202109-3 脉冲神经网络

文章目录


本题链接202109-3 脉冲神经网络

本博客给出本题截图
在这里插入图片描述

C++

#include <iostream>
#include <cstring>
#include <algorithm>

using namespace std;

const int N = 2010;
const double INF = 1e8;

int n, s, p, T;
double dt;
int h[N], e[N], D[N], ne[N], idx;
double W[N], v[N], u[N], a[N], b[N], c[N], d[N];
int r[N], cnt[N];
double I[1024][N / 2];

static unsigned long _next = 1;

/* RAND_MAX assumed to be 32767 */
int myrand(void) {
    _next = _next * 1103515245 + 12345;
    return((unsigned)(_next/65536) % 32768);
}

void add(int a, int b, double c, int d)
{
    e[idx] = b, W[idx] = c, D[idx] = d, ne[idx] = h[a], h[a] = idx ++ ;
}

int main()
{
    memset(h, -1, sizeof h);
    scanf("%d%d%d%d", &n, &s, &p, &T);
    scanf("%lf", &dt);
    for (int i = 0; i < n;)
    {
        int rn;
        scanf("%d", &rn);
        double vv, uu, aa, bb, cc, dd;
        scanf("%lf%lf%lf%lf%lf%lf", &vv, &uu, &aa, &bb, &cc, &dd);
        for (int j = 0; j < rn; j ++, i ++ )
        {
            v[i] = vv, u[i] = uu, a[i] = aa, b[i] = bb, c[i] = cc, d[i] = dd;
        }
    }

    for (int i = n; i < n + p; i ++ ) scanf("%d", &r[i]);

    int mod = 0;
    while (s -- )
    {
        int a, b, d;
        double c;
        scanf("%d%d%lf%d", &a, &b, &c, &d);
        add(a, b, c, d);
        mod = max(mod, d + 1);
    }

    for (int i = 0; i < T; i ++ )
    {
        int t = i % mod;
        for (int j = n; j < n + p; j ++ )
            if (r[j] > myrand())
            {
                for (int k = h[j]; ~k; k = ne[k])
                {
                    int x = e[k];
                    I[(t + D[k]) % mod][x] += W[k];
                }
            }

        for (int j = 0; j < n; j ++ )
        {
            double vv = v[j], uu = u[j];
            v[j] = vv + dt * (0.04 * vv * vv + 5 * vv + 140 - uu) + I[t][j];
            u[j] = uu + dt * a[j] * (b[j] * vv - uu);

            if (v[j] >= 30)
            {
                for (int k = h[j]; ~k; k = ne[k])
                {
                    int x = e[k];
                    I[(t + D[k]) % mod][x] += W[k];
                }
                cnt[j] ++ ;
                v[j] = c[j], u[j] += d[j];
            }
        }

        memset(I[t], 0, sizeof I[t]);
    }

    double minv = INF, maxv = -INF;
    int minc = INF, maxc = -INF;

    for (int i = 0; i < n; i ++ )
    {
        minv = min(minv, v[i]);
        maxv = max(maxv, v[i]);
        minc = min(minc, cnt[i]);
        maxc = max(maxc, cnt[i]);
    }

    printf("%.3lf %.3lf\n", minv, maxv);
    printf("%d %d\n", minc, maxc);

    return 0;
}

总结

第三题日常的大模拟,比较难的一道模拟题
练习这种题能提高自己的码代码能力,不过考场这种题提交WA后是真的上头
按照要求一点一点实现题目要求,大模拟题值得反复去练习
读者可以尝试一个 稍微 简单一些的大模拟:202104-3 DHCP服务器

好的,我理解你的需求。以下是一个简单的示例代码,展示如何使用LIF-STDP-SOM脉冲神经网络来识别MNIST数据集。请注意,这只是一个基本的示例,你可能需要进行更多的调试和优化来获得更好的结果。 ```python import numpy as np from sklearn.datasets import fetch_openml from sklearn.preprocessing import LabelBinarizer from lif import LIFNeuron from stdp import STDP from som import SOM # 加载MNIST数据集 mnist = fetch_openml('mnist_784') X = mnist.data.astype('float32') y = mnist.target.astype('int') # 数据预处理和归一化 X /= 255.0 # 将标签进行二进制编码 encoder = LabelBinarizer() y = encoder.fit_transform(y) # 设置网络参数 num_inputs = X.shape[1] num_outputs = y.shape[1] num_neurons = 100 # 初始化LIF神经元 neurons = [] for _ in range(num_neurons): neurons.append(LIFNeuron(num_inputs)) # 初始化STDP突触可塑性机制 stdp = STDP(num_neurons, num_inputs) # 初始化SOM自组织映射 som = SOM(num_neurons, num_outputs) # 训练网络 for epoch in range(10): for i in range(len(X)): # 输入样本到LIF神经元并产生脉冲输出 outputs = [] for neuron in neurons: outputs.append(neuron.process(X[i])) # 更新STDP突触权重 stdp.update(outputs, y[i]) # 更新SOM映射 som.update(outputs, y[i]) # 测试网络 correct = 0 for i in range(len(X)): outputs = [] for neuron in neurons: outputs.append(neuron.process(X[i])) predicted = som.predict(outputs) if np.argmax(predicted) == np.argmax(y[i]): correct += 1 accuracy = correct / len(X) print("识别准确度:", accuracy) ``` 以上代码中使用了三个自定义的类:LIFNeuron表示LIF神经元,STDP表示STDP突触可塑性机制,SOM表示自组织映射。你需要根据你的具体实现来编写这些类,并确保它们的功能正确。 请注意,该示例中的网络结构和参数可能需要进行调整和优化,以获得更好的识别准确度。此外,为了使代码能够运行,你需要安装必要的库(如NumPy和scikit-learn)。
评论 3
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

打赏作者

辰chen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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