SlideShare une entreprise Scribd logo
1  sur  233
Télécharger pour lire hors ligne
1
•
•
•
•
•
•
•
•
•
•
•
2
•
•
•
•
•
•
•
•
•
•
•
3
R×C
•
R		C
Sy Sx
Gy Gx
𝑐(+,+) 𝑐(+,.) … 𝑐(+,0)
𝑐(1,+) 𝑐(1,.) … 𝑐(1,0)
•
1	≤	R,	C	≤	1000
4
S
G
R×C
•
5
S
G
• G
S
G
6
S
G
• G
S
G
7
S
G
• G
S
G
•
8
S
G
• G
S
G
•
9
S
G
• G
S
G
•
10
S
G
S G
•
S
11
S
G
•
S
S
12
S 1
1
G
•
S
S
• S
13
S 1
1
G
•
S
S
• S
14
2
S 1 2
1
2 G
•
S
S
• S
15
2
S 1 2
1
2 G
G
(Breadth	First	Search)
•
•
16
S
……
17
S
G
0
S S S
S
18
1
1 ★ 1
1
G
0
19
1
1★ 1
1
G
20
12
2 ★ 2
2
G
1
21
1
2
2
2
★ 2
G
22
2
2
2★
2 G
1
23
2
2
★
G
2
24
2
3★ 3
G
2
25
3
3
3
3 ★ G
3
2
26
3
3
4
★ 4
G
3
27
3
3
4
★ 4
G
3
28
3
3
4
★ 4
G
3
29
11
11
11
G 11
★
10
30
11
11
12
G
12 ★
11
31
11
12
12
G
★
12
11
32
12
12
G 12
1212 ★ 12
11
33
12
G 12
12
1313
★
12
34
G 12
12
13
13
13 ★
12
35
12
13
13
★
G 12
36
12
13
13
★
G 12
G
(Queue)
•
•
First	In,	First	Out	
37
38
39
#include	<queue>
queue< >	q;
q.push(x); O(1)
q.front(); O(1)
q.pop(); O(1)
q.empty(); O(1)
•
O(1)	
•
O(RC)
40
R:	 C
41
•
•
•
•
•
•
•
•
•
•
•
42
•
•
•
43
•
•
•
•
•
44
•
•
•
•
•
45
•
•
•
•
V E
46
47
48
•
49
•
50
INF INF INF INF INF
INF INF INF
INF INF INF
INF INF INF INF
INF INF
INF INF INF
INF
51
•
52
•
53
54
55
56
57
O(V.
)	 O(V	+	E)	
O(1)	 O(Δ)	
O(V)	 O(Δ)	
Δ:
58
O(V.
)	 O(V	+	E)
O(1) O(Δ)	
O(V)	 O(Δ)	
Δ:
s	
g	
g	
59
v e
a b
c
•
v		e		s		g
𝑎+ 𝑏+ 𝑐+
𝑎^ 𝑏^ 𝑐^
•
1	≤	v	≤	100
1	≤	e,	c	≤	10000
60
•
61
•
62
120
30
90
210
90 120 150
180120
210
210
90
•
=	min	( +	210	,	
+	180	)
•
63
..
..
:
180
210
:
:
.. ..
..
•
=	min	( +	210	,	
+	180	)
•
•
u
=	min	( u +	 u )
64
..
..
:
180
210
:
:
.. ..
..
(Bellman-Ford	algorithm)
•
65
(Bellman-Ford	algorithm)
•
•
66
(Bellman-Ford	algorithm)
•
•
•
67
0
INF
INF
INF
INF
INF
INF
INF
INF
INF
68
210
90 120
30
90
210
90 120 150
180120
210
0
INF
INF
INF
INF
INF
INF
INF
INF
INF
69
120
30
90
210
90 120 150
180120
210
0
210
120
90
210
90
0
90
210
INF
INF
120
INF
INF
INF
INF
70
120
30
90
210
90 120 150
180120
210
0
210
120
90
210
90
0
90
210
INF
INF
120
INF
INF
INF
INF
71
120
30
90
210
90 120 150
180120
210
90
180
210
90
0
90
210
300
INF
120
INF
INF
INF
INF
72
120
30
90
210
90 120 150
180120
210
210
240
420
300
210
90
0
90
210
300
510
120
420
INF
INF
510
73
120
30
90
210
90 120 150
180120
210
300
420
510
510
210
90
0
90
210
300
510
120
420
INF
INF
510
74
120
30
90
210
90 120 150
180120
210
510
210
90
0
90
150
300
510
120
210
INF
INF
510
75
120
30
90
210
90 120 150
180120
210
120 210
150210
90
0
90
150
300
510
120
210
330
INF
510
76
120
30
90
210
90 120 150
180120
210
210 330
210
90
0
90
150
300
