数据结构笔记

数据结构

简单的顺序栈实现

. c++实现的部分

#define LONGTH	22
template <class T>
class Stack {
public:
	
	Stack(int size = LONGTH);
	~Stack();
	bool isEmpty() {
		return mTop == 0;
	}

	bool clear() {
		mTop = 0;
		return true;
	}

	bool Push(const T& v);
	bool Pop(T& v);
	bool getTop(T& v);
	template <class T>
	friend std::ostream& operator<< (std::ostream& os, Stack<T>& s);
private:
	T* mElem;
	int mTop;
	int mSize;
	int mIncrement;
};

template <class T>
std::ostream& operator<< (std::ostream& os, Stack<T>& s) {
	if (s.mTop == 0) {
		os << "";
		return os;
	}
		
	os << "[ ";
	for (int i = 0; i < s.mTop; i++) {
		os << s.mElem[i] << " ";
	}
	os << "] top" << std::endl;
	return os;
}

template <class T>
Stack<T>::Stack(int size) :mSize(size), mIncrement(LONGTH){
	mElem = new T[mSize];
	assert(mElem != NULL);
	mTop = 0;
}

template <class T>
Stack<T>::~Stack() {
	if (mElem != NULL)
		delete[] mElem;
}

template <class T>
bool Stack<T>::Push(const T& v) {
	T* newArr = NULL;
	if (mTop == mSize) {
		newArr = new T[mSize + mIncrement];
		assert(newArr != NULL);
		for (int i = 0; i < mSize; i++) {
			newArr[i] = mElem[i];
		}
		delete[] mElem;
		mElem = newArr;
		mSize += mIncrement;
	}
	mElem[mTop++] = v;
	return true;
}

template <class T>
bool Stack<T>::Pop(T& v) {
	if (mTop == 0)
		return false;
	v = mElem[--mTop];
	return true;
}

template <class T>
bool Stack<T>::getTop(T& v) {
	if (mTop == 0)
		return false;
	v = mElem[mTop - 1];
	return true;
}

这个地方的友元函数后面出现了一个问题,报错的原因我还不明白;
查找到的解决办法是在类中的友元函数前面加上
template <class T>
后面也确实没有在报错了

给自己当笔记使用吧。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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