高精度加法

两个很大的数相加,int已经存不下了,怎么办?
LOOK!
哒哒!

#include<cstdio>
#include<cstring>
int a[201],b[201],c[201];
char a1[201],b1[201];
int main()
{
	scanf("%s\n",a1);//输入第一个数
	scanf("%s",b1);//输入第二个数
	int lena=strlen(a1);//第一个数位数
	int lenb=strlen(b1);//第二个数位数
	for(int i=0;i<lena;i++){
		a[i]=a1[lena-i-1]-'0';//将这个大数拆成若干个一位数,并存放在int的数组中
	}
	for(int i=0;i<lenb;i++){
		b[i]=b1[lenb-i-1]-'0';//同上
	}
	int lenc=0;//待会要将a[i]+b[i]存在c[i]中
	int x=0;//表示进位
	while(lenc<=lena||lenc<=lenb){
		c[lenc]=a[lenc]+b[lenc]+x;
		x=c[lenc]/10;
		c[lenc]=c[lenc]%10;
		lenc++;
	}
	//c[lenc]=x;
	while(c[lenc]==0&&lenc>0) lenc--;
	for(int i=lenc;i>=0;i--){
		printf("%d",c[i]);
	}
}
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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