510
120
210
330
480
510
77
120
30
90
210
90 120 150
180120
210
330 480
210
90
0
90
150
300
510
120
210
330
480
510
78
120
30
90
210
90 120 150
180120
210
510
210
90
0
90
150
300
510
120
210
330
480
510
79
120
30
90
210
90 120 150
180120
210
510
210
90
0
90
150
300
510
120
210
330
480
510
80
120
30
90
210
90 120 150
180120
210
210
90
0
90
150
300
510
120
210
330
480
510
81
120
30
90
210
90 120 150
180120
210
210
90
0
90
150
300
510
120
210
330
480
510
82
120
30
90
210
90 120 150
180120
210
0
210
90
0
90
150
300
510
120
210
330
480
510
83
120
30
90
210
90 120 150
180120
210
90
210
90
0
90
150
240
510
120
210
330
480
510
84
120
30
90
210
90 120 150
180120
210
150
240
210
90
0
90
150
240
510
120
210
330
480
510
85
120
30
90
210
90 120 150
180120
210
150
240
210
90
210
90
0
90
150
240
510
120
210
330
480
510
86
120
30
90
210
90 120 150
180120
210
150
240
87
•
88
•
O(E)
89
•
O(E)	
•
•
O(E)	
•
V
O(VE)	
90
91
92
120
30
90
210
90 120 150
180120
210
210
300
210
90
•
(Dijkstra’s	algorithm)
0
INF
INF
INF
INF
INF
INF
INF
INF
INF
0
93
120
30
90
210
90 120 150
180120
210
210
90
0
INF
INF
INF
INF
INF
INF
INF
INF
INF
94
0
210
120
90
120
30
90
210
90 120 150
180120
210
0
210
90
95
0
210
120
90
120
30
90
210
90 120 150
180120
210
90
120
210
0
90
210
INF
INF
120
INF
INF
INF
INF
210
90
120
210
9690
(180)
120
30
90
210
90 120 150
180120
210
0
90
210
INF
INF
120
INF
INF
INF
INF
90
210
90
120
210
9790
120
30
90
210
90 120 150
180120
210
0
90
210
INF
INF
120
INF
INF
INF
INF
210
90
(180)
210
98
120
150
240
120
30
90
210
90 120 150
180120
210
0
90
210
INF
INF
120
INF
INF
INF
INF
120
210
90
(240)
150
210
210
99
120
150
210
120
30
90
210
90 120 150
180120
210
0
90
150
INF
INF
120
210
INF
INF
INF
210
90
(240)
210
210
240
100
150
120
30
90
210
90 120 150
180120
210
240
0
90
150
240
INF
120
210
INF
INF
INF
150
210
90
210
240
101
210
120
30
90
210
90 120 150
180120
210
0
90
150
240
INF
120
210
INF
INF
INF
210
210
90
240
330
102
210
120
30
90
210
90 120 150
180120
210
330
0
90
150
240
INF
120
210
330
INF
INF
210
210
90
330
450
450
103
240
120
30
90
210
90 120 150
180120
210
450
450
0
90
150
240
450
120
210
330
INF
450
240
210
90
450
450
480
104
330
120
30
90
210
90 120 150
180120
210
480
0
90
150
240
450
120
210
330
480
450
330
210
90
450
480
105
450
120
30
90
210
90 120 150
180120
210
0
90
150
240
450
120
210
330
480
450
450
210
90
480
106
450
120
30
90
210
90 120 150
180120
210
0
90
150
240
450
120
210
330
480
450
450
210
90
107
480
120
30
90
210
90 120 150
180120
210
0
90
150
240
450
120
210
330
480
450
480
