본문 바로가기

전체 글400

위상정렬 위상정렬 topology sort 사이클이 없는 방향 그래프에서 노드 순서가 찾는 알고리즘 항상 유일한 값으로 정렬되지 않음사이클이 있으면 명확한 순서 정의 불가 아래의 과정을 반복하여 값을 구한다.진입차수가 0인 노드를 선택하고 저장함인접 리스트에서 선택된 노드가 가리키는 진입차수 -= 1 2024. 7. 6.
소수 찾기 첫번째 코드 해당 n만큼 리스트를 만들어 소수인 경우, 아닌 경우를 판별한 후 개수를 센다. import math def solution(n):     answer = 0     prime = [0] * (n+1)          for i in range(n+1):         prime[i] = i          prime[1] = 0          for i in range(2, int(math.sqrt(n+1)+1)):         for j in range(i*i, n+1, i):             prime[j] = 0          for i in prime:         if i != 0:             answer += 1          return answer 통.. 2024. 7. 5.
The Question We Need to Keep Asking Ourselves as We Age The Question We Need to Keep Asking Ourselves as We AgeBY GWENDOLYN BOUNDSJUNE 18, 2024 11:43 AM EDT내가 근래 들어 가장 좋아하는 주제이다. 넌 무엇을 가장 좋아하니?그걸 모른다면 일단 움직이는건 어떻게 생각하니? 무엇이든 일단 움직이고 보면 적어도 작은 경험이라도 내가 싫어해서 앞으로 하지 않거나, 좋아해서 파다보니 우연하게 너무 빠져들게 되는... 어차피 아무것도 하지 않을 바에는 뭐 하나라도 그냥 아무 생각 없이 한번 해보는건 어떨까?그냥 아무생각없이 타임즈를 일주일에 세번씩 읽는 나처럼;;gleefully 신이난, 유쾌하게rattled off 줄줄이 말하다awe 경외감mrphed into ~로 변하다, ~로 형태가 바뀌.. 2024. 7. 5.
055 임계경로 첫번째 코드 사실 이 문제를 풀 떄 뇌가 거의 빠져 있었다.다음에 꼭 다시 풀어보아야 하는 문제이다. 코드는 책을 참고했고, 그래도 천천히 생각하면서 위상정렬 코드는 작성할 수 있을 것 같다!! import sys from collections import deque input = sys.stdin.readline n = int(input()) m = int(input()) A = [[] for _ in range(n+1)] reverseA = [[] for _ in range(n+1)] indegree = [0] * (n+1) for i in range(m):     s, e, v = map(int, input().split())     A[s].append((e, v))     reverseA[e]... 2024. 7. 4.
056 최단경로 첫번째 코드 그래프와 가중치를 주면서더한 값이 현재 값보다 작은 경우 갱신하는 다익스트라를 이용하는 문제이다. 뭔가 이해가 안되는 듯 이해가 될 것 같기도 한 느낌이다....코드는 책을 참고했다! import sys input = sys.stdin.readline from queue import PriorityQueue V,e = map(int, input().split()) k = int(input()) distance = [sys.maxsize] * (V+1) visited = [False] * (V+1) A = [[] for _ in range(V+1)] queue = PriorityQueue() for _ in range(e):     u, v, w = map(int, input().split().. 2024. 7. 4.
Very Deep Convolutional Networks For Large-Scale Image Recognition 목차0. Abstract1. Introduction2. ConvNet Configuration2.1 Architecture2.2 Configuration2.3  Discussion3. Classification Framework3.1 Training3.2 Testing3.3 Implementation Details4 Classification Experiments4.1 Single Scale Evaluation4.2 Multi-Scale Evaluation4.3 Multi-Crop Evaluation4.4 ConvNet Fusion4.5 Comparison with the state of art5. Conclusion0. Abstract 대규모 이미지 인식에서 convolution network 깊이에 .. 2024. 7. 3.
728x90

티스토리툴바