๋ฌธ์ ํ์๋ 2์ฐจ์ ๋ฐฐ์ด (ํญ์ 2^N * 2^N ํฌ๊ธฐ์ด๋ค)์ Z๋ชจ์์ผ๋ก ํ์ํ๋ ค๊ณ ํ๋ค. ์๋ฅผ ๋ค์ด, 2*2๋ฐฐ์ด์ ์ผ์ชฝ ์์นธ, ์ค๋ฅธ์ชฝ ์์นธ, ์ผ์ชฝ ์๋์นธ, ์ค๋ฅธ์ชฝ ์๋์นธ ์์๋๋ก ๋ฐฉ๋ฌธํ๋ฉด Z๋ชจ์์ด๋ค. ๋ง์ฝ, 2์ฐจ์ ๋ฐฐ์ด์ ํฌ๊ธฐ๊ฐ 2^N * 2^N๋ผ์ ์ผ์ชฝ ์์ ์๋ ์นธ์ด ํ๋๊ฐ ์๋๋ผ๋ฉด, ๋ฐฐ์ด์ 4๋ฑ๋ถ ํ ํ์ (ํฌ๊ธฐ๊ฐ ๊ฐ์ 2^(N-1)๋ก) ์ฌ๊ท์ ์ผ๋ก ์์๋๋ก ๋ฐฉ๋ฌธํ๋ค. ๋ค์ ์๋ 2^2 * 2^2 ํฌ๊ธฐ์ ๋ฐฐ์ด์ ๋ฐฉ๋ฌธํ ์์์ด๋ค. N์ด ์ฃผ์ด์ก์ ๋, (r, c)๋ฅผ ๋ช ๋ฒ์งธ๋ก ๋ฐฉ๋ฌธํ๋์ง ์ถ๋ ฅํ๋ ํ๋ก๊ทธ๋จ์ ์์ฑํ์์ค. ๋ค์ ๊ทธ๋ฆผ์ N=3์ผ ๋์ ์์ด๋ค. ์ ๋ ฅ ์ฒซ์งธ ์ค์ N r c๊ฐ ์ฃผ์ด์ง๋ค. N์ 15๋ณด๋ค ์๊ฑฐ๋ ๊ฐ์ ์์ฐ์์ด๊ณ , r๊ณผ c๋ 0๋ณด๋ค ํฌ๊ฑฐ๋ ๊ฐ๊ณ , 2^N-1๋ณด๋ค ์๊ฑฐ๋ ๊ฐ์ ์ ์์ด๋ค ์ถ๋ ฅ..
๋ฌธ์ ์ง๋ฏผ์ด๋ N์ชฝ์ธ ์ฑ ์ด ํ๊ถ ์๋ค. ์ฒซ ํ์ด์ง๋ 1์ชฝ์ด๊ณ , ๋ง์ง๋ง ํ์ด์ง๋ N์ชฝ์ด๋ค. ๊ฐ ์ซ์๊ฐ ๋ชจ๋ ๋ช ๋ฒ์ด ๋์ค๋์ง ์ถ๋ ฅํ๋ ํ๋ก๊ทธ๋จ์ ์์ฑํ์์ค. ์ ๋ ฅ ์ฒซ์งธ ์ค์ N์ด ์ฃผ์ด์ง๋ค. N์ 1,000,000,000๋ณด๋ค ์๊ฑฐ๋ ๊ฐ์ ์์ฐ์์ด๋ค. ์ถ๋ ฅ ์ฒซ์งธ ์ค์ 0์ด ์ด ๋ช ๋ฒ ๋์ค๋์ง, 1์ด ์ด ๋ช ๋ฒ ๋์ค๋์ง, ..., 9๊ฐ ์ด ๋ช ๋ฒ ๋์ค๋์ง๋ฅผ ์ถ๋ ฅํ๋ค. ๋์ ๋ต ์๊ณ ๋ฆฌ์ฆ ์ฒซ๋ฒ์งธ ์ฝ๋ ์์๋ฅผ ๋ง์ด ์ป๊ธฐ ์ํด ์ ์ฒด ๊ฒฝ์ฐ์ ์ ๊ตฌํ๋ ๊ฐ์ฅ ๊ฐ๋จํ ์๊ณ ๋ฆฌ์ฆ ๋จผ์ ๊ตฌํ n_list = list() for z in range(0,1): n_list.append(int(input())) for n in n_list: num_result = [0,0,0,0,0,0,0,0,0,0] for i in range(1,..