210
90
0
90
150
240
450
120
210
330
480
450
108
120
30
90
210
90 120 150
180120
210
210
90
•
109
•
•
O(E)	
110
•
•
O(E)	
•
sort
111
(Priority	Queue)
112
•
113
•
(Priority	Queue)
114
•
(Priority	Queue)
115
•
(Priority	Queue)
116
•
(Priority	Queue)
117
•
(Priority	Queue)
118
•
(Priority	Queue)
119
•
(Priority	Queue)
120
•
(Priority	Queue)
•
• First	In,	First	Out	
121
(Priority	Queue)
122
123
#include	<queue>
priority_queue< >	pq;
pq.push(x); O(log	n)
pq.top(); O(1)
pq.pop(); O(log	n)
pq.empty(); O(1)
n:	pq
•
O(E)	
•
124
•
O(E)	
•
O(log	E)
O(E	log	E)
125
•
126
•
•
127
128
•
O(VE)
O(E	log	E)
129
•
O(VE)
O(E	log	E)
•
•
130
0
INF
INF
INF
0
131
10
30
−100
−50 20
0
30
10
INF
10
30
132
10
30
−100
−50 20
0
0 30
10
0
30
10
INF
30
133
10
30
−100
−50 20
10
10
0
30
−20
50
−20
50
134
10
30
−100
−50 20
30
30
−20 50
50
135
10
30
−100
−50 20
−20
0
30
−20
50
−20
−50
136
10
30
−100
−50 20
50
0
30
−50
50
−50 50
137
10
30
−100
−50 20
−50
0
30
−50
50
−50
•
•
138
•
•
•
V
139
•
•
•
V
140
•
141
(Warshall–Floyd	algorithm)
dp
•
142
(Warshall–Floyd	algorithm)
dp
•
143
dp
90 210 120
90
210 90 30
90 210 120 210
210
120 30 90
120 90 120
120 150 180
150
210 180
•
144
dp
0 90 210 120
90 0
210 0 90 30
90 0 210 120 210
210 0
120 30 0 90
120 90 0 120
120 0 150 180
150 0
210 180 0
145
•
dp
0 90 210 120
90 0
210 0 90 30
90 0 210 120 210
210 0
120 30 0 90
120 90 0 120
120 0 150 180
150 0
210 180 0
for(int k =	0;	k <	V;	k++)
for(int i	=	0;	i	<	V;	i++)
for(int j =	0;	j <	V;	j++)
dp[i][j]	=	min(dp[i][j],	dp[i][k]	+	dp[k][j]);
146
•
dp
0 90 150 240 450 120 210 330 480 450
90 0 240 330 540 210 300 420 570 540
150 240 0 90 300 30 120 240 390 300
240 330 90 0 210 120 120 240 390 300
450 540 300 210 0 330 330 450 600 420
120 210 30 120 330 0 90 210 360 330
210 300 120 120 330 90 0 120 270 300
330 420 240 240 450 210 120 0 150 180
480 570 390 390 600 360 270 150 0 300
450 540 300 210 420 330 300 180 330 0
for(int k =	0;	 k <	V;		k++)
for(int i	=	0;	 i	<	V;		i++)
for(int j =	0;	 j <	V;		j++)
dp[i][j]	=	min(dp[i][j],	 dp[i][k]	+	dp[k][j]);
•
i j
k
• O( 𝐕 𝟑)
147
for(int k =	0;	 k <	V;		k++)
for(int i	=	0;	 i	<	V;		i++)
for(int j =	0;	 j <	V;		j++)
if(dp[i][k]	!=	INF		&&		dp[k][j]	!=	INF)
dp[i][j]	=	min(dp[i][j],	 dp[i][k]	+	dp[k][j]);
•
•
148
• Dijkstra
149
• Dijkstra
150
• Dijkstra
151
•
•
•
•
•
•
•
•
•
•
•
152
153
•
•
•
•
•
•
•
•
154
•
•
•
•
155
•
156
•
•
157
•
•
•
158
•
•
•
•
159
(Spanning	Tree)
•
160
10
2
13
7
1013
7
10
2
7
2
13
7
(Spanning	Tree)
•
161
10
2
13
7
1013
7
10
2
7
2
13
7
(Spanning	Tree)
•
162
10
2
13
7
1013
7
