【算法笔记】第三章入门模拟

图形输出

在这里插入图片描述

//图形输出
#include<iostream>
using namespace std;
int main()
{
	int N; cin >> N;
	char ch; cin >> ch;
	//输出第一行
	for (int i = 0; i < N; i++) cout << ch;
	cout << endl;
	//输出第2~n-1行
	for (int i = 1; i < N - 1; i++)
	{
		cout << ch;
		for (int j = 1; j < N - 1; j++) cout << " ";
		cout << ch;
		cout << endl;
	}
	//输出第n行
	for (int j = 0; j < N; j++) cout << ch;
	cout << endl;
	return 0;
}

日期处理

在这里插入图片描述

//日期处理
#include<iostream>
using namespace std;

bool isLeap(int year)
{
	return ((year % 4 == 0 && year % 100 != 0) || year % 400 == 0);
}

int main()
{
	int month[13][2] = { {0,0},{31,31},{28,29},{31,31},{30,30},{31,31} ,{30,30} ,
	{31,31} ,{31,31} ,{30,30} ,{31,31},{30,30} ,{31,31} };
	int time1, y1, m1, d1;
	int time2, y2, m2, d2;
	int days = 0;
	cin >> time1 >> time2;
	y1 = time1 / 1000; m1 = time1 % 1000 / 100; d1 = time1 % 100;
	y2 = time2 / 1000; m2 = time2 % 1000 / 100; d2 = time2 % 100;
	//快速计算跨多年情况
	for (int i = y1; i < y2; i++)//y1<y2
	{
		if (isLeap(i)) days += 366;
		else days += 365;
	}
	while (!(y1 == y2 && m1 == m2 && d1 == d2))
	{
		d1++;
		if (d1 > month[m1][isLeap(y1)])//满月,日改为1
		{
			m1++;
			d1 = 1;
		}
		if (m1 > 12)//满年,月改为1(满日-》满月-》满年,所以日已经改为1了)
		{
			y1++;
			m1 = 1;
		}
		days++;
	}
	cout << days << endl;
	return 0;
}

进制转换

在这里插入图片描述
在这里插入图片描述

//机制转换
#include<iostream>     
#include<stack>
using namespace std;
int main()
{
	cout << "P是输入进制,Q是输出进制 " << endl;
	int P, Q; cin >> P >> Q;//P是输入进制,Q是输出进制
	cout << "待处理的数字 " << endl;
	int y; cin >> y;//待处理的数字
	int x = y % 10, w = 1;//x:待处理数字的个位, w:权重
	int result = 0;//暂存当前结果
	stack<int>res;

	//将P进制处理成十进制
	while (y != 0)
	{
		result += x * w;
		y = y / 10;
		x = y % 10;
		w = w * P;
	}
	cout << "十进制:" << result << endl;;//处理后的十进制数

	//将十进制处理成Q进制
	w = 1;
	x = result % Q;
	while (result != 0)
	{
		res.push(x);
		result = result / Q;
		x = result % Q;
	}
	//cout << res.size() << endl;

	while(!res.empty())
	{
		cout << res.top();
		result =  result * 10 + res.top();
		res.pop();
	}
	cout << endl << "Q进制" << result << endl;

	return 0;
}

字符串处理

在这里插入图片描述

#include<iostream>
using namespace std;
int main()
{
	string s; cin >> s;
	int len = s.size();
	int flag = 1;
	for (int i = 0; i < len / 2 && flag; i++)
	{
		if (s[i] != s[len - i - 1])
		{
			flag = 0;
			break;
		}
	}
	if (flag) cout << "YES" << endl;
	else cout << "NO" << endl;
	return 0;
}
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