d839: NOIP2003 1.神经网络
Tags :
Accepted rate : 16人/18人 ( 89% ) [非即時]
評分方式:
Tolerant

最近更新 : 2014-11-01 02:19

Content

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。

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:

    

  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。

Input
输入文件第一行是两个整数n1n200)和p。接下来n行,每行两个整数,第i1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ij及一个整数Wij,表示连接神经元ij的边权值为Wij
Output

输出文件包含若干行,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。仅输出最后状态非负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

Sample Input
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
Sample Output
3 1
4 1
5 1
測資資訊:
記憶體限制: 512 MB
公開 測資點#0 (20%): 1.0s , <1M
公開 測資點#1 (20%): 1.0s , <1K
公開 測資點#2 (20%): 1.0s , <1K
公開 測資點#3 (20%): 1.0s , <1K
公開 測資點#4 (20%): 1.0s , <1K
Hint :
Tags:
出處:
NOIP2003提高组第一题 [管理者:
liouzhou_101 (王启圣)
]


ID User Problem Subject Hit Post Date
沒有發現任何「解題報告」