10
2
7
2
13
7
163
v e
a b
d
•
v		e
𝑎+ 𝑏+ 𝑑+
𝑎^ 𝑏^ 𝑑^
•
1	≤	v	≤	100
1	≤	e,	d	≤	10000
164
•
165
•
166
160
45
135
260
125 180 135
170130
240
175
110
•
•
167
(Prim’s	MST	algorithm)
29
7 61
43
•
•
168
(Prim’s	MST	algorithm)
7 61
29 43
160
45
135
125 180 135
170130
240
175
110
0
INF
INF
INF
INF
INF
INF
INF
INF
INF
0
169
(Priority	Q)
260
0
160
45
135
125 180 135
170130
240
175
110
USED
INF
INF
INF
INF
INF
INF
INF
INF
INF
170
0
(Priority	Q)
260
0
160
45
135
125 180 135
170130
240
175
110
USED
110
175
INF
INF
160
INF
INF
INF
INF
110
160
175
171
175
160
110
(Priority	Q)
260
0
160
45
135
125 180 135
170130
240
175
110
USED
USED
175
INF
INF
160
INF
INF
INF
INF
160
175
172
110
(110)
(Priority	Q)
260
110
160
45
135
125 180 135
170130
240
175
110
USED
USED
175
INF
INF
160
INF
INF
INF
INF
160
175
173
(110)
(Priority	Q)
260
110
160
45
135
125 180 135
170130
240
175
110
USED
USED
45
INF
INF
USED
125
INF
INF
INF
45
125
175
174
160
45
125
(160)
(Priority	Q)
260
270
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
135
INF
USED
125
INF
INF
INF
125
135
175
175
45
(Priority	Q)
135
260
315
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
130
INF
USED
USED
180
INF
INF
130
135
175
180
176
125
(Priority	Q)
130
440
180
260
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
260
USED
USED
180
INF
240
135
175
180
240
260
177
130
(Priority	Q)
260
240260
570
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
260
USED
USED
180
INF
240
175
180
240
260
178
135
(Priority	Q)
260
570
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
260
USED
USED
180
INF
240
180
240
260
179
175
(Priority	Q)
260
570
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
260
USED
USED
USED
135
170
135
170
240
260
180
180
(Priority	Q)
170
135
260
750
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
260
USED
USED
USED
USED
170
170
240
260
181
135
(Priority	Q)
260
885
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
260
USED
USED
USED
USED
USED
240
260
182
170
(Priority	Q)
260
1055
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
260
USED
USED
USED
USED
USED
260
183
240
(Priority	Q)
260
1055
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
USED
USED
USED
USED
USED
USED
184
260
(Priority	Q)
260
1315
160
45
135
125 180 135
170130
240
175
110
USED
USED
USED
USED
USED
USED
USED
USED
USED
USED
185
(Priority	Q)
260
1315
U
X	
X	 U\X	 e	
e T’
1. T’ e	
2.
X	 U\X	 e	 e’
3. T’ e’	 e
4. e	 e’	 e	
e
186
U
X	
X	 U\X	 e	
e T’
1. T’ e	
2.
X	 U\X	 e	 e’
3. T’ e’	 e
4. e	 e’	 e	
e
187
e
e
U
X	
X	 U\X	 e	
e T’
1. T’ e	
