对链表的基本的操作

#include
#include
#define ERROR 1
#define TRUE 0
typedef int ElemType;
typedef struct node{
  ElemType data;         //数据域
  struct node *next;     //指针域
}LNode,*LinkList;

int Length_LinkList(LinkList H);
LNode* Get_LinkList(LinkList H,int k);

LinkList Creat_LinkList1(){//采用头插法
  LNode *s;
  int x;
  LinkList H;
  H=(LinkList)malloc(sizeof(LNode)); //生成头结点
  H->next=NULL;        //空表
  printf("请输入一个数(-1结束):");
  scanf("%d",&x);
  while(x!=-1){                   //输入-1结束
	  s=(LinkList)malloc(sizeof(LNode));
	  s->data=x;
	  s->next=H->next;
 	  H->next=s;
      printf("请输入一个数(-1结束):");
	  scanf("%d",&x);
  }
  return H;
}

LinkList Creat_LinkList2(){//采用尾插法
  int x;
  LNode *s,*r;
  LinkList H=(LinkList)malloc(sizeof(LNode));//生成头结点
  H->next=NULL;        //空表
  r=H;
  printf("请输入一个数(-1结束):");
  scanf("%d",&x);
  while(x!=-1){
     s=(LinkList)malloc(sizeof(LNode));
	 s->data=x;
	 s->next=r->next;
	 r->next=s;
	 r=s;                                   //r始终指向链表的尾节点
     printf("请输入一个数(-1结束):");
	 scanf("%d",&x);
  }
  return H;
}

//求链表的长度
int Length_LinkList(LinkList H){
	LNode *p=H;
	int i=0;
	while(p->next!=NULL){
	  i++;
	  p=p->next;
	}
	return i;
}

LNode* Get_LinkList(LinkList H,int k){//安序号查找
  int j=0 ;
  LNode *p=H->next;
  while(p!=NULL &&jnext;
	j++;
  }
  if(j==k)
	  return p;
  else
	  return NULL;
}

LNode* Locate_LinkList(LinkList H ,ElemType x){ //按值查找
  LNode *p=H->next;
  while(p!=NULL && p->data!=x)
	  p=p->next;
  return p;                                   //出去要判断返回值是否为NULL
}

//插入操作
int Insert_LinkList(LinkList *H,int i,ElemType x){//在单链表H的第i个位置上插入为x的元素
   LNode *p,*s;
   p=Get_LinkList(H,i-1);
   if(p==NULL){
     printf("插入位置i错误");
	 return ERROR;
   }
   else{
      s=(LNode*)malloc(sizeof(LNode)); //申请新结点
	  s->data=x;
	  s->next=p->next;                 //新结点插入在第i-1个节点之后
	  p->next=s;              
	  return TRUE;
   }
}
//删除操作
int Del_LinkList(LinkList H,int i){//删除单链表H上的第i个数据结点
	LinkList p,q;
	p=Get_LinkList(H,i-1);         //查找第i-1个结点
	if(p==NULL){
	  printf("第i-1个结点不存在\n");
	  return ERROR;
	}
	else{
		if(p->next==NULL){
		  printf("第i个结点不存在\n");
		  return ERROR;
		}
		else{
			q=p->next;        //指向第i个结点
			p->next=q->next;  //从链表中删除
			free(q);         //释放*q
			return TRUE;
		}
	}
}
//查看链表中的值
void Print_LinkList(LinkList H){
	LNode *p;
	int i=0;
	p=H->next;
	while(p!=NULL){
		i++;
		printf("第%d个结点的值为:%d\n",i,p->data);
		p=p->next;
	}
}

//测试
int main(void){               
   LinkList lst,h;
   int a,i,b;
   lst=Creat_Linklist1();
   printf("打印链表结点信息:\n");
   Print_LinkList(lst);
   printf("请输入要插入值和位置");
   scanf("%d %d",&a ,&i);
   b=Insert_LinkList(lst,i,a);
   printf("请输入要查找的值:");
   scanf("%d",&a);
   h=Locate_LinkList(lst,a);
   printf("请输入要查找元素的位置:");
   scanf("%d",&i);
   h=Get_LinkList(lst,i);
   printf("链表的长度为%d\n",Length_LinkList(lst));
   return 0;
}
/*
链接时出现的错误:
   error LNK2001: unresolved external symbol _Creat_Linklist1
查看:声明,定义,调用 函数是否一致
*/
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