newhaneul

# Baekjoon 11724번: 연결 요소의 개수 import sys from collections import deque input = sys.stdin.readline N, M = map(int, input().split()) visited = [None for _ in range(N+1)] graph = [[] for _ in range(N+1)] cnt = 0 for i in range(M): u, v = map(int, input().split()) graph[u].append(v) graph[v].append(u) def BFS(i): global cnt q = deque() q.append(graph[i]) visited[i] = True while q: for v in q.popleft(..

# Baekjoon 1931번: 회의실 배정 import sys input = sys.stdin.readline N = int(input()) room = [] for i in range(N): start, end = map(int, input().split()) room.append((start, end)) room = sorted(room, key = lambda x: x[0]) room = sorted(room, key = lambda x: x[1]) room_max = 0 present_end = 0 for s, e in room: if present_end 6, 10 으로 정렬이 되면 6, 10을 카운트하지 못하기에 고려해야 한다.

# Baekjoon 2178번: 미로 탐색 import sys from collections import deque input = sys.stdin.readline N, K = map(int, input().split()) maze = [[] for _ in range(N)] visited = [[] for _ in range(N+1)] for i in range(N): for j in range(K): visited[i].append(0) for i in range(N): maze_num = input() for j in maze_num: maze[i].append(j) def BFS(): visited[0][0] = 1 queue = deque() queue.append((0, 0)) while qu..

# Baekjoon 1697번: 숨바꼭질 import sys from collections import deque input = sys.stdin.readline N, K = map(int, input().split()) visited = [0] * 2000002 def BFS(pos): queue = deque() queue.append(pos) visited[N] = 1 while queue: c = queue.popleft() if c == K: return visited[c]-1 for i in (c-1, c+1, 2*c): if visited[i] == 0 and 0

# Baekjoon 1541번: 잃어버린 괄호 import sys input = sys.stdin.readline equation = input().strip() token = [] num = "" for i in range(len(equation)): # 파싱 알고리즘 토큰화 if equation[i] == '-' or equation[i] == '+': token.append(equation[i]) else: num += equation[i] if i

본 포스팅은 밑바닥부터 시작하는 딥러닝1을 토대로 공부한 내용을 정리하기 위한 포스팅입니다. 해당 도서에 나오는 Source Code 및 자료는 GitHub를 참조하여 진행하였습니다. https://github.com/WegraLee/deep-learning-from-scratch 합성곱 신경망(Convolutional neural network, CNN)은 이미지 인식과 음성 인식 등 다양한 곳에서 사용된다. 특히 이미지 인식 분야에서 딥러닝을 활용한 기법은 거의 다 CNN을 기초로 하고 있다. 7.1 전체구조 CNN은 합성곱 계층(convolutional layer)와 풀링 계층(pooling layer)로 구성된다. 지금까지 공부한 신경망은 인접하는 계층의 모든 뉴런과 결합되어 있었다. 이를 완전연..

본 포스팅은 밑바닥부터 시작하는 딥러닝1을 토대로 공부한 내용을 정리하기 위한 포스팅입니다. 해당 도서에 나오는 Source Code 및 자료는 GitHub를 참조하여 진행하였습니다. GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016)『ゼロから作る Deep Learning』(O'Reilly Japan, 2016). Contribute to oreilly-japan/deep-learning-from-scratch development by creating an account on GitHub.github.com 6.1 매개변수 갱신 지금까지 공부한 신경망 학습의 목적은 손실 함수의 값을 ..

1. Numpy 배열 생성하기 import numpy as np # 1차원 배열 생성 array1 = np.array([1,3,5,6,7,9]) array1 # 출력: array([1, 3, 5, 6, 7, 9]) # 0으로 채워진 배열 생성 np.zeros(5) # 출력: array([0., 0., 0., 0., 0.]) # 범위를 지정하여 배열 생성 np.arange(10) #0~9까지 이어지는 array가 생성, for문 range와 비슷함 # 출력: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) np.arange(4,17,3) #시작점, 끝점, 간격 순으로 파라미터를 활용 가능 # 출력: array([ 4, 7, 10, 13, 16]) 인덱싱과 슬라이싱 ex_array = n..