【模板】 割点(割顶)

神马网站的链接都可以啊~~~~

模板题,无程序说明

Code:

#include<bits/stdc++.h>
#define rep(i,j,k) for(int i=j;i<=k;i++)
using namespace std;
template<typename T> void read(T &num){
	char c=getchar();num=0;T f=1;
	while(c<'0'||c>'9'){if(c=='-')f=-1;c=getchar();}
	while(c>='0'&&c<='9'){num=(num<<3)+(num<<1)+(c^48);c=getchar();}
	num*=f;
}
template<typename T> void qwq(T x){
	if(x>9)qwq(x/10);
	putchar(x%10+'0');
}
template<typename T> void write(T x){
	if(x<0){x=-x;putchar('-');}
	qwq(x);
}
int ans[20010];

struct wzy{
	int nxt,vertice;
}edge[200010];
int head[20010];int len=0;
inline void add_edge(int x,int y){
	edge[++len].nxt=head[x];edge[len].vertice=y;head[x]=len;
	return;
}

int low[20010];int dfn[20010];bool iscut[20010];int siz=0;
inline void tarjan(int son,int father){
	low[son]=dfn[son]=++siz;
	int coun=0;
	for(register int i=head[son];i;i=edge[i].nxt){
		int nop=edge[i].vertice;
		if(!dfn[nop]){
			tarjan(nop,father);
			low[son]=min(low[son],low[nop]);
			iscut[son]|=(low[nop]>=dfn[son]&&son!=father);
			coun+=(son==father);
		}
		low[son]=min(low[son],dfn[nop]);
	}
	iscut[son]|=(son==father&&coun>=2);
	return;
}

int main(){
	int n,m;read(n);read(m);
	rep(i,1,m){
		int x,y;read(x);read(y);
		add_edge(x,y);add_edge(y,x);
	}
	
	rep(i,1,n){
		if(!dfn[i])tarjan(i,i);
	}
	
	int ans_len=0;
	rep(i,1,n){
		if(iscut[i])ans[++ans_len]=i;
	}
	write(ans_len);putchar('\n');
	rep(i,1,ans_len){write(ans[i]);putchar((i==ans_len)?'\n':' ');}
	return 0;
}

 

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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