SlideShare a Scribd company logo
素数判定法
Produced by DEGwer
問題
• 素数判定の多項式時間アルゴリズムは知られて
  いなかった(最近発見された)
• どちらにせよ、オーダーが悪いので乱択で対処
  したい

おいsqrt(n)まで割るだけでも余裕で多項式
時間じゃないか垢消せ
「多項式時間」とは
• 「入力サイズ」に対する多項式時間で処理しな
  ければならない
• 「入力サイズ」とはこの場合素数をbitで表した
  時のbit長
• 「対数についての多項式」オーダーでやらなけ
  ればならない
• よってO(sqrt p)は指数時間
乱択アルゴリズムとは
• 乱数を入力とした決定性アルゴリズムをたくさ
  ん実行していろいろするアルゴリズム

• 実際やばげなオーダーの問題を高速化できる
乱択アルゴリズム(モンテカルロ)
• 片側誤りモンテカルロ法
• 素数判定の乱択アルゴリズムではこれを用いる
• 誤って合成数を素数と判定してしまうことも
反復二乗法
• a^nはO(log n)で求められる

• aをbit列にエンコードして二乗していく
 ▫ 蟻本にのってる
Fermatの小定理
• 任意の素数pに対し、任意のpの倍数でない正整
  数aに対して、a^p-1≡1(mod p)

• Ex.4^6=4096≡1(mod 7)とか
対偶
• さっきの命題の対偶をとると?

• 互いに素な正整数a,nに対してa^n≢1(mod n)な
  らばnは合成数
フェルマーテスト
• フェルマーテストとはこれを使った素数判定法
• 素数かどうか判定したい数nに対し、多くのaに
  対してa^nがmod nで1と合同かをみる
• 合同でなければ合成数
• 合同であるものが適当な回数やっても見つから
  なければ素数
• うまくいきそう?
実はやばい
• 実は、カーマイケル数とかいう合成数が無限に
  存在(訴訟不可避)
 ▫ 最小は561
• 任意のnと互いに素なaに対し、a^n≡1(mod n)が
  成り立つ
• これらの数については、フェルマーテストでは
  合成数だと判定できない
SSSA
• じつは、条件に尐し制約を設けることでそのよ
  うな数はないようにできる

• 判定する数を、mod 4で3と合同なものに限る

• すると、カーマイケル数のようなやばい数は存
  在しない
平方剰余
• 平方剰余とは
• p:primeとして、x^2≡a(mod p)なるxが存在する
  場合、aはmod pで平方剰余
• そうでなければ、aはmod pで平方非剰余

• たとえば、2はmod 7で4の二乗なので平方剰余
平方剰余かどうかの判定
• 平方剰余の第一補充則、第二補充則、相互法則
  を使えば判定可能
• これはpの対数時間で求まる
Eulerの基準
• aがmod pで平方剰余ならば、a^((p-
  1)/2)≡1(mod p)
• そうでなければ、その値は-1と合同
証明
• p=2の場合は自明なので、pは奇数としてよい
• p=2p’+1とおくと、0≡a^(p-1)-1=(a^p’-
  1)(a^p’+1)
• 環Zp上での零因子は0だけなので、a^p’はmod p
  で1か-1と合同
証明
• aがmod pで平方剰余の時、a≡x^2なるxが存在
• Fermatの小定理より、a^p’≡x^(p-1)≡1
証明
• 平方非剰余の時、a^p’≡1として矛盾を導く
• pは素数なので、Zp-{0}の生成元gが存在して
  a≡g^(2k+1)と書ける
 ▫ 生成元とは、その数の累乗で群の要素がすべて表
   せるような元
証明
• aにg^(2k+1)を代入してほげほげすると、
    a^((p-1)/2)≡g^((p-1)/2)が示せる
• gは生成元なので、途中で1になるとすべての元
  を生成できず矛盾
Eulerの基準(再掲)
• aがmod pで平方剰余ならば、a^((p-
  1)/2)≡1(mod p)
• そうでなければ、その値は-1と合同
SSSAのアイデア
• 尐なくとも半分の数に対してはa^((n-1)/2)が{1,-
  1}に含まれないことを利用

• 多くの数で計算を行えば誤判定の確率は十分低
  くなる
証明
• a^((n-1)/2)∈{1,-1}となるとき、aをEuler的であ
  るという
• Mod 4 で3と合同な場合、ZnにEuler的でない可
  逆元が存在
 ▫ これは直積とか同型とか中国剰余定理とか言って
   ると示せる
証明
• 先ほどの元をbとおく
• まず、Euler的である集合にbをかける写像は単
  射
 ▫ 消去律みたいなものが言える
証明
• この写像によって、Euler的である元はEuler的
  でない元に移る
 ▫ Euler的な元aに対し、(ab)^((n-1)/2)≢±(b^((n-
   1)/2))であるので、abはEuler的でない
SSSA
• 以上によって、mod 4で3と合同な合成数ならラ
  ンダムにaを選べば半分以上の確率で合成数だと
  いえる

