洛谷 CF1531A 【Зингер | color】

该程序实现了一个物品颜色和锁定状态的管理,初始颜色为蓝色且未上锁。根据输入的操作字符串,判断并执行相应的状态改变。当操作为lock时,物品变为上锁;为unlock时,物品变为未上锁;其他字符串且物品未上锁时,更新物品颜色。最后输出物品的颜色。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题意

你有一个物品,初始时它的颜色是 blue 且状态为未上锁。接下来依次有 nnn 次操作,每次操作由一个字符串给出。

若这个字符串是 lock:将它的状态改成上锁。

若这个字符串是 unlock:将它的状态改成未上锁。

若这个字符串不是 lockunlock:若它的状态为未上锁,则将它的颜色改成这个字符串。

你需要输出物品最终的颜色。0≤n≤1000 \leq n \leq 1000n100

分析

我们只需一个bool类型的变量来表示当前是否上锁,初始化为 000 表示未上锁用一个字符串来记录颜色,初始化为"blue"。

输入 nnn 个字符串,若为lockunlock,则修改状态,否则若状态为 000,则修改颜色。

代码

#include<iostream>
#include<cstdio>
using namespace std;
int n;
string s,str;//使用string类型来存储颜色和操作,可以直接赋值和比较
bool b;//状态,表示当前是否上锁
int main()
{
	scanf("%d",&n);
	s="blue";//初始化
	for(int i=1;i<=n;i++)
	{
		cin>>str;
		if(str=="lock")
			b=1;
		else if(str=="unlock")
			b=0;
		else
			if(b==0)//未上锁则修改颜色
				s=str;
	}
	cout<<s;
	return 0;
}
5.1.1 Оформление лабораторной работы Задача управления нелинейными объектами продолжает привлекать внимание исследователей несмотря на значительный прогресс, достигнутый в теории и практике автоматического управления. Традиционные подходы синтеза систем управления основываются на знании математической модели объекта. Нам необходимо знать как математическую структуру, так и параметры объекта, а также зачастую параметры и характеристики среды, в которой объект функционирует. В то же время, на практике математическая модель объекта и среды не всегда доступны в явной форме, либо создание формальной математической модели может оказаться слишком сложным и дорогим делом. Также в процессе эксплуатации параметры и характеристики объекта и окружающей среды могут существенно изменяться. В этих случаях традиционные методы синтеза и часто дают неудовлетворительные результаты с точки зрения качества и робастности системы управления. Таким образом, актуальной представляется разработка методов синтеза систем управления, не требующих полного априорного знания об объекте управления и условий его функционирования. Эти методы должны обеспечивать синтез системы управления по фактическим характеристикам и параметрам объекта, что также иметь возможность подстраиваться под изменяющиеся свойства объекта и условия окружающей среды. Подходящим инструментом для реализации алгоритмов управления с нужными свойствами является метод косвенного адаптивного управления с нейросетевой моделью объекта управления. В отличие от формальных математических моделей, нейросетевая может быть получена с помощью машинного обучения по множеству данных наблюдения за реальным объектом. Рассмотрим задачу моделирования существенно нелинейного объекта, реализовав как компьютерную имитационную модель на основе известной формальной математической модели, так и нейросетевую модель. Эти модели позволят приступить к задаче разработки метода синтеза нейросетевой системы управления нелинейным объектом. Описание заданий: Синтез нейронной сети с обратными связями для моделирования динамического объекта Методические указания включают: Описание задачи: на основе набора данных обучить нейросеть LSTM. В зависимости от варианта лабораторной работы можно либо предложить студентам самим смоделировать набор данных по математической модели (линейной или нелинейной) с заданием вида пробного сигнала (разные варианты), либо задан подготовленный набор данных . 1. Описать конкретный объект (здесь ссылка на pH). 2. Описать архитектуру и принцип обучения LSTM. 3. Описать критерии качества для задач регрессии MSE,RMSE,MAE, 4. Описать программу обучения и моделирования LSTM на Keras (Python). Выполнение лабораторной работы позволяет достичь следующих целей: 1. Изучить архитектуру и практическое применение глубоких нейронных сетей с обратными связями 2. Изучить особенности функционирования сети LSTM. Основные результаты выполнения лабораторной работы: Отчет, содержащий описание всех шагов выполнения работы со схемами, графиками и таблицей результатов Выполнение лабораторной работы проводится в среде Google Colab или другой, предоставляющей интерфейс Jupyter Notebook. 请用俄语扩写!!!
03-27
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