巡回セールスマンの計算量はO(n)というのはなんとなくわかるのですが動的計画法を使った時はO(n^2×2^n)というのが何故だ... - Yahoo!知恵袋
python、Q学習について質問です。 以下のコードでプログラムを実行しましたが、実行時エラーが出て、出力が途中で止まってしまいました。エラー内容が表示されず、どのように改善すれば良いのか分からないので、原因が分かる方、ご回答よろしくお願いいたします。 【入力コード】 import math import random GENMAX=1000 NODENO=15 ALPHA=0.1 GAMMA=0.9 EPSILON=0.3 SEED=32767 def selecta(olds,qvalue): if random.random()<EPSILON: if(random.randint(0,1)==0): s=2*olds+1 else: s=2*olds+
C++でブルームフィルタを実装する方法 | POSTD
ブルームフィルタとは、「ある要素が集合のメンバである可能性があるか、それとも確実に集合のメンバではないか」を効果的に確認することのできるデータ構造です。この記事では、C++でブルームフィルタを実装する簡単な方法をご紹介します。 ブルームフィルタとは何なのか 、また、 その背後にある多くの数学的要素 については紹介していませんので、ご了承ください。これらのトピックに関しては、素晴らしいリソースがあるので、そちらを参考にしてください。 インターフェイス まずは、ブルームフィルタを定義していきましょう。ここでは、3つのパブリック関数を定義していきます。 コンストラクタ ブルームフィルタにアイテムを追加する関数 アイテムがブルームフィルタにある可能性を確認するためのクエリを行う関数 また、フィルタの状態を保持するビットの配列を含んだ、メンバ変数についても定義します。 #include <vecto
ソフトウェアのための統計学 – 前編 | POSTD
ソフトウェア開発の原点は可能性の追求であり、不可能を可能にすることです。ひとたび ソフトウェア が開発されると、エンジニアは次に 程度 という課題に向き合うことになります。企業向けのソフトウェアであれば、「速度はどれくらいか」と頻繁に問われ、「信頼性はどの程度か」という点が重視されます。 ソフトウェアのパフォーマンスに関する質問に答え、さらには正しい内容を語る上で欠かせないのが統計学です。 とはいえ、統計学について多くを語れる開発者はそうはいません。まさに数学と同じで、一般的なプロジェクトで統計学が話題に上ることなどないのです。では、新規にコーディングをしたり、古いコードのメンテナンスをしたりする合間に、手が空くのは誰でしょうか？ エンジニアの方は、ぜひ時間を作ってください。近頃は、15分でも貴重な時間と言えるでしょうから、 こちらの記事をブックマークに追加 しておいてもいいでしょう。とに
単位元と逆元
これからは、 $\displaystyle{a{\circ}b}$ と書かずに、二項演算子の記号を省略して $\displaystyle{ab}$ と書くことがあります。 この表記を見たら、「二項演算子の記号が省略されてるんだな〜」と考えてください。 さて、$\displaystyle{\mathbb{S}}$を半群とします。 半群とは、結合法則を持った二項演算子が定義されている集合のことでした。 このとき、ある$\displaystyle{\mathbb{S}}$の元$\displaystyle{e}$が存在して、 $\displaystyle{\mathbb{S}}$の全ての元$\displaystyle{a}$に対し、 $\displaystyle{ae=ea=a}$ が成り立っているとします。 このとき$\displaystyle{e}$のことを単位元と言います。 例えば、普通の足
点の集合を包含する球
IPSJ Magazine Vol.43 No.9 Sep. 2002 1009 点の集合を包含する球 ishihata@cs.meiji.ac.jp 3 (x1, y1), (x2, y2), (x3, y3) S = � � (y3y1)(x2x1)(y2y1)(x3x1) (y3y1)(x2x1) (y2y1)(x3x1) 3 1 2 3 (convex hull) 1 3 2001 11 H ■幾何の問題に関する一般論 1 1 2 20% 2 3 3 x-y 3 2 43 9 2002 9 1010 1 ■問題：点の集合を包含する球 3 n n 4 30 x-y-z x y z 0 100 0.01 5 0.00001 6 10 7 typedef struct { double x, y, z; } pos; int n; pos point[30]; p
g++拡張・tree - hogloidのブログ
g++拡張にpb_ds(policy based data structure)というのがあって、その中に便利なtreeというのがあります。 細かい使い方まとめみたいなページは見つかりませんでしたが、コンテストでの主な用法をまとめておきます。c++のsetの上位互換みたいな感じで使えます。 CF・TopCoderでは使えます。 用意: g++の新しそうなやつを使う #include<ext/pb_ds/assoc_container.hpp> #include<ext/pb_ds/tree_policy.hpp> #include<ext/pb_ds/tag_and_trait.hpp> using namespace __gnu_pbds; 宣言: tree<key,null_type,less<key>,rb_tree_tag,tree_order_statistics_node_up
Sign in - Google Accounts
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
はてなグループの終了日を2020年1月31日(金)に決定しました - はてなの告知
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
TopCoder SRM div2 Hard 100問100答
ホームに戻る TopCoder SRM div2 Hard 100問100答 ０、はじめに div2 Hard は難易度的には div1 medium より簡単なイメージ。 SRM div2 Hard を 500 から 599 までやってみました。 どんな傾向があるかを探ってみます。 これ以降の記述の利用方法としては、 ・問題の意味を簡単に知りたい。 ・どんな問題がでるかの傾向を知りたい。 ・各問題のジャンルを大雑把に知りたい。 ・各ジャンルのおすすめ問題を知りたい。 ・各問題の解き方の考え方を知りたい。 以上で利用できるかと思います。 １、傾向分析 ジャンルを以下の７ジャンルに分けてみます。 ・実装問題（３４問） ・動的計画法（４３問） ・数学問題（５問） ・確率、期待値（５問） ・幾何の問題（７問） ・グラフ（７問） ・数え上げ（４問） 実装は総当りや貪欲、シミュレーションなど。 動的
