栈的基本操作

#include <cstdio>
#include <cstdlib>
#include <iostream> 
using namespace std;
 
typedef  struct  SqStack  //结点定义 
{ 
    int *base,*top;
    int stacksize;
}SqStack,* stack;
  
// 构造一个空栈
int InitStack(SqStack &s)
{
    s.base = (int *)malloc(100*sizeof(int));
    if(!s.base)    //创建失败 返回0 程序退出 
        exit(0);     
    s.top = s.base;
    s.stacksize = 100;
    return 1;
} 
 
//销毁栈
int DestroyStack(SqStack *s)  //已改
{
    free(s);
    cout<<endl<<"销毁栈.........."<<endl;
    return 1;
} 
 
//清空栈 
int ClearStack(SqStack &s)
{
    s.top = s.base;
    return 1;
}
 
//判断是否为空栈
int StackEmpty(SqStack &s)
{
    if(s.base==s.top)
        return 0;
    else
        return 1;
} 
 
//栈的实际长度
int StackLemgth(SqStack &s)   //已改
{
    return s.top-s.base;
}
  
//返回栈顶元素
int GetTop(SqStack &s)
{
    if(s.base==s.top)
        return 0;
    return *(s.top-1);
}
 
//入栈
int Push(SqStack &s)
{
    if(s.top-s.base>=s.stacksize)
    {
        s.base = (int *)realloc(s.base,110*sizeof(int));
        if(!s.base)
            exit(0);
        s.top = s.base+s.stacksize;//指向原来的栈顶
        s.stacksize+=10; 
    }
    cout<<"请输入入栈元素个数:";
    int a,e;
    cin>>a;
    cout<<"请输入入栈元素:";
    for(int i =0;i<a;i++)
    {
        cin>>e;
        *s.top++ = e;
    }
    cout<<"入栈完成........"<<endl;
    return 1;
} 
 
//出栈 
int Pop(SqStack &s)
{
    if(s.base==s.top)
        return 0;
    return *--s.top;
} 
 
void menu()
{
    cout<<"****************************"<<endl;
    cout<<"* (已自动构造空栈S)    ***"<<endl;
    cout<<"* 1.入栈     2.出栈      ***"<<endl;
    cout<<"* 3.查询栈的实际长度     ***"<<endl;
    cout<<"* 4.查询栈顶元素         ***"<<endl;
    cout<<"* 5.判断是否为空栈       ***"<<endl;
    cout<<"* 6.清空栈   7.销毁栈    ***"<<endl;
    cout<<"* 0.退出系统             ***"<<endl;
    cout<<"****************************"<<endl;
     
}
int main()
{      
    SqStack e,s;
    InitStack(s);
    while(1)
    {  
        menu();    //菜单函数
        int x;
        cout<<"请输入功能序号:"<<endl;
        cin>>x; 
        switch (x)
        {
            case 1:Push(s);break;
            case 2:cout<<"栈中元素为:"<<endl;while(int a=Pop(s))cout<<a<<" ";cout<<endl;break;
            case 3:cout<<"栈的实际长度为:"<<StackLemgth(s)<<endl;break;
            case 4:cout<<"栈顶元素为:"<<GetTop(s)<<endl;break;
            case 5:cout<<"栈为:"<<StackEmpty(s)<<"(0为空)"<<endl;break;
            case 6:ClearStack(s);cout<<endl<<endl<<"执行清空.........."<<endl;break;
            case 7:DestroyStack(&s);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