UVA 409 Excuses(借口)

本文详细分析了一段代码中字典与集合存储的应用,并通过实例展示了如何利用count函数进行关键字计数。通过WA多次、反复调试,最终解决了问题并提供了优化思路。

分析:字典<set>集合存储,之后count函数使用;

本题的理念是对的,但有个地方总是存在格式问题,WA数次,一跪再跪,醉了


#include <cstdio>
#include <string>
#include <set>
#include <iostream>
#include <sstream>
#include <cstring>
#include <cctype>
using namespace std;

int main()
{
    string str;
    string cun[25];
    int a[25];
    int n,m;
    int kase=1;
    while (scanf("%d%d",&n,&m)!=EOF)
    {
        set<string>dict;
        for (int i=0;i<n;i++)
        {
            cin>>str;
            dict.insert(str);
        }//建立字典
        string buf;
        memset(a,0,sizeof(a));
        getchar();
        for (int i=0;i<m;i++)
        {
            string str1;
            getline(cin,str);
            cun[i]+=str;
            for (int j=0;j<str.size();j++)
               if (str[j]>='A'&&str[j]<='Z'||str[j]>='a'&&str[j]<='z'||str[j]==' ') str1+=tolower(str[j]);
               else continue;
            stringstream s(str1);
            while (s>>buf)
                if (dict.count(buf)) a[i]++;//遍历看每行出现关键字的次数
        }
        int maxn=a[0];
        for (int i=0;i<m;i++)
            maxn=max(maxn,a[i]);
        printf("Excuse Set #%d\n",kase++);
        for (int i=0;i<m;i++)
            if (a[i]==maxn) cout<<cun[i]<<endl;
        cout<<endl;
        for (int i=0;i<m;i++)
            cun[i]="";
    }
    return 0;
}


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