- /*
- * 程序的版权和版本声明部分
- * Copyright (c)2013, 烟台大学计算机学院学生
- * All rightsreserved.
- * 文件名称:1.cpp
- * 作 者: 王俊
- * 完成日期: 2013 年 03 月 16 日
- * 版本号: v1.0
- * 输入描述:输入旱冰场地的半径,求场地费
- * 问题描述:在类声明和main函数之间,定义声明成员函数
- */
- 代码程序:
#include<iostream> using namespace std; class Circle { public: double area(); double circumference(); void setRadius(double r); private: double radius; }; double Circle::area() { double i; i=3.14*radius*radius; return i; } double Circle::circumference() { double i; i=3.14*2*radius; return i; } void Circle::setRadius(double r) { radius=r; } int main() { double r; cout<<"请输入旱冰场的半径: "; cin>>r; Circle c; c.setRadius(r); cout<<"旱冰场的造价为 "<<20*c.area()+35*c.circumference()<<" 元。"<<endl; return 0; }
运行结果: - 心得体会:突然发现自己很菜
相关推荐
Kettle 连接 Oracle 数据库全流程指南
例如:C:\Oracle\product\19.0.0\dbhome_1\jdbc\lib\ojdbc8.jar 2. 替换 Kettle 驱动文件 将驱动文件复制到 Kettle 的 目录: 删除旧版本驱动:如 ojdbc14.jar 只能保留一个oracle驱动 重启 Kettle 以加载新驱动 二、配置数据库连接 1. 启动 Kettle 并新建转换 运行 (Windows)或 (Linux)。 新建转换(Transformation),添加 “表输入” 步骤,双击进入配置。 2.
三周 项目 3 旱冰场造价
/* 烟台大学计算机学院学生 *All rights reserved. *文件名称: *作者:zhaojiaxiang *完成日期:2013年3月11日 *版本号:v1.0 *我的程序: */ #include using namespace std; const int M=20; //水泥场地每平米造价 const int N=35; //围栏每米造价 cl
stm32f407VET6 系统学习 day01 GPIO 配置
stm32f407VET6 系统学习 day01 GPIO 配置 LED 蜂鸣器 按键的不讲了,之前讲过了
2022吴恩达机器学习课程学习笔记(第一课第三周)
逻辑回归
STM32F407控制舵机
STM32F407控制舵机运行 使用STM32F407控制舵机,首先来看下舵机图片 [黑红白,黑线接GND,红线接VCC,信号线接白色线(有的舵机线的颜色不同,例如褐色红色橘色,仅颜色不同接法还如上述)] 舵机需要信号的周期为20ms,即频率为50Hz。 接下来正式操作: 步骤一:STM32F4程序(本次程序的PWM信号产生的周期频率由定时器TIM14通道1产生(TIM14_CH1),想要使用其它定时器也没关系下面会讲到) #include "pwm.h" void TIM14_CH1_PWM_In
HFSS微带线仿真从零到一:材料参数与求解设置优化指南
在射频电路设计中,微带线仿真涉及电磁场求解与传输线理论,其精度高度依赖材料参数和求解设置。相对介电常数、损耗角正切和导体电导率等参数直接影响特性阻抗与插入损耗,而求解频率、网格划分和参数扫描则决定仿真效率与收敛性。合理设置这些参数可显著提升S参数准确性,避免设计迭代。应用场景包括天线馈线、滤波器和微波互连。本文基于HFSS微带线仿真实践,系统讲解材料选择与参数优化全链路,帮助工程师快速复现可靠模型。
前端第三周
Web前端
NE564锁相环FM解调电路设计:10.7MHz中频实测与3种失真优化方案
本文详细解析了NE564锁相环在10.7MHz中频FM解调电路中的设计与优化方案。通过分析锁相环技术基础、电路架构设计及典型失真问题,提供了3种有效的失真优化方法,包括限幅增强、VCO频偏补偿和环路滤波优化,显著提升解调性能。文章还涵盖了PCB布局要点和系统测试验证,为高频电子线路设计提供实用参考。
强化学习(第三课第三周)
强化学习(第三课第三周)
pytorch实现基本的logistic和softmax回归实验(手动+torch)
前提:不是前馈神经网络,没有隐藏层。 一:Logistic回归实验–人工构造数据集,手动构造模型 要求: 动手从0实现logistic回归,实现二分类,人工构造数据集,并分析loss、训练集、测试集的准确率。(要求从零实现二元交叉熵) 实验过程: 1.1人工构造数据集 1. # #自定义数据---训练集 2. num_inputs = 2 3. n_data = torch.ones(1500, num_inputs) # 数据的基本形态 4. x1 = torch.normal(2 * n_d
