链表基础实例(电视机系统)

需要实现以下基本操作:

从键盘输入电视机的信息,建立电视机链表。

从键盘输入电视机的信息,实现电视机查询操作。

从键盘输入电视机的信息,实现电视机入库操作。

从键盘输入电视机的信息,实现电视机出库操作。

 

#include <cstdio>
#include <iostream>
#include <cstdlib>
#include <cstring>
using namespace std;

int sum= 0;
typedef struct TV
{
	char name[11];//名字
	double price;//价格
	char factory[21];//出厂商
	double size; //尺寸  
	int warranty;//保修时间 
}TV;

typedef struct Sqstack
{
	TV *top,*base;
	int stacksize;
}Sqstack;

void InitStack(Sqstack &s)
{
	s.base =( TV *)malloc(100*sizeof(TV));
	s.top = s.base;
	s.stacksize = 100;
}

void Push(Sqstack &s)
{
	if(s.top-s.base>=s.stacksize)
	{
		s.base = (TV *)realloc(s.base,(s.stacksize+10)*sizeof(TV));
		s.top = s.base + s.stacksize;
		s.stacksize+=10;
	}
	TV e;
	printf("请输入电视机参数\n");
	printf("电视机名字:");
	cin>>e.name;
	printf("电视机尺寸:");
	cin>>e.size;
	printf("电视机价格:");
	cin>>e.price;
	printf("电视机出厂商:");
	cin>>e.factory;
	printf("电视机保修时间(年份):");
	cin>>e.warranty;
	
	*s.top++= e;
	sum++;
	printf("%s 入库成功!............ ",e.name);
}
void Pop(Sqstack &s)
{
	
	if(sum==0)
		printf("暂无库存!");
	else 
	{
		TV e;
		e = *--s.top;
		sum--; 
		printf("\n第一台电视:%s 出库成功!.......... ",e.name);
	} 
}
void mean()
{
	printf("\n******************************\n");
	printf("***    电视机系统菜单      ***\n");
	printf("***         1.入库         ***\n");
	printf("***         2.出库         ***\n");
	printf("***         3.查询         ***\n");	
	printf("***         4.清屏         ***\n");
	printf("***         0.退出         ***\n");
	printf("*** 实时库内电视机数量:%d  ***\n",sum);
	printf("******************************");
	printf("请输入执行操作:");
}
int query(Sqstack &s)
{
	if(sum==0)
	{	
		printf("查询失败,暂无库存!");
		return 0;
	}
	else
	{
		char name[11];
		Sqstack q;
		printf("请输入该电视机名字:");
		cin>>name;
		q=s;
		while(q.base!=q.top--)
		{
			TV e = *q.top;
			if(strcmp(e.name,name)==0)
			{
				printf("\n%s电视机参数为:",e.name);
				printf("\n电视机名字:%s",e.name);
				printf("\n电视机尺寸:%.1f",e.size);
				printf("\n电视机价格:%.1f",e.price);
				printf("\n电视机出厂商:%s",e.factory);
				printf("\n电视机保修时间(年份):%d",e.warranty);
				return 1;
			}
		}
		printf("查询失败,暂无库存!....");
		return 0;	
	}	
}
int main()
{
	Sqstack s;
	InitStack(s);
	while(1)
	{
		mean();
		int x;
		cin>>x;
		switch(x)
		{
			case 1:Push(s);break;
			case 2:Pop(s);break;
			case 3:query(s);break;
			case 4:system("Cls");break;
			case 0:exit(0);
		}
	}
	return 0; 
}

 

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