P1038 神经网络

P1038 神经网络

题目背景

人工神经网络(Artificial Neural NetworkArtificialNeuralNetwork)是一种新兴的具有自我学习能力的计算系统,在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用。对神经网络的研究一直是当今的热门方向,兰兰同学在自学了一本神经网络的入门书籍后,提出了一个简化模型,他希望你能帮助他用程序检验这个神经网络模型的实用性。

题目描述

在兰兰的模型中,神经网络就是一张有向图,图中的节点称为神经元,而且两个神经元之间至多有一条边相连,下图是一个神经元的例子:

 

神经元〔编号为11)

图中,X_1-X_3X1​−X3​是信息输入渠道,Y_1-Y_2Y1​−Y2​是信息输出渠道,C_1C1​表示神经元目前的状态,U_iUi​是阈值,可视为神经元的一个内在参数。

神经元按一定的顺序排列,构成整个神经网络。在兰兰的模型之中,神经网络中的神经元分为几层;称为输入层、输出层,和若干个中间层。每层神经元只向下一层的神经元输出信息,只从上一层神经元接受信息。下图是一个简单的三层神经网络的例子。

 

兰兰规定,C_iCi​服从公式:(其中nn是网络中所有神经元的数目)

C_i=\sum_{(j,i) \in E} W_{ji}C_{j}-U_{i}Ci​=∑(j,i)∈E​Wji​Cj​−Ui​

公式中的W_{ji}Wji​(可能为负值)表示连接jj号神经元和ii号神经元的边的权值。当 C_iCi​大于00时,该神经元处于兴奋状态,否则就处于平静状态。当神经元处于兴奋状态时,下一秒它会向其他神经元传送信号,信号的强度为C_iCi​。

如此.在输入层神经元被激发之后,整个网络系统就在信息传输的推动下进行运作。现在,给定一个神经网络,及当前输入层神经元的状态(C_iCi​),要求你的程序运算出最后网络输出层的状态。

输入格式

输入文件第一行是两个整数n(1≤n≤100)和p。接下来n行,每行2个整数,第i+1行是神经元ii最初状态和其阈值(Ui​),非输入层的神经元开始时状态必然为00。再下面P行,每行由22个整数i,ji,j及11个整数W_{ij}Wij​,表示连接神经元i,ji,j的边权值为W_{ij}Wij​。

输出格式

输出文件包含若干行,每行有2个整数,分别对应一个神经元的编号,及其最后的状态,2个整数间以空格分隔。仅输出最后状态大于0的输出层神经元状态,并且按照编号由小到大顺序输出。

若输出层的神经元最后状态均为 0,则输出 “NULL”。

输入输出样例

输入 #1

5 6
1 0
1 0
0 1
0 1
0 1
1 3 1
1 4 1
1 5 1
2 3 1
2 4 1
2 5 1

输出 #1

3 1
4 1
5 1

题解:通过每个点的入度和出度可以确定该点为什么状态,然后拓扑排序

#include<bits/stdc++.h>
using namespace std;
const int maxn=1e5+6;
struct node
{
	int x,d;
	node(int a,int b)
	{
		x=a,d=b;
	}
};
struct sz
{
	int x,c;
	sz(int a,int b)
	{
		x=a,c=b;
	}
	bool operator <(const sz&w) const
	{
		return x>w.x;
	}
};
priority_queue<sz>que;
queue<int>q;
int vis[maxn];
bool book[maxn];
int u[maxn],c[maxn];
vector<node>ar[maxn];
int main()
{
	int n,m;
	scanf("%d %d",&n,&m);
	for(int i=1; i<=n; i++)
	{
		cin>>c[i]>>u[i];
	}
	for(int i=0; i<m; i++)
	{
		int x,y,d;
		cin>>x>>y>>d;
		ar[x].push_back(node(y,d));
		vis[y]++;
		book[x]=1;
	}
	if(n==1)
	{
		cout<<1<<" "<<c[1]<<endl;
	}
	else
	{

		for(int i=1; i<=n; i++)
		{
			if(vis[i]==0)
			{
				q.push(i);
			}
		}
		while(!q.empty())
		{
			int y=q.front();
			q.pop();
			for(int i=0; i<ar[y].size(); i++)
			{
				node v=ar[y][i];
				vis[v.x]--;
				if(c[y]>0)
					c[v.x]+=v.d*c[y];
				if(vis[v.x]==0)
				{
					q.push(v.x);
					c[v.x]-=u[v.x];
					if(c[v.x]>0&&book[v.x]==0)
					{
						que.push(sz(v.x,c[v.x]));
					}
				}
			}
		}
		//cout<<c[1]<<endl;
		if(!que.empty())
			while(!que.empty())
			{
				sz u=que.top();
				cout<<u.x<<" "<<u.c<<endl;
				que.pop();
			}
		else
			cout<<"NULL"<<endl;
	}
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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