Codeup:1918: 简单计算器

1918:简单计算器

题目大意

读入一个只包含 +, -, *, / 的非负整数计算表达式,计算该表达式的值。

注意

1、很经典的栈操作,主要是getNext()得到下一个运算符/运算数的函数难写。要考虑字符串开头或结尾。这次是标记了一个结束标志,比较方便。
2、判断是否结束运算的条件要注意。

#include<stdio.h>
#include<stack>
#include<string>
#include<iostream>
#include<algorithm>
using namespace std;
stack<double> num;//操作数栈
stack<int> opr;//操作符栈
string str;//操作式
int len;//操作式长度
bool ifend;//是否到字符串结尾
int priority[][5]={
    //
    1,0,0,0,0,
    1,0,0,0,0,
    1,0,0,0,0,
    1,1,1,0,0,
    1,1,1,0,0
};
//i:字符串序号;v:操作符优先级/操作数;ifop:是否为操作符
void getNext(int &i,int &v,bool &ifop){
    v=0;//清空之前的数值
    //如果是字符串开头
    if(i==0&&ifend!=true){
        opr.push(0);
        while(str[i]!=' '&&i!=len){
            v*=10;
            v+=str[i]-'0';
            i++;
        }
        ifop=false;
        return;
    }
    //如果是字符串结尾
   if(ifend){
       ifop=true;
       v=0;
       return;
   }

    if(str[i]==' ')i++;//跳过空格
    while(str[i]!=' '){
        //如果是操作数
        if(str[i]>='0'&&str[i]<='9'){
            ifop=false;
            while(str[i]!=' '&&i<len){
                v*=10;
                v+=str[i]-'0';
                i++;
            }
            return;
        }
        //如果是操作符
        else{
            ifop=true;
            switch(str[i]){
                case '+':v=1;break;
                case '-':v=2;break;
                case '*':v=3;break;
                case '/':v=4;break;
            }
            i++;
            return;
        }
        

    }

}
int main(void){
    while(getline(cin,str)){
        if(str=="0")break;
        len=str.length();
        ifend=false;
        //清空栈
        while(!opr.empty())opr.pop();
        while(!num.empty())num.pop();

        int idx=0,val;
        bool ifop=false;
        while(idx<len){
            getNext(idx,val,ifop);//得到当前操作符/操作数
            //如果是操作符
            if(ifop==true){
                //如果当前操作符优先级高于栈顶操作符,则入栈
                if(priority[val][opr.top()]==1)opr.push(val);
                //如果当前操作符优先级低于栈顶操作符,则num弹出两个数计算
                else{
                    while(priority[val][opr.top()]==0){
                        double a,b,tmp;
                        a=num.top();num.pop();
                        b=num.top();num.pop();
                        switch(opr.top()){
                            case 1:tmp=b+a;break;
                            case 2:tmp=b-a;break;
                            case 3:tmp=b*a;break;
                            case 4:tmp=b/a;break;
                        }
                        num.push(tmp);
                        opr.pop();
                    }
                    opr.push(val);
                }
            }
            else num.push(val);
            if(opr.size()==2&&num.empty()!=true&&ifend==true){
                printf("%.2lf\n",num.top());
                break;
            }
            if(idx==len){idx--;ifend=true;}
            
        }
    }

}

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