SlideShare a Scribd company logo
Problem M : Settler
作者 @dohatsutsu
問題概要
2次元平面上にN個の点があり、この中から互いのユークリッド距離が2以上はなれてい
るK個の点を選びたい。
そのような点の組み合わせの中で辞書順最小のものを出力せよ。
そのような組み合わせが存在しない場合は-1を出力せよ。
2 ≦ K ≦N ≦ 6000
i番目の点の座標 1 ≦ x_i , y_i ≦ 1,000,000
x_i mod 2 = floor( y_i ÷ 2 ) mod 2
考察
x_i mod 2 = floor( y_i ÷ 2 ) mod 2
という制約が存在している。
この制約を満たす点を全てプロットして、互いのユークリッド距離が2未満の点どうしを結
んだ図を描いてみると・・・
左の図のような2部グラフが見えると思い
ます。
そしてこの問題は、2部グラフからサイズが
Kの安定集合で、辞書順最小のものを求め
る問題と置き換えることができます。
解法
辞書順最小でサイズKの安定集合を求めるためには、辞書順最大のサイズV-Kの点カ
バーを求めればよいです。
( 点カバーに使われなかったノードの集合がそのまま安定集合になるからです )
なお、辞書順最大といっても、{4,3,2} のように降順にならべるのはだめで、必ず昇順に
なるように並べたときの辞書順最大です。
解法
2部グラフで辞書順最大でサイズMの点カバーを求めることは、左下の図のようにグラフ
を変形して、S-T間をカットできるサイズMのエッジの集合として考えらえるものの中で辞
書順最大のものを求めることとほぼ同じです。
S T
1
1
1
1
1
1
∞
∞
∞
∞
∞
解法
蟻本p193にエッジの容量を変えたときに最大流がいくつ変化するのかをO( V+E ) で求
める方法が載っています。
S-T間をカットできるサイズMのエッジの集合( SかTに繋がっているエッジのみ )として考
えらえるものの中で辞書順最大のものを求めるには、
エッジのID が小さいものから順に着目していき、今着目しているエッジの容量がINFに
なったときに最小カットがMを超えないならば今着目しているエッジを集合に追加して次
のエッジに着目します。超えてしまう場合はエッジの容量を元に戻して次のエッジに着目
します。
O(N^2)
結果
● First Submit
○ onsite
○ online
● First Accept
○ onsite
○ online
● Success Rate
○ %
■ 1つもSubmitがありませんでした。
テスター
time code size ( line )
@dohatsutsu 0.13s 124
@haji149 0.92s 122
@public_sate 0.56s 147

More Related Content

What's hot

Sharp2sat
Sharp2satSharp2sat
Sharp2satoupc
 
Integrating different data types by regularized unsupervised multiple kernel...
Integrating different data types by regularized  unsupervised multiple kernel...Integrating different data types by regularized  unsupervised multiple kernel...
Integrating different data types by regularized unsupervised multiple kernel...
Y-h Taguchi
 
春休み自由研究 コラッツ予想
春休み自由研究 コラッツ予想春休み自由研究 コラッツ予想
春休み自由研究 コラッツ予想
Akira Yamaguchi
 
数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」
Courslide
 
04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数Xin Zheng
 
Permutation
PermutationPermutation
Permutationoupc
 
Matrix Multiplication in Strassen Algorithm
Matrix Multiplication in Strassen AlgorithmMatrix Multiplication in Strassen Algorithm
Matrix Multiplication in Strassen Algorithm
Taku Miyakawa
 
領域分割法
領域分割法領域分割法
領域分割法
ADVENTURE Project
 
ダイクストラ法
ダイクストラ法ダイクストラ法
ダイクストラ法
ohsofty
 
ガウス積分の問題
ガウス積分の問題ガウス積分の問題
ガウス積分の問題
nabeshimamasataka
 
ポアンカレ計量
ポアンカレ計量ポアンカレ計量
ポアンカレ計量
政孝 鍋島
 
単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
nabeshimamasataka
 
単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
政孝 鍋島
 
単調増加と階乗
単調増加と階乗単調増加と階乗
単調増加と階乗
政孝 鍋島
 
ガウス積分
ガウス積分ガウス積分
ガウス積分
nabeshimamasataka
 
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
GM3D
 
kagamicomput201709
kagamicomput201709kagamicomput201709
kagamicomput201709
swkagami
 
kagamicomput201708
kagamicomput201708kagamicomput201708
kagamicomput201708
swkagami
 
量子情報復習
量子情報復習量子情報復習
量子情報復習
Takeru Utsugi
 

What's hot (20)

Sharp2sat
Sharp2satSharp2sat
Sharp2sat
 
Integrating different data types by regularized unsupervised multiple kernel...
Integrating different data types by regularized  unsupervised multiple kernel...Integrating different data types by regularized  unsupervised multiple kernel...
Integrating different data types by regularized unsupervised multiple kernel...
 