2.
X	 U\X	 e	 e’
3. T’ e’	 e
4. e	 e’	 e	
e
188
T‘
U
X	
X	 U\X	 e	
e T’
1. T’ e	
2.
X	 U\X	 e	 e’
3. T’ e’	 e
4. e	 e’	 e	
e
189
T‘ +	e
e
e’
U
X	
X	 U\X	 e	
e T’
1. T’ e	
2.
X	 U\X	 e	 e’
3. T’ e’	 e
4. e	 e’	 e	
e
190
T‘	− e’ +	e
e
•
−
+	
− USED
−
• O(E	log	E)
191
192
•
•
193
(Kruskal’s algorithm)
160
45
135
125 180 135
170130
240
175
110
194
45
110
125
130
135
135
160
170
175
180
240
260
260
0
160
135
125 180 135
170130
240
175
110
195
45
110
125
130
135
135
160
170
175
180
240
260
45
260
45
160
45
135
125 180 135
170130
240
175
110
196
45
110
125
130
135
135
160
170
175
180
240
260
260
155
160
45
135
125 180 135
170130
240
175
110
197
45
110
125
130
135
135
160
170
175
180
240
260
260
280
160
45
135
125 180 135
170130
240
175
110
198
45
110
125
130
135
135
160
170
175
180
240
260
260
410
160
45
135
125 180 135
170130
240
175
110
199
45
110
125
130
135
135
160
170
175
180
240
260
260
410
160
45
135
125 180 135
170130
240
175
110
200
45
110
125
130
135
135
160
170
175
180
240
260
260
545
160
45
135
125 180 135
170130
240
175
110
201
45
110
125
130
135
135
160
170
175
180
240
260
260
705
160
45
135
125 180 135
170130
240
175
110
202
45
110
125
130
135
135
160
170
175
180
240
260
260
875
160
45
135
125 180 135
170130
240
175
110
203
45
110
125
130
135
135
160
170
175
180
240
260
260
875
160
45
135
125
180 135
170130
240
175
110
204
45
110
125
130
135
135
160
170
175
180
240
260
260
1055
160
45
135
125 180 135
170130
240
175
110
205
45
110
125
130
135
135
160
170
175
180
240
260
260
1055
260
160
45
135
125 180 135
170130
240
175
110
206
45
110
125
130
135
135
160
170
175
180
240
260
1315
260
160
45
135
125 180 135
170130
240
175
110
207
45
110
125
130
135
135
160
170
175
180
240
260
1315
•
O(E	log	E)
208
•
O(E	log	E)
•
O(E)
209
•
O(E	log	E)
•
O(E)
•
210
211
• Union-Find	Tree
(disjoint-set	forest)
Union-Find	Tree
212
•
213
Union-Find	Tree
•
•
214
Union-Find	Tree
•
•
215
Union-Find	Tree
•
•
•
216
Union-Find	Tree
•
•
•
217
Union-Find	Tree
218
Union-Find	Tree
O(n)
219
Union-Find	Tree
n:
O(n)
220
Union-Find	Tree
n:
•
221
Union-Find	Tree
•
222
Union-Find	Tree
•
O(α(n))
223
Union-Find	Tree
n:
•
O(α(n))
• α(n)
𝜶 𝟐 𝟐 𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
− 𝟑 = 𝟒
224
Union-Find	Tree
n:
•
O(α(n))
• α(n)
𝜶 𝟐 𝟐 𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
− 𝟑 = 𝟒
O(1)
225
Union-Find	Tree
n:
•
O(E	log	E)
•
O(E)
•
226
•
O(E	log	E)
•
O(E)
•
O(1)
O(E	log	E)	+	O(E)	=	O(E	log	E)	
227
228
229
•
Union-Find	Tree
230
•
Union-Find	Tree
•
•
O(E)	
•
231
•
•
232
•
•
•
233

