AcWing 477. 神经网络 拓扑+遍历

5 篇文章 0 订阅

AcWing 477. 神经网络
人工神经网络(Artificial Neural Network)是一种新兴的具有自我学习能力的计算系统,在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用。

对神经网络的研究一直是当今的热门方向,兰兰同学在自学了一本神经网络的入门书籍后,提出了一个简化模型,他希望你能帮助他用程序检验这个神经网络模型的实用性。

在兰兰的模型中,神经网络就是一张有向图,图中的节点称为神经元,而且两个神经元之间至多有一条边相连,下图是一个神经元的例子:

QQ截图20190312065845.png

图中,X1—X3是信息输入渠道,Y1-Y2是信息输出渠道,C1表示神经元目前的状态, Ui是阈值,可视为神经元的一个内在参数。

神经元按一定的顺序排列,构成整个神经网络。

在兰兰的模型之中,神经网络中的神经元分为几层;称为输入层、输出层,和若干个中间层。

每层神经元只向下一层的神经元输出信息,只从上一层神经元接受信息。

下图是一个简单的三层神经网络的例子。

QQ截图20190312065854.png

兰兰规定,Ci服从公式:
在这里插入图片描述
(其中n是网络中所有神经元的数目)

15.png.gif

公式中的Wji(可能为负值)表示连接 j 号神经元和 i 号神经元的边的权值。

当 Ci 大于0时,该神经元处于兴奋状态,否则就处于平静状态。

当神经元处于兴奋状态时,下一秒它会向其他神经元传送信号,信号的强度为Ci。

如此.在输入层神经元被激发之后,整个网络系统就在信息传输的推动下进行运作。

现在,给定一个神经网络,及当前输入层神经元的状态(Ci),要求你的程序运算出最后网络输出层的状态。

输入格式
输入文件第一行是两个整数n和p。

接下来n行,每行两个整数,第i+1行是神经元i最初状态和其阈值(Ui)。注意 输入层给定的状态即为最终值,不需要再减去 Ui,非输入层的神经元开始时状态必然为0。

再下面P行,每行有两个整数i,j及一个整数Wij,表示连接神经元i、j的边权值为Wij。

输出格式
输出文件包含若干行,每行有两个整数,分别对应一个神经元的编号,及其最后的状态,两个整数间以空格分隔。

仅输出最后状态大于零的输出层神经元状态,并且按照编号由小到大顺序输出。

若输出层的神经元最后状态均为 0,则输出 NULL。

数据范围

1≤n≤100

输入样例:

5 6
1 0
1 0
0 1
0 1
0 1
1 3 1
1 4 1
1 5 1
2 3 1
2 4 1
2 5 1

输出样例:

3 1
4 1
5 1

思路:这道题不难,就是模拟一下神经元的传递过程,首先我们把所有点的入度和出度保存起来,然后设置一个队列,插入入度为0的点,然后逐步插入更新后入度为0的点,最后模拟出最后的u[i]。
更多的细节在代码中。
代码如下:

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

using namespace std;

const int N=110;

int ne[N],h[N],e[N],w[N],idx;//设置邻接表保存有向图的父节点和子节点
int in[N],out[N],sert[N];//保存入度和出度
int u[N],c[N];
queue<int> node;

void add(int a,int b,int c)
{
    e[idx]=b;w[idx]=c;ne[idx]=h[a];h[a]=idx++;
}
void move()
{
    while(node.size())
    {
        auto t=node.front();
        node.pop();
        if(in[t]) c[t]-=u[t];
        if(c[t]<=0)
        {
            for(int i=h[t];i!=-1;i=ne[i])//这个点不运行,但是我们也要解开下一个子节点的入度。
            {
            int j=e[i];
            sert[j]--;
            }
            continue;
        }
        for(int i=h[t];i!=-1;i=ne[i])
        {
            int j=e[i];
            c[j]+=w[i]*c[t];
            sert[j]--;
            if(!sert[j])
            node.push(j);
        }
    }
}

int main(void)
{
    int n,p;
    memset(h,-1,sizeof h);
    scanf("%d%d",&n,&p);
    for(int i=1;i<=n;i++)
    {
        scanf("%d%d",&c[i],&u[i]);
    }
    for(int i=1;i<=p;i++)
    {
        int a,b,w;
        scanf("%d%d%d",&a,&b,&w);
        add(a,b,w);
        out[a]++;in[b]++;
    }
    for(int i=1;i<=n;i++)
    if(!in[i])
    node.push(i);
    memcpy(sert,in,sizeof in);//拷贝,我们不能改变in,在move我们还要用到in
    move();
    bool flag=false;
    for(int i=1;i<=n;i++)
    if(!out[i]&&c[i]>0)
    printf("%d %d\n",i,c[i]),flag=true;//如果最后的节点都不能达到>0状态说明不能形成
    if(!flag)
    puts("NULL");
}
  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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