【虚幻引擎UE】UE5 阴影异常与优化
【虚幻引擎UE】UE5 阴影异常与优化解决方案合集
第三周
文章目录一、树和二叉树。树的基本概念二叉树的遍历先序遍历中序遍历后序遍历二、递归斐波那契数列三,快速排序,归并排序快速排序归并排序二、bfs和dfs1,DFS(深度优先搜素算法)2、BFS(广/宽度优先遍历) 一、树和二叉树。 树的基本概念 树(Tree)是由一个或多个结点组成的有限集合T,其中有一个特定的称为根的结点;其余结点可分为m(m≥0)个互不相交的有限集T1,T2,T3 ,…,Tm,每一个集合本身又是一棵树,且称为根的子树。 结点(Node):树中的元素,包含数据项及若干指向其子树的分支。 结点
MobileViT替换YOLOv11主干网络:轻量化新思路-(用MobileViT等轻量视觉Transformer降低计算成本)
在计算机视觉领域,目标检测一直是核心任务之一,而YOLO(You Only Look Once)系列算法因其出色的速度-精度平衡成为工业界和学术界的热门选择。随着YOLOv11的推出,模型性能达到了新的高度,但其计算复杂度和参数量也随之增加,这对资源受限的移动设备和嵌入式系统提出了挑战。与此同时,视觉Transformer(ViT)的出现为计算机视觉带来了全新范式,但其庞大的计算需求限制了在移动端的应用。MobileViT作为一种创新的轻量级视觉Transformer架构,巧妙结合了CNN的归纳偏置优势和V
寒假第三周学习小结
css3及链表学习 css3选择器 属性选择器: M[attr] {} *[title]{} a[href][title]{} = : 完全匹配,属性与属性值完全匹配 a[href="#"]{} a[href="#"][title="具体值"]{} ~= : 部分属性选择器 <p class="book important"></p> p[class~="important"]{} //即可选class属性中有important的 p[class
RU DOS版、EFI版32bit/64bit BIOS常用工具
DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。
吴恩达机器学习第三周学习周报
本周学习了过拟合问题及其解决的方法,和正则化的概念以及正则化与之前线性回归、逻辑回归及其梯度下降的变化,和初识神经网络,和简单实现向前传播的例子。刚接触神经网络,应该加强实现学习后续课程中算法,目前学习进度较为缓慢,需要改进。
VC中sqlite的使用
在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示
第三周学习
第三周学习
IMSL CNL 7.0.0 (x86-64)Crack
IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件
web学习第三周
web
第三周学习笔记
第三周
神经网络与深度学习第三周课程总结
在LTI和LSI中,信号在时间和空间中移动不改变其特性,不断有信号随时间移动和系统产生响应,某一时刻的输出(即卷积输出)不仅包括当前信号的响应,还有之前信号的残留,所以是累加的,转换卷积核是为了计算这一过程。手写数字数据集是灰度图像,输入为32 × 32 × 1 的图像,卷积核大小为5 × 5 ,卷积核数量为6,步长为1,零填充。与卷积层C3不同,卷积层C5的输入为S4 的全部feature maps,由于S4 层的16个图的大小为5 × 5 ,与卷积核的大小相同,所以卷积后形成的图的大小为1x1。
Web前端从入门到精通(第三周)
CSS伪类用于向某些元素添加特殊的效果。一般用于初始样式添加不上的时候,用伪类来添加。(默认是不能继承的,但是可以设置继承属性 inherit值)利用clear属性清除float浮动。Interactive:互动的。Sectioning:分区。Metadata:元数据。Embedded:嵌入的。Phrasing:措辞。Heading:标题。
Web前端学习第三周
第三周
吴恩达--机器学习笔记(2022年课程第三周)
吴恩达机器学习2022年新课程笔记
web前段开发(第三周)
web前段开发(第三周)
小白学习web前端(第三周)
(1)去掉某些标签的默认样式时(2)复杂的选择器,如层次选择器。
【神经网络与深度学习第三周课程总结】
卷积被定义为:一个函数经过翻转和移动后与另一个函数的乘积的积分。执行卷积的目的是从输入中提取有用的特征一维公式如下:图像卷积(二维)与一维类似:g称作滤波器如图所示,LeNet-5一共包含7层(输入层不作为网络结构),分别由2个卷积层、2个池化层和3个连接层组成,网络的参数配置如表1所示,其中下采样层和全连接层的核尺寸分别代表采样范围和连接矩阵的尺寸表1 LeNet-5网络参数配置。
web前端开发技术教学第三周 10.30
使用场景:1.去掉某些标签的默认样式2.复杂的选择器中,如:层次选择器。
3480



被折叠的 条评论
为什么被折叠?



