NOIP2003神经网络

2014年1月14日5,2600

题目描述

「问题背景」

人工神经网络(Artificial Neural Network)是一种新兴的具有自我学习能力的计算系统,在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用。对神经网络的研究一直是当今的热门方向,兰兰同学在自学了一本神经网络的入门书籍后,提出了一个简化模型,他希望你能帮助他用程序检验这个神经网络模型的实用性。

「问题描述」

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1)

图中,X1—X3是信息输入渠道,Y1-Y2是信息输出渠道,C1表示神经元目前的状态,

Ui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

经无分为几层;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,Ci服从公式:(其中n是网络中所有神经元的数目)

公式中的Wji(可能为负值)表示连接j号神经元和 i号神经元的边的权值。当 Ci大于0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Ci。

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(Ci),要求你的程序运算出最后网

络输出层的状态。

输入格式第一行是两个整数n(1≤n≤200)和p。接下来n行,每行两个整数,第i+1行是神经元i最初状态和其阈值(Ui),非输入层的神经元开始时状态必然为0。再下面P行,每行由两个整数i,j及一个整数Wij,表示连接神经元i、j的边权值为Wij。 

输出格式包含若干行,每行有两个整数,分别对应一个神经元的编号,及其最后的状 

态,两个整数间以空格分隔。仅输出最后状态非零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 0,则输出 NULL。

样例输入

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

样例输出

3 1
4 1
5 1

代码
注意 while(x)等价于while(x!=0)也就是x有可能是负数

 

avatar
  Subscribe  
提醒