Contenu connexe

Tendances

[DL輪読会]Recent Advances in Autoencoder-Based Representation Learning
[DL輪読会]Recent Advances in Autoencoder-Based Representation Learning[DL輪読会]Recent Advances in Autoencoder-Based Representation Learning
[DL輪読会]Recent Advances in Autoencoder-Based Representation LearningDeep Learning JP
 
ウェーブレット木の世界
ウェーブレット木の世界ウェーブレット木の世界
ウェーブレット木の世界Preferred Networks
 
[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...
[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...
[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...Deep Learning JP
 
強化学習の分散アーキテクチャ変遷
強化学習の分散アーキテクチャ変遷強化学習の分散アーキテクチャ変遷
強化学習の分散アーキテクチャ変遷Eiji Sekiya
 
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術についてAIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術についてFixstars Corporation
 
強化学習その2
強化学習その2強化学習その2
強化学習その2nishio
 
勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとは勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとはTakuya Akiba
 
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured PredictionDeep Learning JP
 
競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性Hibiki Yamashiro
 
Union find(素集合データ構造)
Union find(素集合データ構造)Union find(素集合データ構造)
Union find(素集合データ構造)AtCoder Inc.
 
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展Deep Learning JP
 
SNS とゲーム理論 ~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論 ~人はなぜ投稿するのか?~Fujio Toriumi
 
スパースモデリング入門
スパースモデリング入門スパースモデリング入門
スパースモデリング入門Hideo Terada
 
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門までAttentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門までAGIRobots
 
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
強化学習技術とゲーム AI  〜 今できる事と今後できて欲しい事 〜強化学習技術とゲーム AI  〜 今できる事と今後できて欲しい事 〜
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜佑 甲野
 
[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video Recognition[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video RecognitionDeep Learning JP
 
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説Takateru Yamagishi
 
Variational AutoEncoder
Variational AutoEncoderVariational AutoEncoder
Variational AutoEncoderKazuki Nitta
 

Tendances (20)

[DL輪読会]Recent Advances in Autoencoder-Based Representation Learning
[DL輪読会]Recent Advances in Autoencoder-Based Representation Learning[DL輪読会]Recent Advances in Autoencoder-Based Representation Learning
[DL輪読会]Recent Advances in Autoencoder-Based Representation Learning
 
動的計画法を極める!
動的計画法を極める!動的計画法を極める!
動的計画法を極める!
 
ウェーブレット木の世界
ウェーブレット木の世界ウェーブレット木の世界
ウェーブレット木の世界
 
[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...
[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...
[DL Hacks]Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternati...
 
強化学習の分散アーキテクチャ変遷
強化学習の分散アーキテクチャ変遷強化学習の分散アーキテクチャ変遷
強化学習の分散アーキテクチャ変遷
 
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術についてAIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
AIチップ戦国時代における深層学習モデルの推論の最適化と実用的な運用を可能にするソフトウェア技術について
 
強化学習その2
強化学習その2強化学習その2
強化学習その2
 
勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとは勉強か?趣味か?人生か?―プログラミングコンテストとは
勉強か?趣味か?人生か?―プログラミングコンテストとは
 
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
 
競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性競技プログラミングにおけるコードの書き方とその利便性
競技プログラミングにおけるコードの書き方とその利便性
 
Union find(素集合データ構造)
Union find(素集合データ構造)Union find(素集合データ構造)
Union find(素集合データ構造)
 
[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展[DL輪読会]Control as Inferenceと発展
[DL輪読会]Control as Inferenceと発展
 
SNS とゲーム理論 ~人はなぜ投稿するのか?~
SNS とゲーム理論~人はなぜ投稿するのか?~SNS とゲーム理論~人はなぜ投稿するのか?~
SNS とゲーム理論 ~人はなぜ投稿するのか?~
 
スパースモデリング入門
スパースモデリング入門スパースモデリング入門
スパースモデリング入門
 
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門までAttentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
 
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
強化学習技術とゲーム AI  〜 今できる事と今後できて欲しい事 〜強化学習技術とゲーム AI  〜 今できる事と今後できて欲しい事 〜
強化学習技術とゲーム AI 〜 今できる事と今後できて欲しい事 〜
 
[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video Recognition[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video Recognition
 
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
 
楕円曲線と暗号
楕円曲線と暗号楕円曲線と暗号
楕円曲線と暗号
 
Variational AutoEncoder
Variational AutoEncoderVariational AutoEncoder
Variational AutoEncoder
 

Plus de HCPC: 北海道大学競技プログラミングサークル

Plus de HCPC: 北海道大学競技プログラミングサークル (20)

