본문 바로가기

분류 전체보기

 (180)
[백준2579] 계단 오르기 1. 입력파트 2. DP relating to forces that produce movement 계속 변한다. 앞으로 나아간다. 규칙성에 의해 나아간다. programming? 모든 경우의수를 찾아서 최적의 값을 구하자!!! 이전의 값이 배열에 저장되어있어야 효율적이게 된다. 1계단 - 10 2계단 - 20 or 20+10 //처음 했던 실수? 10+20만을 생각했던 것 //끝자리는 무조건 포함해야하니까 끝을 기준으로 적는다. 3계단 - 15+10 or 15+20 4계단 - 25+15+10 or 25+20+10 5계단 - 10+25+[20+10(2계단 반복)] or 10+[3계단 반복] dp[5] = arr[5]+arr[4] + dp[2] || arr[5] + dp[3]
PHP HTML이 Hyper Text Markup Language Hyper은 Link, Anchor 연결시켜준다. Text는 정보 Markup는 태그를 의미 Language는 규칙을 의미 정보를 연결시켜주는 태그 규칙을 의미한다. CSS의 Cascading Style Sheet이다. 디자인을 한꺼번에 연결시켜준다. Javascript와 PHP는 조건문과 반복문을 이용했다. JAVA 프로그래밍을 웹에 넣은 것이다. 모든 프로그래밍? 변수, 조건문과 반복문 ■ 반복문은 특정 조건에서 반복한다 - 조건에서 나오는 내용 Javascript와 PHP의 차이는? 익숙해져야 할 코드 index.php?id= 원래
[백준 9095] 1, 2, 3 더하기 1.입력 파트 int arr[12]; int dp[12]; int n; scanf("%d", &n); for(int i=0; i
[백준 1463] 1로 만들기 1.입력 파트 ​ int dp[100001]; ​ int n; scanf("%d", &n); ​ dp[1] = 0; dp[2] = 1; dp[3] = 1; ​ ​ 2. 발견적 추론 DP 파트 ​ void DP(n){ ​ if(dp[n]!=0) return; ​ if(n%2 == 0) dp[n] = MIN(dp[n/2]+1, dp[n-1]+1); if(n%3 == 0) dp[n] = MIN(dp[n/3]+1, dp[n-1]+1); ​ dp[n] = dp[n-1]+1; ​ } ​ 3. 실행 파트 ​ for(int i=2; i
[딥러닝] 이미지 분류 이론 딥러닝을 할 당시에 사람은 물체를 그림으로 보지만, 컴퓨터는 모든지 숫자로만 이해한다. 이미지를 줘도 숫자로만 확인된다. 이런 문제를 어떻게 해결할 것인지가 중요하게 된다. MLP는 사람의 뇌를 본 따서 만든 것이다. 뉴런처럼 만든것이다. 사람이 무엇인가를 보게한다? 사람이 무엇인가를 인식하고 보는 시스템을 비슷하게 만들면 컴퓨터도 무엇인가를 볼 수 있지 않을까? Convolutional Neural Network가 나오면서 이미지 분석, 음성인식 문제들이 해결되었다. Convolutional Neural Network에서는, 뇌에서는 하나의 이미지를 볼 때 새라고 한 번에 인식하는 것이 아니라 부분적으로 쪼개서 보게 된다. 마찬가지로 이미지를 여러개로 쪼갤 수 있게 된다. 01. Convolution ..
딥러닝 교재
[딥러닝] 케라스실습 03. 당뇨병 01. 문제정의 피그마 인디언 당뇨병 발병 데이터를 딥러닝 해보고 당뇨병을 예측하는 모델입니다. 02. 데이터셋 불러오기 # 1. Pandas 가져오기 import pandas as pd print(pd.__version__) # 2. 데이터 불러오기 dataset = pd.read_csv('diabetes_data.csv') dataset.head(10) # 3. X/y 나누기 X = dataset.iloc[:,:-1] y = dataset.iloc[:,-1] print(X.shape) print(y.shape) # 4. Train set, Test set 나누기 from sklearn.model_selection import train_test_split X_train,X_test,y_train,y_..
[딥러닝] 케라스실습 02. XOR Function 01. 문제 정의 AND Gate는 하나의 Node만으로도 해결할 수 있는 문제였지만, XOR Function이 나오면서 여러개의 노드를 추가시켜야 했다. 02. 데이터셋 설정 #1. Numpy 가져오기 import numpy as np #데이터 셋 설정 X = np.array([[0,0], [0,1], [1,0], [1,1]]) y = np.array([[0], [1], [1], [0]]) print(X) print(y) AND Function과 똑같지만 여기서는 출력값이 다르게 됩니다. 03. 모델 설정 # 케라스 패키지 불러오기 import Keras from keras.model import Sequential from keras.layers.core import Dense, Activation ..

티스토리툴바