やさしいハフ(Hough)変換講座 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 概要 ハフ(Hough)変換は、画像の中から直線や円などの図形を検出したい際によく用いられる手法の一つです。検出精度は高いですが、その分演算負荷が高く、またメモリも多く消費するなどの欠点があります。 しかし、理論が美しいことから、ぜひ覚えておきたい画像処理アルゴリズムの一つだと私は思いました。以下の記述は、次の記事を参考にしています。 Hough変換による画像からの直線や円の検出：CodeZine（コードジン） そもそもハフ変換って何を変換してるの？ 端的に言えば、座標系を変換しています。これだけでは何を言っているのかが分かりづらいと思
基本的なテンプレートマッチング
概要 テンプレートマッチングはテンプレート画像を入力画像で走査させ，入力画像上の各位置における類似度を算出し， 最大（もしくは，しきい値以上）の類似度をとる位置を検出する手法です． 本ページではテンプレートマッチングの基本的な類似度指標である，Sum of Abusolute Difference(SAD), Sum of Squared Difference(SSD)，Normalized Cross-Correlation(NCC)， Zero-means Normalized Cross-Correlation(ZNCC)について解説します． Sum of Abusolute Difference(SAD)，Sum of Squared Difference(SSD) SADはテンプレートfと入力画像gの濃度値の差の絶対値和，SSDは差の2乗和です． 「各画素値の違いの量」の累積値な
パターンマッチング（正規化相関など） 画像処理ソリューション
このとき、テンプレートと画像データがどれだけ似ているか？という評価値（類似度または相違度）にはいくつかあり、次に示すような値を用います。 以下の式において、テンプレートの輝度値の値をT(i,j)、画像の輝度値の値をＩ(i,j)とします。 座標の（ｉ，ｊ）はテンプレートの幅をｍ画素、高さをｎ画素としたとき、 左上（もしくは左下）を（0,0）、右下（もしくは右上）を（m-1、n-1）とします。 SSD(Sum of Squared Difference)ＳＳＤはテンプレートをラスタスキャンし、同じ位置の画素の輝度値の差の２乗の合計が用いられます。 ＳＳＤの値が小さいほど、似ている位置となります。 SAD(Sum of Absolute Difference)ＳＡＤはテンプレートをラスタスキャンし、同じ位置の画素の輝度値の差の絶対値の合計が用いられます。 ＳＡＤの値が小さいほど、似ている位置とな
視覚の幾何学 1
1 視覚の幾何学１ 呉海元＠和歌山大学 参考書 佐藤 淳： 「コンピュータビジョン －視覚の幾何学－」 コロナ社 ? projections Single view geometry Camera model Single view geom. 画像内の一点と3次元空間中の光線の関係 投影（Projections）・射影関係によって決定 ⇒ この関係を記述するカメラモデルが複数ある カメラモデル（Camera model） ? 投影による3次元空間から2次元画像への変換 レンズによる写真投影（物理モデル） ピンホールカメラ投影 射影・透視変換（中心投影） 正射影（平行投影） 平行投影・正射影モデル (Orthographic) 投影面 理想・簡単 ) , ( ) , , ( y x Z Y X 3D point 2D image position 投影中心 投影面 物理モデルに一番近い
動的計画法入門（数え上げ） - ペケンペイのブログ
数え上げ系の DP について説明する。 この記事は DP 初心者を対象にしている。DP やるだけみたいなことを一度でも考えたことがある人は対象にしていない。 例題 次の問題を考えてみよう。 N 桁以下の 3 の倍数はいくつあるか。 N が小さければ全列挙できる。i 桁の数がすべて列挙できていれば、その後ろに 0～9 を付け足せば i+1 桁の数をすべて列挙できることを使う。 dp[i] := leading zero を含めて i 桁のすべての非負整数の集合 #include <iostream> #include <string> #include <vector> using namespace std; int modulo(string s, int mod) { int ret = 0; for (char c : s) ret = (ret * 10 + (c - '0'))
yukicoder No. 318 学学学学学 - pekempey's blog
(2015/12/12 2:04) 問題を勘違いしていたので一部修正しました。 問題文 http://yukicoder.me/problems/899 解法 ....t..t...t...のように1が複数個あったとしても、書き換えに影響するのは一番端にあるtだけ。そこで最初と最後を区間としてみることにする。そうするとb[i]の値はiを覆うtの最大値になる。 ある値xが最初に現れる位置がiならl[i]=x、最後に現れる位置がiならr[i]=x、それ以外のl[i]、r[i]はNILとしておけば、次のような処理でb[i]を決めていける。 for i in xrange(n): if l[i] != NIL: set.add(l[i]) b[i] = max(set) if r[i] != NIL: set.remove(r[i]) yukicoder No. 318 学学学学学 想定解 ちなみ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
データ構造とアルゴリズム - 第十二回
ゼロ平均正規化相互相関 - PukiWiki
An algorithm for efficient and exhaustive template matching
コンピュータビジョン特論
[AAAI-16] Tiebreaking Strategies for A* Search: How to Explore the Final Frontier