写像 12 相
写像 12 相写像 12 相
写像 12 相
 
ACPC 2017 Day3 F: 掛け算は楽しい
ACPC 2017 Day3 F: 掛け算は楽しいACPC 2017 Day3 F: 掛け算は楽しい
ACPC 2017 Day3 F: 掛け算は楽しい
 
ACPC 2017 Day3 D: 優柔不断
ACPC 2017 Day3 D: 優柔不断ACPC 2017 Day3 D: 優柔不断
ACPC 2017 Day3 D: 優柔不断
 
ACPC 2019 Day3 G: Restricted DFS
ACPC 2019 Day3 G: Restricted DFSACPC 2019 Day3 G: Restricted DFS
ACPC 2019 Day3 G: Restricted DFS
 
ACPC 2019 Day3 F: 部分文字列分解
ACPC 2019 Day3 F: 部分文字列分解ACPC 2019 Day3 F: 部分文字列分解
ACPC 2019 Day3 F: 部分文字列分解
 
ACPC 2019 Day3 E: 総和の切り取り
ACPC 2019 Day3 E: 総和の切り取りACPC 2019 Day3 E: 総和の切り取り
ACPC 2019 Day3 E: 総和の切り取り
 
ACPC 2019 Day3 B: パフェ
ACPC 2019 Day3 B: パフェACPC 2019 Day3 B: パフェ
ACPC 2019 Day3 B: パフェ
 
ACPC 2019 Day3 A: 間違い探し
ACPC 2019 Day3 A: 間違い探しACPC 2019 Day3 A: 間違い探し
ACPC 2019 Day3 A: 間違い探し
 
HUPC 2019 Day2 G: 木
HUPC 2019 Day2 G: 木HUPC 2019 Day2 G: 木
HUPC 2019 Day2 G: 木
 
HUPC 2019 Day2 E: ジャム
HUPC 2019 Day2 E: ジャムHUPC 2019 Day2 E: ジャム
HUPC 2019 Day2 E: ジャム
 
HUPC 2019 Day2 H: Revenge of UMG
HUPC 2019 Day2 H: Revenge of UMGHUPC 2019 Day2 H: Revenge of UMG
HUPC 2019 Day2 H: Revenge of UMG
 
HUPC 2019 Day2 F: MOD Rush
HUPC 2019 Day2 F: MOD RushHUPC 2019 Day2 F: MOD Rush
HUPC 2019 Day2 F: MOD Rush
 
HUPC 2019 Day2 C: 串刺し
HUPC 2019 Day2 C: 串刺しHUPC 2019 Day2 C: 串刺し
HUPC 2019 Day2 C: 串刺し
 
HUPC 2019 Day1 F: グリッドの番号
HUPC 2019 Day1 F: グリッドの番号HUPC 2019 Day1 F: グリッドの番号
HUPC 2019 Day1 F: グリッドの番号
 
HUPC 2019 Day1 E: 最短経路の復元
HUPC 2019 Day1 E: 最短経路の復元HUPC 2019 Day1 E: 最短経路の復元
HUPC 2019 Day1 E: 最短経路の復元
 
HUPC 2019 Day1 D: 貪欲が最適?
HUPC 2019 Day1 D: 貪欲が最適?HUPC 2019 Day1 D: 貪欲が最適?
HUPC 2019 Day1 D: 貪欲が最適?
 
HUPC 2019 Day1 C: 短絡評価
HUPC 2019 Day1 C: 短絡評価HUPC 2019 Day1 C: 短絡評価
HUPC 2019 Day1 C: 短絡評価
 
HUPC 2019 Day1 B: 自身の 2 倍
HUPC 2019 Day1 B: 自身の 2 倍HUPC 2019 Day1 B: 自身の 2 倍
HUPC 2019 Day1 B: 自身の 2 倍
 
HUPC 2019 Day1 A: four tea
HUPC 2019 Day1 A: four teaHUPC 2019 Day1 A: four tea
HUPC 2019 Day1 A: four tea
 
Convex Hull Trick
Convex Hull TrickConvex Hull Trick
Convex Hull Trick
 

最短経路問題 & 最小全域木