C语言第19天,递归练习题(五)

该博客介绍了两个C语言函数的实现,分别是计算正整数所有数字之和的`DigitSum`函数和使用递归计算n的k次方的`Pow`函数。`DigitSum`通过递归将数字拆分求和,`Pow`函数利用递归公式n^k=n*n^(k-1)进行计算。这两个函数分别在输入1234和23时,返回结果为10和8.000000。

输入一个正整数,返回组成它的数字之和

#define _CRT_SECURE_NO_WARNINGS

#include <stdio.h>

//输入一个正整数,返回组成它的数字之和

int DigitSum(unsigned int num) {
	if (num > 9) {
		return DigitSum(num / 10) + num % 10;
	}
	else {
		return num;
	}
}

int main() {
	unsigned int num = 0;
	scanf("%d", &num);
	int ret = DigitSum(num);
	printf("ret = %d\n", ret);
	return 0;
}
1234
ret = 10

函数实现n的k次方,(使用递归)

#define _CRT_SECURE_NO_WARNINGS

#include <stdio.h>

//函数实现n的k次方,(使用递归)

double Pow(int n, int k) {
	//n^k = n* n^(k-1)
	if (k < 0)
		return (1 / (Pow(n, -k)));
	else if (k == 0)
		return 1;
	else
		return n * Pow(n, k - 1);
}

int main() {
	int n = 0;
	int k = 0;
	scanf("%d%d", &n, &k);
	double ret = Pow(n,k);
	printf("ret = %lf\n", ret);
	return 0;
}
2 3
ret = 8.000000
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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