https://www.acmicpc.net/problem/4811 ๋ฌธ์ 70์ธ ๋ฐ์ข ์ ํ ์๋ฒ์ง๋ ๋งค์ผ ๋งค์ผ ์ฝ ๋ฐ์์ ๋จน๋๋ค. ์๋ ์ ์์ด๋ ์ข ์ ํ ์๋ฒ์ง์๊ฒ ์ฝ์ด N๊ฐ ๋ด๊ธด ๋ณ์ ์ ๋ฌผ๋ก ์ฃผ์๋ค. ์ฒซ์งธ ๋ ์ ์ข ์๋ ๋ณ์์ ์ฝ ํ๋๋ฅผ ๊บผ๋ธ๋ค. ๊ทธ ๋ค์, ๊ทธ ์ฝ์ ๋ฐ์ผ๋ก ์ชผ๊ฐ์ ํ ์กฐ๊ฐ์ ๋จน๊ณ , ๋ค๋ฅธ ์กฐ๊ฐ์ ๋ค์ ๋ณ์ ๋ฃ๋๋ค. ๋ค์ ๋ ๋ถํฐ ์ข ์๋ ๋ณ์์ ์ฝ์ ํ๋ ๊บผ๋ธ๋ค. (์ฝ์ ํ ์กฐ๊ฐ ์ ์ฒด ์ผ ์๋ ์๊ณ , ์ชผ๊ฐ ๋ฐ ์กฐ๊ฐ ์ผ ์๋ ์๋ค) ๋ฐ ์กฐ๊ฐ์ด๋ผ๋ฉด ๊ทธ ์ฝ์ ๋จน๊ณ , ์๋๋ผ๋ฉด ๋ฐ์ ์ชผ๊ฐ์ ํ ์กฐ๊ฐ์ ๋จน๊ณ , ๋ค๋ฅธ ์กฐ๊ฐ์ ๋ค์ ๋ณ์ ๋ฃ๋๋ค. ์ข ์๋ ์๋ ์๊ฒ ํ ์กฐ๊ฐ์ ๊บผ๋ธ ๋ ์๋ W๋ฅผ, ๋ฐ ์กฐ๊ฐ์ ๊บผ๋ธ ๋ ์๋ H ๋ณด๋ธ๋ค. ์๋ ๋ ํ ์๋ฒ์ง์๊ฒ ๋ฐ์ ๋ฌธ์๋ฅผ ์ข ์ด์ ๊ธฐ๋กํด ๋๋๋ค. ์ด 2N์ผ์ด ์ง๋๋ฉด ๊ธธ์ด๊ฐ 2N์ธ..
6.8 ๋ฌธ์ : ์๊ณ ๋ง์ถ๊ธฐ (๋ฌธ์ ID: CLOCKSYNC, ๋์ด๋: ์ค) ๋ฌธ์ 4x4 ๊ฒฉ์ ํํ๋ก ๋ฐฐ์น๋ ์ด์ฌ์ฏ ๊ฐ์ ์๊ณ๊ฐ ์์ต๋๋ค. ์ด ์๊ณ๋ค์ ๋ชจ๋ 12์, 3์, 6์, ํน์ 9์๋ฅผ ๊ฐ๋ฆฌํค๊ณ ์๋๋ฐ, ์ด ์๊ณ๋ค์ด ๋ชจ๋ 12์๋ฅผ ๊ฐ๋ฆฌํค๋๋ก ๋ฐ๊พธ๊ณ ์ถ์ต๋๋ค. ์๊ณ์ ์๊ฐ์ ์กฐ์ํ๋ ์ ์ผํ ๋ฐฉ๋ฒ์ ์ด ๊ฐ์ ์ค์์น๋ค์ ์กฐ์ํ๋ ๊ฒ์ผ๋ก, ๊ฐ ์ค์์น๋ค์ ๋ชจ๋ ์ ๊ฒ๋ ์ธ ๊ฐ์์ ๋ง๊ฒ๋ ๋ค์ฏ ๊ฐ์ ์๊ณ์ ์ฐ๊ฒฐ๋์ด ์์ต๋๋ค. ํ ์ค์์น๋ฅผ ๋๋ฅผ ๋๋ง๋ค, ํด๋น ์ค์์น์ ์ฐ๊ฒฐ๋ ์๊ณ๋ค์ ์๊ฐ์ 3์๊ฐ์ฉ ์์ผ๋ก ์์ง์ ๋๋ค. (12์์ผ๋๋ 3์๋ก, 3์=>6์, 6์ =>9์, 9์=>12์) ์ค์์น๋ค๊ณผ ๊ทธ๋ค์ด ์ฐ๊ฒฐ๋ ์๊ณ๋ค์ ๋ชฉ๋ก์ด ์ฃผ์ด์ง๊ณ ํ์ฌ ๊ฐ๋ฆฌํค๋ ์๊ฐ๋ค์ด ์ฃผ์ด์ก์ ๋ ๋ชจ๋ ์๊ณ๋ฅผ 12์๋ก ๋๋ฆฌ๊ธฐ ์ํด ์ต์ํ ..
