【问题描述】
神经网络在机器学习领域非常流行。神经网络由多层组成,它包含一个输入层可以输入参数x(程序的输入)。然后输入通过多个隐藏层,在最后一层获得一个输出,称为输出层。
我们有一个包含N个隐藏层的非常简单的神经网络,每层包含一个神经元。每个神经元有两个相关的值:wi和bi,分别表示神经元的权重和偏移。給定神经元的一个输入x,将生成一个输出(wi*x)+bi。
因此,一个输入x被神经网络按照以下方式进行传输。第一个隐藏层接受输入x,生成y=w1*x+b1,作为第二个神经元的输入。然后,第二个神经元接受输入y,生成一个输出z=w2*y+b2,重复这个过程,在最后的第N个神经元可以得到一个唯一的输出。
对于一些用户,我们想知道他们是否是垃圾邮件发送人。每个用户有整数的用户ID,取值范围为minX~maxX(包括两个端点,1=<minX=<maxX=<1000000000)。我们把每个用户ID作为神经网络的第一层的输入,如果最终输出为偶数,则该用户不是垃圾邮件发送者,否则,该用户就是垃圾邮件发送者。
编程统计非垃圾邮件发送者和垃圾邮件发送者的数量。
【输入形式】
输入的第一行为一个单一的整数T,表示测试数据的组数,接下来是T组测试数据的描述。
每个测试数据的第一行为三个用空格分隔的整数N、minX、maxX,接下来的N行,每行包含两个用空格分隔的整数wi和bi,表示第i个神经元的权重和偏移。
【输出形式】
对于每个测试用例,输出两个用空格分隔的整数,分别表示非垃圾邮件发送者和垃圾邮件发送者的数量。
【样例输入】
3
1 1 2
1 2
2 1 4
2 4
2 3
3 2 1000000000
2 4
2 2
5 4
【样例输出】
1 1
0 4
999999999 0
#include<iostream>
using namespace std;
int main()
{
int T,N,minX,maxX; //定义
cin>>T;
for(int i=0;i<T;i++)
{
int c[2]={0,0}; //定义数组c存储偶数和奇数的个数
cin>>N>>minX>>maxX;
int b[N][2]; //定义数组b存储各层的wi和bi
for(int x=0;x<N;x++) //输入各层wi和bi
{
for(int y=0;y<2;y++)
{
cin>>b[x][y];
}
}
for(int s=minX;s<=maxX;s++) //从minX到maxX循环判断
{
int t=s; //定义t值存储最初输入的数据值
for(int x=0;x<N;x++) //进行各层的循环计算
{
t=t*b[x][0]+b[x][1];
}
if(t%2==0) c[0]++; //判断奇偶,记录个数
else c[1]++;
}
cout<<c[0]<<' '<<c[1]<<endl; //输出
}
}
ps:每次都进行多次乘法计算,当数据过多时运 算时间过长,效率变低
#include<iostream>
using namespace std;
int main()
{
int T,N,minX,maxX; //定义
cin>>T;
for(int i=0;i<T;i++)
{
int c[2]={0,0}; //定义数组c存储偶数和奇数的个数
cin>>N>>minX>>maxX;
int b[N][2]; //定义数组b存储各层的wi和bi
for(int x=0;x<N;x++) //输入各层wi和bi
{
for(int y=0;y<2;y++)
{
cin>>b[x][y];
}
}
int t=minX,s=1;
//定义t存储第一个数据运行的结果,s存储最初数据加一时最终数据的增加值
for(int x=0;x<N;x++) //进行t与s的运算赋值
{
t=t*b[x][0]+b[x][1];
s=s*b[x][0];
}
if(t%2==0) c[0]++; //先判断第一个数据的最终结果为奇还是偶
else c[1]++;
for(int i=minX+1;i<=maxX;i++) //随后数据加一结果差值恒为s
{
t=t+s; //故每次循环加s,且t不用归零
if(t%2==0) c[0]++; //判断奇偶,记录个数
else c[1]++;
}
cout<<c[0]<<' '<<c[1]<<endl; //输出
}
}