第十一次上机实验

作业1:
下段程序循环体执行的次数是是多少,为什么
#include <stdio.h>
int main()
{
	int i=1,n=0,num = 0;
	while (n<=2*i) 
	{ 
		n=i*i; 
		i=i+1;
		num++;
	} 
	return 0;
}
答:三次。算出来的。当i=3时,n=4.

----------------------分割线----------------------
作业2:
阅读下面程序,在???填上适当的语句,使程序完成指定的功能。并说明为什么? 
程序说明:是用公式 求π的近似值,直到最后一项的绝对值小于是10 的负6 为止。 
#include "stdio.h"
#include "math.h" 
main() 
{
	int s=1; 
	float n=1,t=1,pi=0; 
	while( ??? ) 
	{ 
		pi=pi+ ???    ; 
		n=     ???   ; 
		s=-s; 
		t=s/n; 
	} 
	pi=pi*4; 
	printf("pi=%f\n",pi); 
} 

答:

填入的答案依次为:fabs(t)>1e-6   t      , n+2。由公式π/4=1-1/3+1/5-1/7+....可得,t为每一项的值;n的取值是首项为1公差为2的等差数列,所以n=n+2;pi为求和,所以pi=pi+t;根据题意,循环要执行到最后一项的绝对值小于是10的-6次为止,所以是fabs(t)>1e-6。

运行程序截图:

----------------------分割线----------------------
作业3:
阅读下面程序,在???填上适当的语句,使程序完成指定的功能。并说明为什么? 
程序说明:冒泡对十个数按升序排序程序
#include "stdio.h"
main() 
{ 
	static int a[10]={12,23,14,5,6,1,0,10,9,7}; 
	int i,j,t; 
	for(j=0;j<???;j++) 
		for(i=0;i<9-j;i++) 
			if(???) 
			{ 
				t=a[i];a[i]=a[i+1];a[i+1]=t;} 
			for(i=0;i<10;???) 
				printf("%5d ",???); 
} 

答:

   10     a[i]>a[i+1]     i++     a[i]   。10表示执行10次前后换位的循环;a[i]>a[i+1]判断前后项大小;循环控制变量i;输出的值是a[i]。

运行程序截图:

 


----------------------分割线----------------------
作业4:程序运行后的输出结果是什么,为什么?
#include  <string.h>
#include <stdio.h>
struct STU 
{ 
	char  name[10];
	int   num;
};

void f(char *name, int  num)
{ 
	struct STU  s[2]={{"SunDan",20044},{"Penghua",20045}};
	num = s[0].num;
	strcpy(name, s[0].name);
}
main()
{ 
	struct STU  s[2]={{"YangSan",20041},{"LiSiGuo",20042}},*p;
	p=&s[1];   f(p->name, p->num);
	printf("%s  %d\n", p->name, p->num);
}
运行程序截图:
 

第12行代码,将数组结构中的“SnuDan”复制给了name,所以运用函数f()之后透过指针访问的name的值是固定的;第17行代码是透过指针访问了第二个数组结构的num。


----------------------分割线----------------------
作业5:程序运行后的输出结果是什么,为什么?
#include  <string.h>
#include <stdio.h>
struct STU 
{ char  name[10];    int  num;    float  TotalScore;  };
void f(struct STU  *p)
{ 
	struct STU  s[2]={{"SunDan",20044,550},{"Penghua",20045,537}}, *q=s;
	++p ;  ++q;  *p=*q;
}
main()
{ 
	struct STU  s[3]={{"YangSan",20041,703},{"LiSiGuo",20042,580}};
	f(s);
	printf("%s  %d  %3.0f\n", s[1].name, s[1].num, s[1].TotalScore);
}
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