[c++]10799번 쇠막대기 / stack
Post
원문 보기 →[c++]10799번 쇠막대기 / stack
문제는 굉장히 어려워 보이나 규칙성을 찾는다면 스택을 이용해 간단하게 해결할 수 있는 문제이다. 입력받은 string을 순차적으로 검사해괄호 ( 가 있다면 스택에 추가하고,괄호 ) 가 있다면 레이저에 의한 ')'인지 쇠막대기에 의한 ')'인지확인하여 각각의 경우를 처리해주면 된다. 레이저에의한 ) 괄호 같은 경우엔 겹쳐져있는 막대기를 한번에 자르는 것이므로 스택에 남아있는 ' ( ' 의 수를 추가하면 될 것 같다.또한 레이저가 끝났으므로 pop을 하여 앞에 남아있는 레이저의 ( 괄호 또한 삭제해준다. 쇠막대기에 의햔 ) 괄호는 쇠막대기가 끝났다는 것을 의미하므로 결과에 +1을 추가해주고, 쇠막대기의 시작을 알려주는 ( 괄호를 pop해준다. 결과값 출력을 해주면 정답을 얻어낼 수 있다. 1
Related Posts
3 posts프로그램 만드는 AI, 알파코드
프로그램 만드는 AI, 알파코드https://alphacode.deepmind.com/https://news.naver.com/main/read.naver?mode=LSD&mid=shm&sid1=105&oid=421&aid=0005880752https://www.dongascience.com/news.php?idx=52123-------------------------------------------------------------------------------------------------------------- 2012년이 딥러닝의 원년이다.2011년 Relu 함수의 출현 : vanishing gradient problem 해결, 표현력이 높은 딥러닝이 시작됨.2012년
cycleGAN
cycleGAN [unpaired image-to-image translation] How to Develop a CycleGAN for Image-to-Image Translation with Keras (machinelearningmastery.com)A Gentle Introduction to CycleGAN for Image Translation (machinelearningmastery.com)https://www.kaggle.com/upamanyumukherjee/cyclegan[Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks][1703.10593] Unpaired Image-to-Image Tran
vanishing gradient problem
vanishing gradient problemVisualizing the vanishing gradient problem (machinelearningmastery.com) 인공신경망의 성공, 즉, deep learning의 성공은 바로 vanishing gradient problem을 해결한 것에서 시작한다. 즉, 역전파 방법에서의 혁신이 이루어졌기 때문이다. 컴퓨터의 발전이 이것을 이루어 낸 것이 아니다. 매우 많은 수의 hidden layer들이 있을 때, 기울기가 감소하는 문제는 무엇인가? 이것은 학습을 진행하는데 어려움을 이야기 하는 것이다. 학습의 방향이 전달되지 않는 현상을 의미한다. 분명이 가중치를 변경시켜야하는 방향을 알고 있지만, 실제로 가중치를 바꾸지 못하는 현상을 말한다. 다시
