C++基础复习心得5

1 结构体的定义与使用

  • 数组是一种数据形式,其特点是多个相同类型的元素集合起来;结构体是另一种重要的数据形式,特点是将不同类型的成员组合起来。

  • 数组和结构体形成了两种风格迥异的聚合方式,通过他们及其相互
    组合、嵌套的机制可以构造出复杂的、满足应用要求的自定义数据
    类型。

  • 定义结构体类型:
    这里写图片描述
    这里写图片描述

  • 结构体类型声明一般放在程序文件开头,此时这个声明是全局的。
    在全局作用域内,该声明处处可见,因此同作用域内的所有函数都
    可以使用它。

  • 结构体类型声明也可以放到函数内部,此时这个声明是局部的。

  • 说明:
    1 结构体类型和普通数据类型(如int、char、double等)一样是类型名称,而不是该类型的一个实体,因此不会为结构体类型分配存储空间。
    2 结构体类型声明时成员可以又是是结构体类型。

  • 结构体类型实例化
    定义结构体对象称为结构体类型实例化(instance),实例化会根
    据数据类型为结构体对象分配内存单元。

  • 定义结构体对象有两种形式:
    1 先声明结构体类型再定义对象:

    STUDENT a,b;

    2 声明结构体类型的同时定义对象
    这里写图片描述

  • 结构体对象的内存形式:
    这里写图片描述
    这里写图片描述

  • 结构体对象成员引用
    这里写图片描述
    这里写图片描述
    这里写图片描述

2 结构体与数组、指针、函数

  • 结构体与数组
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 输入20个学生信息,按成绩递减排序;成绩相同时,按学号递增排序:
    这里写图片描述
    这里写图片描述

  • 结构体与指针
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 结构体与函数
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

3 共用体类型

  • 共用体(union)是一种成员共享存储空间的结构体类型。

  • 共用体类型是抽象的数据类型,因此程序中需要事先声明具体的共用体类型,一般形式为:
    这里写图片描述

  • 共用体类型名与union一起作为类型名称,成员列表是该类型数据
    元素的集合。 一对大括号{}是成员列表边界符,后面必须用分号
    (;)结束。
    这里写图片描述
    这里写图片描述

  • 结构体与共用体的内存形式是截然不同的。共用体内存长度是所有
    成员内存长度的最大值,结构体内存长度是所有成员内存长度之和。可以用sizeof取它们的内存长度进行比较。
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 由于成员是共享存储空间的,使用共用体对象成员时有如下特点:
    这里写图片描述

4 枚举类型

  • 枚举类型是由用户自定义的由多个命名枚举常量构成的类型,其声
    明形式为:
    这里写图片描述
    这里写图片描述

  • 义枚举类型对象有三种形式:
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

5 链表的概念和分类

  • 链表是一种存储空间能动态进行增长或缩小的数据结构。

  • 链表主要用于两个目的:
    1 建立不定长度的数组。
    2 链表可以在不重新安排整个存储结构的情况下,方便且迅速地插入和删除数据元素。

  • 链表广泛地运用于数据管理中。
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 链表的分类:
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 创建链表常用两种方法:头插法和尾插法。
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 销毁链表
    这里写图片描述
    这里写图片描述

6 链表的运算

  • 链表遍历
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 查找结点
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 插入结点
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

  • 删除结点
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

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