문제 : 백준 9095번 _ 1,2,3 더하기 https://www.acmicpc.net/problem/9095 나의 답 # 백준 9095번: 1,2,3 더하기 # 2020-02-01 case = int(input()) # 입력받기 num = [] def cpt_num(n): if n>3: # 3보다 크면 return cpt_num(n-3) + cpt_num(n-2) + cpt_num(n-1) elif n==3: # 3이면 return 4 elif n==2: # 2이면 return 2 elif n==1: # 1이면 return 1 while case : case-=1 num.append(int(input())) for n in num: print(cpt_num(n)) 어제 배웠던 다이나믹 프로그래밍을 활..

https://www.acmicpc.net/problem/1463 나의 답 연산의 우선순위를 매겼음 1빼기 1빼고 2나누기 이러한 가정을 예제 계산만으로 확정한대서 문제가 있었지 않나 싶다. 연산에 우선순위를 두는 것은 의미가 없음 다른 답 (2020-04-19 수정) 동적 계획법(Dynamic programming)을 이용하는 방법 동적 계획법은 어떤 문제의 답을 메모리에 저장해두었다가 다시 값을 구해야할 때 중복계산이 필요없게 가져다 쓰는 기법이다. x = int(input()) count = 0 minimum = [x] def cal(x): # 주어진 행렬의 모든 수 각각에 대해서 -1, 3으로 나누기, 2로 나누기의 3가지 연산을 모..

딥러닝의 시작 이러한 multi-layer 의 forward-propagation 과정을 식으로 나타내보면, h1 = f(x11*w11+x12*w21) net = h1*w13+h2*w23 = f(x11*w11+x12*w21)*w13+f(x11*w12+x12*w22)*w23 여기서 f 즉, activation fuction이 linear한 function이라고 가정해보자. 그렇다면 f(x) = ax의 형태이므로, net = x11*a(w11*w13+w12*w23)+x12*a(w21*w13+w22*w23) 으로 나타낼 수 있다. 그리고 이러한 net은 가장 처음에 주어진 input layer에다가 상수를 곱한 꼴이므로 one-layer로 나타낼 수 있다. 즉, 여러 개의 layer를 거쳤음에도 쉬운 문제로 ..

weight의 변화 1. 랜덤 실습 one-layer perceptron weight를 랜덤으로 학습하는 퍼셉트론 만들기 input, weight 갯수는 입력받기 output은 1개로 고정 /* 2020-01-28 W.HE one-layer perceptron */ #include #include #include main() { /* variable set */ int input_num; float* input; float* w; float output = 0; float answer = 3; int try_num = 0; /* input input_num */ printf("enter number of inputs\n"); scanf_s("%d", &input_num); /* memory allocat..

신경망 학습 인간의 뇌세포 뉴런을 본딴 classifier Collection => Processing => Dissemination(전파) 과정을 거침 단일 신경망 기본 구조 뉴런 : input(입력), weight(학습, 기억), net(활성화 레벨), 활성화 함수 분석 뉴런의 weight는 학습, 기억의 역할을 함 ( ==뉴런의 기능 ) 변경되면 뉴런의 기능이 변경됨 x [input] * w [weight] = net O = f(net) [activation function] Error = T [answer] - O [f(net)] 이러한 흐름으로 계산하는 것을 forward propagation이라고 함 목표 : input에 따른 output이 정확히 분류되어 나와야 함 Error가 0에 가까워지..

인공지능의 목표 classifier 찾기 패턴 인식 여러가지 형태의 input이 f(x) 함수를 거쳐 output 으로 분류되는 것 여기서 f(x)가 classifier input ( feature ) => Classifier => Classes AI의 목표는 결국, 여러 input을 분류해 줄 분류기를 찾는 것이다. 이러한 인공지능에는 여러 종류가 있다. 인공지능의 종류 지도학습 문제지 + 정답지 => 패턴 찾기 비지도학습 데이터를 군집화하여 스스로 정답을 학습 위의 2가지 방법은 data를 주어야 학습 가능 강화학습 스스로 행동 ( 사람이 특징을 추출해 줄 필요가 없음 ) 다양한 방식으로 학습할 수 있음 신경망 학습 : 인간의 뉴런을 본땀 HW의 성능이 안 좋았던 시기에는 별로였으나 최근 두각을 나타..

인공지능이란? Artificial Intelligence 즉, 학습하는 컴퓨터 학습이란? 경험에서 나온 패턴을 가지고 다음 행동을 결정하는 것 즉, 주어진 특징을 가지고 일정한 결과를 내는 것 인공지능을 배우는 이유? ( 응용 분야 ) 영상 처리 자율주행 자동차 영상 탐색 음성 / 자연어 처리 인공지능 비서 번역기 빅데이터 추천 보안 인식기 금융 인공지능의 역사 1956년 John McCarthy가 용어 처음 사용 1980~90년대에 멀티 레이어 퍼셉트론이 나옴 2006년에 딥러닝 시작 15년 쯤 된 딥러닝