uva 232 - Crossword Answers

#include<stdio.h>
#include<string.h>
#include<iostream>
using namespace std;
char s[11][11];
int num[11][11];
int vis[11][11];
int main()
{
    int r,c;
    int t=0;
    while(scanf("%d",&r)!=EOF)
    {
        if(r==0)
            break;
        t++;
        scanf("%d",&c);
        for(int i=0;i<r;i++)
        {
            scanf("%s",s[i]);
        }
        //编号;
        memset(num,0,sizeof(num));
        memset(vis,0,sizeof(vis));
        int t1=0;
        for(int i=0;i<r;i++)
        {
            for(int j=0;j<c;j++)
            {
                if(s[i][j]!='*')
                {
                    if(i==0)
                    {
                        num[i][j]=++t1;
                    }
                    else if(j==0)
                    {
                        num[i][j]=++t1;
                    }
                    else if(s[i][j-1]=='*'||s[i-1][j]=='*')
                    {
                        num[i][j]=++t1;
                    }

                }
            }
        }

//        for(int i=0;i<r;i++)
//        {
//            for(int j=0;j<c;j++)
//            {
//                printf("%d",num[i][j]);
//            }
//            printf("\n");
//        }
        //输出;
        if(t!=1)
            printf("\n");
        printf("puzzle #%d:\n",t);
        printf("Across\n");
        int flag=0;
        int cnt1=0;
        int flag1=1;
        for(int i=0;i<r;i++)
        {
            for(int j=0;j<c;j++)
            {
                if(s[i][j]=='*'&&flag)
                {
                    flag=0;
                    printf("\n");
                }
                if(s[i][j]!='*')
                {
                    if(num[i][j]!=0)
                    {
                        if(i==0&&num[i][j-1]==0)
                            printf("%3d.",num[i][j]);
                        else if(i!=0&&(j==0||s[i][j-1]=='*'))
                            printf("%3d.",num[i][j]);
                    }
                    if(j==c-1)
                    {
                        printf("%c\n",s[i][j]);
                        flag=0;
                    }
                    else
                    {
                        printf("%c",s[i][j]);
                        flag=1;
                    }
                }
            }
        }
        printf("Down\n");
        for(int i=0;i<r;i++)
        {
            for(int j=0;j<c;j++)
            {
                if(num[i][j]!=0)
                {
                    if(i==0)
                        printf("%3d.",num[i][j]);
                    else if(s[i-1][j]=='*')
                        printf("%3d.",num[i][j]);

                }
                if(s[i][j]!='*'&&!vis[i][j])
                {
                    for(int k=i;s[k][j]!='*'&&k<r;k++)
                    {
                        vis[k][j]=1;
                        printf("%c",s[k][j]);
                    }
                    printf("\n");
                }
            }
        }
    }
    return 0;
}

代码挺乱的,不好意思……做题时间太紧没空整理,若有不完善或看不清楚的地方请留言找我~

也可以加qq大家共同探讨啊~2256568149

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