春休み自由研究 コラッツ予想
春休み自由研究 コラッツ予想春休み自由研究 コラッツ予想
春休み自由研究 コラッツ予想
 
数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」数学必須手法解説講座vol.1「次数下げ」
数学必須手法解説講座vol.1「次数下げ」
 
04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数04.第四章用Matlab求偏导数
04.第四章用Matlab求偏导数
 
Permutation
PermutationPermutation
Permutation
 
Matrix Multiplication in Strassen Algorithm
Matrix Multiplication in Strassen AlgorithmMatrix Multiplication in Strassen Algorithm
Matrix Multiplication in Strassen Algorithm
 
領域分割法
領域分割法領域分割法
領域分割法
 
ダイクストラ法
ダイクストラ法ダイクストラ法
ダイクストラ法
 
ガウス積分の問題
ガウス積分の問題ガウス積分の問題
ガウス積分の問題
 
ポアンカレ計量
ポアンカレ計量ポアンカレ計量
ポアンカレ計量
 
単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
 
単調増加と階数
単調増加と階数単調増加と階数
単調増加と階数
 
単調増加と階乗
単調増加と階乗単調増加と階乗
単調増加と階乗
 
ガウス積分
ガウス積分ガウス積分
ガウス積分
 
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
 
kagamicomput201709
kagamicomput201709kagamicomput201709
kagamicomput201709
 
Binary indexed tree
Binary indexed treeBinary indexed tree
Binary indexed tree
 
kagamicomput201708
kagamicomput201708kagamicomput201708
kagamicomput201708
 
量子情報復習
量子情報復習量子情報復習
量子情報復習
 

Viewers also liked

RUPC2017:全体の講評
RUPC2017:全体の講評RUPC2017:全体の講評
RUPC2017:全体の講評
Takumi Yamashita
 
M : 解説
M : 解説M : 解説
M : 解説
Takumi Yamashita
 
J : 解説
J : 解説J : 解説
J : 解説
Takumi Yamashita
 
K : 解説
K : 解説K : 解説
K : 解説
Takumi Yamashita
 
L : 解説
L : 解説L : 解説
L : 解説
Takumi Yamashita
 
I : Traffic Tree
I : Traffic TreeI : Traffic Tree
I : Traffic Tree
Takumi Yamashita
 
直前合宿 講義スライド
直前合宿 講義スライド直前合宿 講義スライド
直前合宿 講義スライド
tozan gezan
 
ICPC国内予選F解説
ICPC国内予選F解説ICPC国内予選F解説
ICPC国内予選F解説
tmaehara
 

Viewers also liked (20)