6.5 ๋ฌธ์ : ๊ฒ์ํ ๋ฎ๊ธฐ (๋ฌธ์ ID: BOARDCOVER, ๋์ด๋: ํ) ๋ฌธ์ H X W ํฌ๊ธฐ์ ๊ฒ์ํ์ด ์์ต๋๋ค. ๊ฒ์ํ์ ๊ฒ์ ์นธ๊ณผ ํฐ ์นธ์ผ๋ก ๊ตฌ์ฑ๋ ๊ฒฉ์ ๋ชจ์์ ํ๊ณ ์๋๋ฐ ์ด ์ค ๋ชจ๋ ํฐ ์นธ์ ์ธ ์นธ์ง๋ฆฌ L์ ๋ชจ์์ ๋ธ๋ก์ผ๋ก ๋ฎ๊ณ ์ถ์ต๋๋ค. ์ด๋ ๋ธ๋ก๋ค์ ์์ ๋กญ๊ฒ ํ์ ํด์ ๋์ ์ ์์ง๋ง, ์๋ก ๊ฒน์น๊ฑฐ๋, ๊ฒ์ ์นธ์ ๋ฎ๊ฑฐ๋, ๊ฒ์ํ ๋ฐ์ผ๋ก ๋๊ฐ์๋ ์ ๋ฉ๋๋ค. ๋ค์ ๊ทธ๋ฆผ์ ํ ๊ฒ์ํ๊ณผ ์ด๋ฅผ ๋ฎ๋ ๋ฐฉ๋ฒ์ ๋ณด์ฌ์ค๋๋ค. ๊ฒ์ํ์ด ์ฃผ์ด์ง ๋ ์ด๋ฅผ ๋ฎ๋ ๋ฐฉ๋ฒ์ ์๋ฅผ ๊ณ์ฐํ๋ ํ๋ก๊ทธ๋จ์ ์์ฑํ์ธ์. ์๊ฐ ๋ฐ ๋ฉ๋ชจ๋ฆฌ ์ ํ ํ๋ก๊ทธ๋จ์ 2์ด ์์ ์คํ๋์ด์ผ ํ๋ฉฐ, 64MB ์ดํ์ ๋ฉ๋ชจ๋ฆฌ๋ฅผ ์ฌ์ฉํด์ผ๋ง ํฉ๋๋ค. ์ ๋ ฅ ์ ๋ ฅ์ ์ฒซ ์ค์๋ ํ ์คํธ ์ผ์ด์ค์ ์ C(C=0 and tmp[0]=0 and tmp[1]=0 ..
6.3 ๋ฌธ์ : ์ํ (๋ฌธ์ ID: PICNIC, ๋์ด๋: ํ) ๋ฌธ์ ์๋๋ก๋ฉ๋ค ์ ์น์ ์ต์คํ๋ ์ค๋ฐ์์๋ ๋ค์ ์ฃผ์ ์จ๋๊ณต์์ผ๋ก ์ํ์ ๊ฐ๋๋ค. ์์ ์ ์๋์ ์ํ ๋ ํ์๋ค์ ๋ ๋ช ์ฉ ์ง์ ์ง์ด ํ๋ํ๊ฒ ํ๋ ค๊ณ ํฉ๋๋ค. ๊ทธ๋ฐ๋ฐ ์๋ก ์น๊ตฌ๊ฐ ์๋ ํ์๋ค๋ผ๋ฆฌ ์ง์ ์ง์ด ์ฃผ๋ฉด ์๋ก ์ธ์ฐ๊ฑฐ๋ ๊ฐ์ด ๋์๋ค๋์ง ์๊ธฐ ๋๋ฌธ์, ํญ์ ์๋ก ์น๊ตฌ์ธ ํ์๋ค๋ผ๋ฆฌ๋ง ์ง์ ์ง์ด์ผ ํฉ๋๋ค. ๊ฐ ํ์๋ค์ ์์ ๋ํด ์ด๋ค์ด ์๋ก ์น๊ตฌ์ธ์ง ์ฌ๋ถ๊ฐ ์ฃผ์ด์ง ๋, ํ์๋ค์ ์ง ์ง์ ์ ์๋ ๋ฐฉ๋ฒ์ ์๋ฅผ ๊ณ์ฐํ๋ ํ๋ก๊ทธ๋จ์ ์์ฑํ์ธ์. ์ง์ด ๋๋ ํ์๋ค์ด ์ผ๋ถ๋ง ๋ค๋ฅด๋๋ผ๋ ๋ค๋ฅธ ๋ฐฉ๋ฒ์ด๋ผ๊ณ ๋ด ๋๋ค. ์๋ฅผ ๋ค์ด ๋ค์ ๋ ๊ฐ์ง ๋ฐฉ๋ฒ์ ์๋ก ๋ค๋ฅธ ๋ฐฉ๋ฒ์ ๋๋ค. (ํ์ฐ,์ ์์นด)(์จ๋,ํฐํ๋)(ํจ์ฐ,์ ๋ฆฌ) (ํ์ฐ,์ ์์นด)(์จ๋,์ ๋ฆฌ)(ํจ์ฐ, ํฐํ๋) ์..
