c++第三次作业

一、项目二:本月有多少天

/* 
* 文件名称: 本月有多少天
* 作    者: 刘诗雨
* 完成日期:    2016  年  04   月 12   日 
* 版 本 号:v1.0 
* 对任务及求解方法的描述部分:
* 输入描述:  
* 问题描述: 
* 程序输出:  
* 问题分析: 
* 算法设计:  
*/ 
#include<iostream>
using namespace std;
int main()
{
 int y,m;
 cout<<"请输入你要查的年份和月份"<<endl;
 cin>>y>>m;
 switch(m)
 {
 case 2:if(y%4==0&&y%100!=0||y&400==0)
      cout<<"本月有29天\n";
  else
   cout<<"本月有28天\n";break;
 case 1:cout<<"本月有31天\n";break;
 case 3:cout<<"本月有31天\n";break;
 case 5:cout<<"本月有31天\n";break;
 case 7:cout<<"本月有31天\n";break;
 case 8:cout<<"本月有31天\n";break;
 case 10:cout<<"本月有31天\n";break;
 case 12:cout<<"本月有31天\n";break;
 case 4:cout<<"本月有30天\n";break;
 case 6:cout<<"本月有30天\n";break;
 case 9:cout<<"本月有30天\n";break;
 case 11:cout<<"本月有30天\n";break;
 }
 return 0;
}

二、项目三:定期存款利息计算器

/* 
* 文件名称: 定期存款利息计算器
* 作    者:  刘诗雨
* 完成日期:    2016  年  04   月 12   日 
* 版 本 号:v1.0 
* 对任务及求解方法的描述部分:
* 输入描述:  
* 问题描述: 
* 程序输出:  
* 问题分析: 
* 算法设计:  
*/  
#include<iostream>
using namespace std;
int main()
{
	int a,b,c,d;
	cout<<"欢迎使用利息计算器!\n请输入你的存款金额:";
	cin>>a;
	cout<<"=====存款期限====\n1.3个月\n2.6个月\n3.一年\n4.两年\n5.三年\n6.五年\n请输入你的存款期限的代号:";
	cin>>b;
	switch(b)
	{
	case 1:c=a*31.0*0.001*0.25;break;
	case 2:c=a*33.0*0.001*0.5;break;
	case 3:c=a*35.0*0.001*1;break;
	case 4:c=a*44.0*0.001*2;break;
	case 5:c=a*50.0*0.001*3;break;
	case 6:c=a*55.0*0.001*5;break;
	}
	d=a+c;
	
	cout<<"到期的利息="<<c<<"存款加上利息合计="<<d<<"元"<<endl;
	cout<<"感谢你的使用,欢迎下次光临,谢谢!"<<endl;
	
}

三、项目四:分段函数求值

/* 
* 文件名称: 分段函数求值
* 作    者:  刘诗雨
* 完成日期:    2016  年 04    月   12 日 
* 版 本 号:v1.0 
* 对任务及求解方法的描述部分:
* 输入描述:  
* 问题描述: 
* 程序输出:  
* 问题分析: 
* 算法设计:  
*/  
#include<iostream>
#include<cmath>
using namespace std;
int main()
{
	double x,y;
	cout<<"请输入x:";
	cin>>x;
	if(x<2) y=x;
		else if(x>=2&&x<6) y=x*x+1;
		else if(x>=6&&x<10) y=sqrt(x+1);
		else if(x>=10) y=1/(x+1);
		cout<<"y的值为:"<<y<<endl;	
}





内容概要:该论文聚焦于6G通信中20-100GHz频段的电磁场(EMF)暴露评估问题,提出了一种基于自适应可重构架构神经网络(RAWA-NN)的预测框架。该框架通过集成权重分析模块和优化模块,能够自动优化网络超参数,显著减少训练时间。模型使用70%的前臂数据进行训练,其余数据用于测试,并用腹部和股四头肌数据验证模型泛化能力。结果显示,该模型在不同参数下的相对差异(RD)在前臂低于2.6%,其他身体部位低于9.5%,可有效预测皮肤表面的温升和吸收功率密度(APD)。此外,论文还提供了详细的代码实现,涵盖数据预处理、权重分析模块、自适应优化模块、RAWA-NN模型构建及训练评估等内容。 适合人群:从事电磁兼容性研究、6G通信技术研发以及对神经网络优化感兴趣的科研人员和工程师。 使用场景及目标:①研究6G通信中高频段电磁暴露对人体的影响;②开发更高效的电磁暴露评估工具;③优化神经网络架构以提高模型训练效率和预测精度。 其他说明:论文不仅提出了理论框架,还提供了完整的代码实现,方便读者复现实验结果。此外,论文还讨论了未来的研究方向,包括扩展到更高频段(如300GHz)的数据处理、引入强化学习优化超参数、以及实现多物理场耦合的智能电磁暴露评估系统。建议读者在实际应用中根据具体需求调整模型架构和参数,并结合真实数据进行验证。
评论 3
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