1093. 神经网络

时间限制 1000 ms
内存限制 128 MB

题目描述

神经网络就是一张有向图,图中的节点称为神经元,而且两个神经
元之间至多有一条边相连,下图是一个神经元的例子:

               神经元〔编号为1)
  图中,X1—X3是信息输入渠道,Y1-Y2是信息输出渠道,C1表示神经元目前的状态,
Ui是阈值,可视为神经元的一个内在参数。
  神经元按一定的顺序排列,构成整个神经网络。在兰兰的模型之中,神经网络中的神
经无分为几层;称为输入层、输出层,和若干个中间层。每层神经元只向下一层的神经元
输出信息,只从上一层神经元接受信息。下图是一个简单的三层神经网络的例子。

兰兰规定,Ci服从公式:(其中n是网络中所有神经元的数目)

  公式中的Wji(可能为负值)表示连接j号神经元和 i号神经元的边的权值。当 Ci大于0时,该神经元处于兴奋状态,否则就处于平静状态。当神经元处于兴奋状态时,下一秒它会向其他神经元传送信号,信号的强度为Ci。
  如此.在输入层神经元被激发之后,整个网络系统就在信息传输的推动下进行运作。现在,给定一个神经网络,及当前输入层神经元的状态(Ci),要求你的程序运算出最后网络输出层的状态。
  

输入数据

输入第一行是两个整数 $n\ (1≤n≤200)$ 和 $p$ 。接下来 $n$ 行,每行两个整数,第 $i+1$ 行是神经元 $i$ 最初状态和其阈值 $\ (Ui),$ 非输入层的神经元开始时状态必然为 $0$ 。再下面 $P$ 行,每行由两个整数 $i, j$ 及一个整数Wij,表示连接神经元 $i, j$ 的边权值为Wij。

输出数据

输出包含若干行,每行有两个整数,分别对应一个神经元的编号,及其最后的状态,两个整数间以空格分隔。仅输出最后状态非零的输出层神经元状态,并且按照编号由小到大顺序输出!
  若输出层的神经元最后状态均为 $ 0,$ 则输出 NULL。

样例输入

5 6
1 0
1 0
0 1
0 1
0 1
1 3 1
1 4 1
1 5 1
2 3 1
2 4 1
2 5 1

样例输出

3 1
4 1
5 1

题目信息

未提交
未通过无法查看
未通过无法查看