Artificial Neural Network_人工神经网络.docVIP

【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，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， 【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 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 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。Ci)，要求你的程序运算出最后网 【输入格式】 输入文件第一行是两个整数n(1≤n≤20)和p。接下来n行，每行两个整数，第i＋1行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，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 若输出层的神经元最后状态均为 0，则输出 NULL。 Network.in 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 【输出样例】 Network.out 3 1 4 1 5 1 var w:array[1..100,1..100] of longint; a:array[1..100,1..100] of boolean; c,u,f,nf:array[1..100] of longint; i,j,k,e,n,top,x,y,d:longint; procedure tppx; var p:boolean; begin p:=true; top:=0; while p do begin p:=false; inc(top); for i:=1 to n do if nf[i]=0 then begin p:=true;f[i]:=top;end; for i:=1 to n do if f[i]=top then begin for j:=1 to n do if a[i,j] then dec(nf[j]); nf[i]:=-1; end; end; dec(top); end; begin assign(input,network.in);reset(input); assign(output,network.out);rewrite(output); fillchar(a,sizeof(a),false); fillchar(nf,sizeof(nf),0); readln(n,e); for i:=1 to n do read(c[i],u[i]); for i:=1 to e do begin read(x,y,d); a[x,y]:=true; w[x,y]:=d; inc(nf[y]); end; tppx; for i:=2 to top do for k:=1 to n do if f[k]=i then begin c[k]:=-u[k]; for j:=1 to n do if a[j,k] then if c[j]0 then inc(c[k],w[j,k]*c[j]); end; k:=0; for i:=1 to n do if f[i]=top then if c[i]0 then begin writeln(i, ,c[i]);inc(k);end; if k=0 then writeln(NULL); close(input);close(output); end. Noip2003_ Artificial Neural Network_人工神经网络 - 3 -