c语言-----数组

一. 数组

     数组是由一系列类型相同的元素构成 。可以使用声明来告诉编译器你需要一个数组 。数组声明中包括数组元素的数目和元素的类型 。编译器根据这些信息创建合适的数组 。数组元素可以具有同普通变量一样的类型 。下面是数组声明的例子 :

     int   main( void )

    {

        float  candy [ 365 ] ;

        char  code[ 12 ] ;

        int  states[ 50 ] ;    

     } 

    方括号里([   ])表示candy和其他两个标识符均为数组 ,方括号内的数字指明了数组所包含的元素数目 。要访问数组的元素 ,可以使用下标数字来表示单个元素 。下标数字也称索引 ( index ),是从 0 开始计数的 。因此 ,candy [ 0 ] 是数组candy的首元素 ,candy [ 364 ] 是第365个元素 ,也就是最后一个元素 。

1. 初始化

    在程序中通常用数组来存储数据 。

    例 :

          int  fix = 1 ;

          float  flax = PI * 2;   

          int  main ( void )

          {

              int  power [ 8 ] = {  1 , 2 , 4 , 6 , 8 , 16 , 32 , 64 } ;

              .....

           }

      可以使用花括号括起来的一系列数组来初始化数组 。数组之间用逗号隔开 ,在数值和逗号之间可以使用空格符 。首元素 power [ 0 ] 被赋值为 1 以此类推。

      初始化列表中的元素数目应该和数组大小一致 。当数值数目少于数组元素数目时 ,多余的数组元素被初始化为 0 。也就是说 ,如果不初始化数组,数组元素和未初始化的普通变量一样 , 其中存储的是无用的数值 ;但是如果部分初始化数组,未初始化的元素则被设置为 0 。

      注意 :当使用控的方括号对数组进行初始化时,编译器会根据列表中的数值来确定数组大小 。

                   注意 for 语句循环的控制语句 ,可以让计算机来计算数组的大小 。

      #include <stdio.h>

      int main()

      {

        const  int  days[  ] = {31,28,31,30,31,30,31,31,30,31};

        int  index;


       for( index = 0 ; index < sizeof  days / sizeof days[ 0 ] ; index++)

           printf("Month %2d has %d days.\n" ,index + 1,days[ index ]);

       return  0;

       }

    2. 多维数组

       数组的数组,称为 二维数组 。

       float  rain[ 5 ][ 12 ] ;

      rain中包含5个数组,rain[ 0 ],rain[ 1 ],rain[ 2 ],ran[ 3 ],rain[ 4 ],每个元素中又包含12个数组,也就是说,rain中每个元素包含一12个float数组的数组。

      二维数组的初始化和一维数组的初始化的注意点是一样的 

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