第四周项目—建立单链表

问题及代码:
/*   
烟台大学计算机学院   
   
文件名称:dfgdf.cpp   
   
作者:李金朴 
   
完成日期:2017年9月23日   
   
问题描述:建立单链表  
   
输入描述:无  
   
输出描述:链表的值  
   
*/     
#include <stdio.h>    
#include <malloc.h>    
typedef int ElemType;    
    
typedef struct LNode    
{    
    ElemType data;    
    
    struct LNode *next;    
}Linklist;    
void  CreateListF(Linklist *&L,ElemType a[],int n);//头插法    
void  CreateListR(Linklist *&L,ElemType a[],int n);//尾插法    
void  DestoryList(Linklist *&L);    
void  DispList(Linklist *L);    
int main()    
{    
    Linklist *L1,*L2;    
    
    ElemType a[8]={7,9,8,2,0,4,6,3};    
    
    printf("头插法建表结果:");    
    
    CreateListF(L1,a,8);    
    
    DispList(L1);    
    
    printf("尾插法建表结果:");    
    
    CreateListR(L2,a,8);    
    
    DispList(L2);    
    
    DestoryList(L1);    
    
    DestoryList(L2);    
    
    return 0;    
}    
    
void  CreateListF(Linklist *&L,ElemType a[],int n)    
{    
    Linklist *s;    
    
    L=(Linklist *)malloc(sizeof(Linklist));    
    
    L->next=NULL;    
    
    for(int i=0;i<n;i++)    
    {    
        s=(Linklist *)malloc(sizeof(Linklist));    
        s->data=a[i];    
        s->next=L->next;    
        L->next=s;    
    }    
}    
    
void  CreateListR(Linklist *&L,ElemType a[],int n)    
{    
     Linklist *s,*r;    
    
     L=(Linklist *)malloc(sizeof(Linklist));    
    
     r=L;    
    
     for(int i=0;i<n;i++)    
     {    
         s=(Linklist *)malloc(sizeof(Linklist));    
    
         s->data=a[i];    
    
         r->next=s;    
    
         r=s;    
    
     }    
    r->next=NULL;    
}    
    
void  DestoryList(Linklist *&L)    
{    
    Linklist *pre=L,*p=L->next;    
    
    while(p!=NULL)    
    {    
        free(pre);    
    
        pre=p;    
    
        p=pre->next;    
    }    
    free(pre);    
}    
    
void DispList(Linklist *L)    
{    
    Linklist*p=L->next;    
    
    while(p!=NULL)    
    {    
        printf("%d ",p->data);    
    
        p=p->next;    
    
    }    
    
    printf("\n");    
}

运行结果:


学习心得:
  学习了单链表的两种建立方法,并初步建成单链表库。

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 1
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