题目描述
在兰兰的模型中,神经网络就是一张有向图,图中的节点称为神经元,而且两个神经元之间至多有一条边相连,下图是一个神经元的例子:

神经元〔编号为11)
图中,X_1-X_3X1−X3是信息输入渠道,Y_1-Y_2Y1−Y2是信息输出渠道,C_1C1表示神经元目前的状态,U_iUi是阈值,可视为神经元的一个内在参数。
神经元按一定的顺序排列,构成整个神经网络。在兰兰的模型之中,神经网络中的神经元分为几层;称为输入层、输出层,和若干个中间层。每层神经元只向下一层的神经元输出信息,只从上一层神经元接受信息。下图是一个简单的三层神经网络的例子。

兰兰规定,C_iCi服从公式:(其中nn是网络中所有神经元的数目)

C_i=\sum_{(j,i) \in E} W_{ji}C_{j}-U_{i}Ci=∑(j,i)∈EWjiCj−Ui
公式中的W_{ji}Wji(可能为负值)表示连接jj号神经元和ii号神经元的边的权值。当 C_iCi大于00时,该神经元处于兴奋状态,否则就处于平静状态。当神经元处于兴奋状态时,下一秒它会向其他神经元传送信号,信号的强度为C_iCi。
如此.在输入层神经元被激发之后,整个网络系统就在信息传输的推动下进行运作。现在,给定一个神经网络,及当前输入层神经元的状态(C_iCi),要求你的程序运算出最后网络输出层的状态。
输入格式
输入文件第一行是两个整数n(1 \le n \le 100)n(1≤n≤100)和pp。接下来nn行,每行22个整数,第i+1i+1行是神经元ii最初状态和其阈值(U_iUi),非输入层的神经元开始时状态必然为00。再下面PP行,每行由22个整数i,ji,j及11个整数W_{ij}Wij,表示连接神经元i,ji,j的边权值为W_{ij}Wij。
输出格式
输出文件包含若干行,每行有22个整数,分别对应一个神经元的编号,及其最后的状态,22个整数间以空格分隔。仅输出最后状态大于00的输出层神经元状态,并且按照编号由小到大顺序输出。
若输出层的神经元最后状态均为 00,则输出 “NULL”。
输入输出样例
5 6 1 0 1 0 0 1 0 1 0 1 1 3 1 1 4 1 1 5 1 2 3 1 2 4 1 2 5 1
输出 #1
3 1 4 1 5 1
#include<vector> #include<iostream> #include<queue> #include<algorithm> using namespace std; struct temp { int to; int w; }; struct node { int c = 0; int u; int count = 0; vector<temp> edge; }; int n, m, vis[110]; node s[110]; queue<int> q; int main() { cin >> n >> m; for (int i = 1; i <= n; i++) { cin >> s[i].c >> s[i].u; if (s[i].c > 0) { q.push(i); vis[i] = 1; } else s[i].c -= s[i].u; } int x, y, z; temp tempp; for (int i = 0; i < m; i++) { cin >> x >> tempp.to >> tempp.w; s[x].count++; s[x].edge.push_back(tempp); } while (!q.empty()) { x = q.front(); q.pop(); if (s[x].c <= 0) continue; if (s[x].count > 0) for (int i = 0; i < s[x].count; i++) { y = s[x].edge[i].to; z = s[x].edge[i].w; s[y].c += s[x].c*z; if (!vis[y]) { q.push(y); vis[y] = 1; } } } bool flag; for (int i = 1; i <= n; i++) if (s[i].count == 0 && s[i].c > 0) { cout << i << " " << s[i].c << endl; flag = 1; } if (!flag) cout << "NULL"; return 0; }
posted on
浙公网安备 33010602011771号