์์ : ๋ณด๊ธ ๊ฒ์ (๋ฌธ์ ID: BOGGLE, ๋์ด๋: ํ) ๋ฌธ์ 5*5 ํฌ๊ธฐ์ ์ํ๋ฒณ ๊ฒฉ์๋ฅผ ๊ฐ์ง๊ณ ํ๋ ๊ฒ์. ๊ฒ์์ ๋ชฉ์ ์ ์ํ์ข์ฐ / ๋๊ฐ์ ์ผ๋ก ์ธ์ ํ ์นธ๋ค์ ๊ธ์๋ค์ ์ด์ด์ ๋จ์ด๋ฅผ ์ฐพ์๋ด๋ ๊ฒ์ ๋๋ค. ๊ฐ ๊ธ์๋ค์ ๋๊ฐ์ ์ผ๋ก๋ ์ด์ด์ง ์ ์์ผ๋ฉฐ, ํ ๊ธ์๊ฐ ๋ ๋ฒ ์ด์ ์ฌ์ฉ๋ ์๋ ์์ต๋๋ค. ์ฃผ์ด์ง ์นธ์์ ์์ํด์ ํน์ ๋จ์ด๋ฅผ ์ฐพ์ ์ ์๋์ง ํ์ธํ๋ ๋ฌธ์ ๋ฅผ ํ์ด ๋ด ์๋ค. ์ ๋ ฅ 1 1 PRETTY ์ถ๋ ฅ True ํ์ด ๊ฐ๋จํ ๋ฐฉ๋ฒ ์๊ฐ ์์ ํ์ ๋ฌธ์ ๋ถํ ์ฒซ ๊ธ์ ์ฐพ๊ธฐ => ๋ค์ ๊ธ์๋ฅผ ์ฃผ๋ณ์์ ์ฐพ๊ธฐ ๊ธฐ์ ์ฌ๋ก ์ ํ ๋ ์ด์์ ํ์ ์์ด ๊ฐ๋จํ ๋ต์ ๋ผ ์ ์๋ ๊ฒฝ์ฐ ์ฒ์ ์ฃผ์ด์ง ์์น๊ฐ ์ํ๋ ๋จ์ด์ ์ฒซ ๊ธ์๊ฐ ์๋ ๊ฒฝ์ฐ ์คํจ 1์ ํด๋นํ์ง ์๊ณ ์ํ๋ ๋จ์ด๊ฐ 1๊ธ์์ธ ๊ฒฝ์ฐ ์ฑ๊ณต ๋์ ์์๋ ๋ฐ๋..
deep neural network์์์ backpropagation backpropagation ์๋ backpropagation(์ญ์ ํ)๋ ํ์ต ๋ฐฉ์์ด ์๋๋ผ perceptron์์ loss function์ ๊ธฐ์ธ๊ธฐ๋ฅผ ๊ณ์ฐํ๋ ์๊ณ ๋ฆฌ์ฆ์ ๋ปํ์ง๋ง, ๋์ ์๋ฏธ์์๋ ๊ธฐ์ธ๊ธฐ๋ฅผ ์ด์ฉํ ํ์ต ๋ฐฉ์์ผ๋ก ์ฐ์ธ๋ค. ์ฐธ๊ณ : https://en.wikipedia.org/wiki/Backpropagation delta rule https://en.wikipedia.org/wiki/Delta_rule delta rule์ ์ ์์ ์ฆ๋ช delta rule์ backpropagation ๋ฐฉ๋ฒ ์ค ํ๋์ด๋ค. delta rule์ ์ multi-layer์์ ์ฌ์ฉํ ์ ์๋๊ฐ... ๋ณธ๋ก 5์์์ ๊ฐ์ด ์ฒ์์๋ ์ ๊ฒฝ๋งํ์ต์์ d..
Comment