【ACM打卡】ZOJ 1090

本文介绍了如何通过编程实现利用余弦公式计算三角形角度的正弦值,进而求得三角形面积的方法。通过实例演示,帮助读者掌握数学公式与编程实践的结合应用。

1090

数学题:已知三点坐标,求出abc三边,利用余弦公式求cosc,sinC=根号(1-cosC的平方),正弦公式 l=2R=c/sinC,C=πl。

练习scanf浮点输出输入  printf("%.2lf",S);


20几题交给老师太不好意思了。每天写一丢丢吧,实践不能忘!(数据库 和 操作系统感觉好难哦,明天或周末学着装系统好啦~)


1090

#include<iostream>
#include<cstdio>
#include<cmath>

using namespace std;

int main(){
    double x1,y1,x2,y2,x3,y3,a2,b2,c2,sin,l,S;
    while(scanf("%lf%lf%lf%lf%lf%lf",&x1,&y1,&x2,&y2,&x3,&y3) != EOF){
        a2 = (x2-x3)*(x2-x3)+(y2-y3)*(y2-y3);
        b2 = (x1-x3)*(x1-x3)+(y1-y3)*(y1-y3);
        c2 = (x1-x2)*(x1-x2)+(y1-y2)*(y1-y2);

        sin = sqrt(1-pow((a2+b2-c2),2.0)/(4*a2*b2));
        l = sqrt(c2)/sin;
        S = 3.141592653589793*l;
        printf("%.2lf",S);

    }
    return 0;
}


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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