RUPC2017:L解説
RUPC2017:L解説RUPC2017:L解説
RUPC2017:L解説
 
RUPC2017:全体の講評
RUPC2017:全体の講評RUPC2017:全体の講評
RUPC2017:全体の講評
 
RUPC2017:F解説
RUPC2017:F解説RUPC2017:F解説
RUPC2017:F解説
 
M : 解説
M : 解説M : 解説
M : 解説
 
RUPC2017:K解説
RUPC2017:K解説RUPC2017:K解説
RUPC2017:K解説
 
RUPC2017:Hの解説
RUPC2017:Hの解説RUPC2017:Hの解説
RUPC2017:Hの解説
 
RUPC2017:J解説
RUPC2017:J解説RUPC2017:J解説
RUPC2017:J解説
 
RUPC2017:Aの解説
RUPC2017:Aの解説RUPC2017:Aの解説
RUPC2017:Aの解説
 
J : 解説
J : 解説J : 解説
J : 解説
 
K : 解説
K : 解説K : 解説
K : 解説
 
L : 解説
L : 解説L : 解説
L : 解説
 
I : Traffic Tree
I : Traffic TreeI : Traffic Tree
I : Traffic Tree
 
RUPC2017:Cの解説
RUPC2017:Cの解説RUPC2017:Cの解説
RUPC2017:Cの解説
 
RUPC2017:Bの解説
RUPC2017:Bの解説RUPC2017:Bの解説
RUPC2017:Bの解説
 
RUPC2017:Dの解説
RUPC2017:Dの解説RUPC2017:Dの解説
RUPC2017:Dの解説
 
RUPC2017:E解説
RUPC2017:E解説RUPC2017:E解説
RUPC2017:E解説
 
直前合宿 講義スライド
直前合宿 講義スライド直前合宿 講義スライド
直前合宿 講義スライド
 
RUPC2017:I解説
RUPC2017:I解説RUPC2017:I解説
RUPC2017:I解説
 
RUPC2017:G解説
RUPC2017:G解説RUPC2017:G解説
RUPC2017:G解説
 
ICPC国内予選F解説
ICPC国内予選F解説ICPC国内予選F解説
ICPC国内予選F解説
 

Similar to RUPC2017:M問題

PRML chapter7
PRML chapter7PRML chapter7
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM) コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
Takahiro (Poly) Horikawa
 
PRML 4.1 輪講スライド
PRML 4.1 輪講スライドPRML 4.1 輪講スライド
PRML 4.1 輪講スライド
KawaAkimune
 
主成分分析
主成分分析主成分分析
主成分分析
貴之 八木
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
Prunus 1350
 
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
 

Similar to RUPC2017:M問題 (8)

PRML chapter7
PRML chapter7PRML chapter7
PRML chapter7
 
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM) コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
コンピュータービジョン最先端ガイド2 3.4ベクトルデータに対するカーネル法(SVM)
 
PRML 4.1 輪講スライド
PRML 4.1 輪講スライドPRML 4.1 輪講スライド
PRML 4.1 輪講スライド
 
主成分分析
主成分分析主成分分析
主成分分析
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
 
SVM
SVMSVM
SVM
 
6 Info Theory
6 Info Theory6 Info Theory
6 Info Theory
 
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
 

More from Takumi Yamashita

Deposited Ranges
Deposited RangesDeposited Ranges
Deposited Ranges
Takumi Yamashita
 
0: 全体の講評
0: 全体の講評0: 全体の講評
0: 全体の講評
Takumi Yamashita
 
H : hegemony get
H : hegemony getH : hegemony get
H : hegemony get
Takumi Yamashita
 
G : 解説
G : 解説G : 解説
G : 解説
Takumi Yamashita
 
F : 解説
F : 解説F : 解説
F : 解説
Takumi Yamashita
 
E : 解説
E : 解説E : 解説
E : 解説
Takumi Yamashita
 
D : 解説
D : 解説D : 解説
D : 解説
Takumi Yamashita
 
C : 解説
C : 解説C : 解説
C : 解説
Takumi Yamashita
 
B potatoes
B  potatoesB  potatoes
B potatoes
Takumi Yamashita
 
A: 解説
A: 解説A: 解説
A: 解説
Takumi Yamashita
 

More from Takumi Yamashita (10)

Deposited Ranges
Deposited RangesDeposited Ranges
Deposited Ranges
 
0: 全体の講評
0: 全体の講評0: 全体の講評
0: 全体の講評
 
H : hegemony get
H : hegemony getH : hegemony get
H : hegemony get
 
G : 解説
G : 解説G : 解説
G : 解説
 
F : 解説
F : 解説F : 解説
F : 解説
 
E : 解説
E : 解説E : 解説
E : 解説
 
D : 解説
D : 解説D : 解説
D : 解説
 
C : 解説
C : 解説C : 解説
C : 解説
 
B potatoes
B  potatoesB  potatoes
B potatoes
 
A: 解説
A: 解説A: 解説
A: 解説
 

Recently uploaded

LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
CRI Japan, Inc.
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance
 
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
iPride Co., Ltd.
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance
 
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
atsushi061452
 
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
Fukuoka Institute of Technology
 
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
harmonylab
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance
 
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
atsushi061452
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance
 
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
NTT DATA Technology & Innovation
 
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
Matsushita Laboratory
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance
 
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
Sony - Neural Network Libraries
 
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
yassun7010
 

Recently uploaded (15)

LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
 
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
 
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
 
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
 
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
 
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
 
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
 
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
 
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
 
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
 

RUPC2017:M問題