time(&t));				//随机函数发生器
	for (int i = 0; i < N; i++)				//随机赋值并打印
	{
		a[i] = rand() % 90 + 10;
		printf("%-3d",a[i]);
	}

	int *pLast = getLast(a, N);				//将最后一个偶数的地址赋给plast
	int lastValue = *pLast;

	int *pFirst = getFirst(a,N);			//将第一个偶数的地址赋给pfirst

	//从后最后一个偶数开始往前轮循,到第一个偶数为止
	for (int *p = pLast - 1; p >= pFirst; p--)
	{
		if (*p % 2 == 0)
		{
			*pLast = *p;					//将当前偶是赋给下一个偶数
			pLast = p;						//将当前偶数赋给标识变量pLast
		}
	}
	*pFirst = lastValue;					//将最后一个偶数赋给第一个偶数的地址

	printf("\n\n\n");
	for (int i = 0; i < N; i++)				//随机赋值并打印
	{
		printf("%-3d", a[i]);
	}
	system("pause");
}

int *getFirst(int a[], int n)
{
	int *pFirst = NULL;
	for (int *p = a; p < a + N; p++)		//数组中最后一个偶数的地址赋给pLast;
	{
		if (*p % 2 == 0)
		{
			pFirst = p;
			break;
		}
	}
	return pFirst;
}

int *getLast(int a[], int n)
{
	int *pLast = NULL;
	for (int *p = a + n - 1; p >= a; p--)		//数组中最后一个偶数的地址赋给pLast;
	{
		if (*p % 2 == 0)
		{
			pLast = p;
			break;
		}
	}
	return pLast;
}


代码编译以及运行

由于资源上传太多,资源频道经常被锁定无法上传资源,同学们可以打开VS2013自己创建工程,步骤如下:

1)新建工程

2)选择工程

3)创建完工程如下图:

4)增加文件,右键点击项目

5)在弹出菜单里做以下选择

6)添加文件

7)拷贝代码与运行


程序运行结果


代码下载

http://download.csdn.net/detail/yincheng01/6681845

解压密码:c.itcast.cn






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,如间序列或自然语言,因为它们具有记忆功能,能够捕捉数据间依赖性。 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

打赏作者

尹成

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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