第八周项目训练1

/*  
*Copyright (c) 2016,烟台大学计算机学院  
*All rights reserved.  
*文件名称 :  
*作    者 : 王玙璠
*完成日期 : 2016年4月17号  
*版 本 号 : v1.0  

*  

问题描述:

数组做数据成员


#include<iostream>
using namespace std;
class Salary
{
public:
    void set_salarys();
    void add_salarys(int x);
    void sort_salarys();
    void show_salarys();
private:
    double salarys[50];
    int number;
};
void Salary::set_salarys( )
{
    number=0;
    while(cin>>salarys[number])
    {
        number++;
    }

}
void Salary::add_salarys(int x)
{
    int i;
    for(i=0;i<number;i++)
        salarys[i]=salarys[i]+x;
}
void Salary::sort_salarys()
{
    int i,j,t;
    for(i=0;i<number-1;i++)
        for(j=0;j<number-1-i;j++)
        if(salarys[j]>salarys[j+1])
        {
            t=salarys[j];
            salarys[j]=salarys[j+1];
            salarys[j+1]=t;
        }
}
void Salary::show_salarys()
{
    int i;
    cout<<"所有人的工资为:"<<endl;
    for(i=0;i<number;i++)
        cout<<salarys[i]<<endl;
}
int main()
{
    Salary isalary;
    isalary.set_salarys();
    isalary.add_salarys(500);
    isalary.sort_salarys();
    isalary.show_salarys();
    return 0;
}

运行结果:



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
尊敬的评审专家: 我们团队计划开展一项基于深度学习的项目,旨在通过深度学习技术解决某些领域的问题,现将项目申报书提交给您,请您审阅评估。 一、项目概述 本项目旨在利用深度学习技术解决图像识别领域中的问题。目前,传统的图像识别技术主要基于手工特征提取和分类器构建,存在着特征不充分和分类器设计不合理等问题。而深度学习技术可以通过端到端的学习方式,自动从原始数据中学习特征并构建分类器,从而实现更加准确和高效的图像识别。 本项目的目标是利用深度学习技术,设计和实现一个高精度的图像识别系统,并在某一领域内进行实际应用。 二、技术方案 本项目所采用的深度学习技术是卷积神经网络(Convolutional Neural Networks,CNN)。CNN是一种特殊的神经网络,其结构主要由卷积层、池化层和全连接层组成。卷积层和池化层可以自动学习图像中的特征,全连接层可以将学习到的特征映射到分类器中进行分类。我们将利用深度学习框架TensorFlow来实现CNN模型的设计和训练,并通过GPU加速来提高训练速度和模型性能。 三、数据来源和处理 本项目所需的数据来源是某一领域内的图像数据集。数据集包括训练集、验证集和测试集,其中训练集用于训练CNN模型,验证集用于调整模型参数和防止过拟合,测试集用于评估模型性能。我们将采用数据增强技术来扩充数据集,以提高模型的泛化能力和鲁棒性。 四、实验设计和结果分析 本项目将采用交叉验证的方式来评估模型性能。具体地,将数据集划分为K个互不重叠的子集,每个子集轮流作为验证集,其余子集作为训练集。通过平均K次验证结果来评估模型精度和泛化能力。我们将采用准确率、召回率和F1值等指标来评估模型性能,并与传统的图像识别方法进行对比分析。 五、项目计划和进度安排 本项目预计在3个月内完成。具体的进度安排如下: 第1-2:数据集的收集和预处理 第3-5:CNN模型的设计和训练 第6-8:模型性能的评估和优化 第9-10项目报告和技术文档的撰写 六、团队组成和分工 本项目由一支有丰富深度学习经验的团队组成,其中包括一名项目经理、两名算法工程师和一名开发工程师。具体的分工如下: 项目经理:负责项目的整体管理和进度把控,协调各个团队成员的工作。 算法工程师1:负责CNN模型的设计和训练,以及模型性能的评估和优化。 算法工程师2:负责数据集的预处理和扩充,以及模型的可视化和调试。 开发工程师:负责代码的实现和测试,以及文档的编写和维护。 七、预算和资源要求 本项目所需的预算和资源如下: 硬件设备:1台GPU服务器,用于CNN模型的训练和优化。 软件工具:TensorFlow、Python、NumPy等深度学习和科学计算工具。 人力资源:团队成员的薪酬和福利。 总预算为10万元人民币。 以上是本项目的申报书,谢谢您的审阅。如果您还有其他问题和建议,欢迎随时提出。
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