【C语言---3】一些练习题

猜数字游戏:

#define _CRT_SECURE_NO_WARNINGS
#include<stdio.h>
#include<stdlib.h>

菜单界面:

int menu() 
{                             
	//创建菜单,人机交互界面
	  printf("============\n");
	  printf(" 1.开始游戏\n");
	  printf(" 0.退出游戏\n");
	  printf("============\n");
	  printf("请输入您的选项:\n");
	  int choice = 0;
	  scanf("%d", &choice);
	  return choice;
 }

游戏执行:

void game()
{
     int to_guess = rand() % 100 + 1;
     while (1)
     {
   	   printf("请输入一个整数:");
   	   int num = 0;
   	   scanf("%d", &num);
   	   if (num < to_guess)
   	   {
   		    printf("低了!\n");
   	   }
   	   else if (num>to_guess)
   	   {
   		    printf("高了!\n");
   	   }
   	   else
   	   {
   		    printf("恭喜您猜对了!\n");
   		    break;
   	   }
     }
}

主函数:

int main()
{
     srand(( unsigned int) time(0));
     while (1)
     {
   	   int choice = menu();
   	   if (choice == 1)
   	   {
   		    game();
   	    }
   	   else printf("退出成功,再见!\n");}
      return 0;
}

折半查找:

思路分析:找一个中间位置,去和查找数字比较,如果查找数字比中间位置的数大,说明在右边,反之在左边,注意边界left和边界right的更新

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

int main()
{
   int arr[9] = { 1, 2, 3, 4, 5, 6, 7, 8, 9 };
   int to_find = 3;
   int left = 0;
   int right = 8;
   //left>right时候,说明整个区间都已查找完
   while (left <= right)
   {
  	  int mid = (left + right) / 2;
  	  if (arr[mid] < to_find)
  	  {
  		   left = mid + 1;//表明只在右边查找
  	  }
  	  else if (arr[mid]>to_find)
  	  {
  		   right = mid - 1;
  	   }
  	  else break;
   }
   if (left>right)//说明整个区间查完,没找到
   {
  	  printf("不存在!\n");
   }
   else printf("存在!\n");
   system("pause");
   return 0;
}

模拟密码登录:

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

int main()
{
    int i;
    for (i = 1; i < 4; i++)
    {
   	  printf("请您输入密码:");
   	  char password[10] = { 0 };
   	  scanf("%s", password);
   	  if (strcmp(password, "1241528539") == 0)
   	  {
   		   break;
   	  }
    }
    if (i < 4)
    {
   	   printf("密码正确,登陆成功:\n");
    }
    else printf("密码错误超过三次,禁止登陆\n");
    system("pause");
    return 0;
}

转换字符大小写

思路分析: putchar(a - (‘A’ - ‘a’));//如果输入大写字母,转换为小写字母

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

int main()
{
   while (1)
   {
  	  char a;
  	  a=getchar();
  	  if (a<='z'&&a>='a')
  	  {
  		   putchar(a-('a'-'A'));//如果输入小写字母,转换为大写字母
  	  }
  	  else if (a <= 'Z'&&a >= 'A')
  	  {
  		   putchar(a - ('A' - 'a'));//如果输入大写字母,转换为小写字母
  	  }
  	  else if (isalnum(a))
  	  {
  		   // 如果输入的是数字,就什么也不做
  	  }
  	  if (a == ' ')//设定跳出条件为输入的字符为空格
  	  {
  		   break;
  	  }
  	  else putchar(a);//输入符号之类的正常输出
   }
   system("pause");
   return 0;
}
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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