• 適当な回数繰り返せば大丈夫そう
SSSAの欠点
• やはり限られた数しか対応できないところが欠
  点

• 別のアプローチを考える必要あり
Legendre記号
• Leg[a/p](p:prime)をこのように定義する
• Leg[a/p]=1(aがmod pで平方剰余の時)
• -1(そうでないとき)

• Eulerの基準より、Leg[a/p]=a^((p-1)/2)mod p
  である
Jacobi記号
• Legendre記号の一般化
• すべての素因数に対してのLegendre記号をかけ
  わせたもの
Jacobi記号
• Jacobi記号にも平方剰余の相互法則とかのよう
  なものが使える

• Jac[a/n]がgcd(a,n)=1のとき定義できる

• log nの多項式時間でJacobi記号が計算可能
Solovay-Strassenアルゴリズム
• Jacobi記号を使ったモンテカルロアルゴリズム

• nが合成数ならばJac[a/n]≢a^((n-1)/2)(mod n)
  となるaが半分以上存在することを使う
証明
• nが素数の場合はJac[a/n]=Leg[a/n]なのでその
  ようなことは起こらない

• nが合成数の場合、Jac[a/n]≡a^((n-1)/2)となるa
  は高々半分となることを示す
 ▫ この集合をWとする
証明
• Wは乗法に関して群になる
▫ Jac[ab/n]=Jac[a/n]*Jac[b/n]、Jacobi記号をかけ
  ることによって単位元は単位元にうつり、あきら
  かに結合法則はみたし、a,nは互いに素なので逆元
  も存在
証明
• よって、WはZn*の部分群なので、Lagrangeの
  定理よりWの位数(元の数)はφ(n)の約数
 ▫ Lagrangeの定理は剰余群を考えることで示せる
 ▫ φはEuler関数
証明
• あとは、W=Zn*とならないことを示せばよい

• ある要素をとってくるとそれがWに含まれない
  ことがわかる
▫ 証明は長いので省略
Solovay-Strassenアルゴリズム
• さきほどのSSSAと同様、合成数は各aにおいて
  素数と判定される確率は1/2であるので、十分な
  回数操作を繰り返せばよさそう
Miller-Rabinアルゴリズム
• 現在素数判定に一番使われているアルゴリズム

• 同じように、「合成数であることの証拠」を探
  す乱択
アイデア
• nが合成数であることの平方根に関する証拠を探
  す
• 平方根に関する証拠とは
平方根に関する証拠
• 合成数nに対し、n-1=s*2^mとおく(ただし,sは
  奇数)
• a^n-1≢1(mod n)または、
  あるjが存在して、a^(s*2^(m-j))≡1かつ
  a^(s*2^(m-j-1))が{1,-1}にふくまれない
平方根に関する証拠
• 要するに、フェルマーの小定理が成り立たない
  か、そうでなければ次々に1の平方根をとってき
  たときに{1,-1}以外の値が出てきたら合成数
証明
• nが素数の場合、a^(s*2^(m-j))≡1に対し、
• 0≡a^(s*2^(m-j))-1=(a^(s*2^(m-j-1))-1)
  (a^(s*2^(m-j-1))+1)
• nは素数なので零元は0以外に存在しない
• よってa^(s*2^(m-j-1))∈{1,-1}
証明
• 尐なくとも半分のaに対して、nが合成数の場合
  にこれが証拠となる(すなわち、Fermatの小定理
  が成り立たないまたは平方根をとっていったと
  きに1,-1以外の値が現れる)ことを示す
証明
• n以下でnと互いに素な数の集合をZn*とする
• 証拠となる数の集合をW,ならない数の集合をX
  とする
• XはZn*に含まれる
▫ Xに属する数はa^(n-1)≡1(mod n)を満たすので、
  a^(n-2)はaの逆元となるため
証明
• Xを含み、Zn*の真の部分群となるBが存在すれ
  ば、尐なくとも半分は証拠である
▫ 先ほどのLagrangeの定理より
証明
• nがカーマイケル数でない場合
• Bをa^(n-1)≡1を満たす集合とする
• これは空でなく演算に関して閉じているので群
• nはカーマイケル数ではないのでBに含まれない
  Zn*の元が存在
• 証拠とならない元に対し、a^(n-1)≡1なのでX⊂B
証明
•   nがカーマイケル数の時
•   長いので概略だけ
•   Bをa^(s*2^j)が{1,-1}に含まれる集合とする
•   これは群なので、Zn*の部分群
•   また、これに含まれないZn*の元が生成できる
Miller-Rabinアルゴリズム
• これも、合成数を素数という確率は1/2以下

• もう尐し頑張ると1/4以下であることが言えてす
  ごく優秀
• 実装すごく軽い
• 拡張リーマン予想を認めると、決定性多項式時
  間アルゴリズムになる
実際に実行してみる
• 何か素数かどうか判定してほしい奇数を言って
  ください #きゅうり不正 #問題文は全部読みま
  しょう
AKS素数判定法
• 2002年に、Agrawel,Kayal,Saxenaによっ
  て”PRIMES is in P”という論文が発表される
• 素数判定の決定性多項式時間アルゴリズムが存
  在することが初めて示される
AKS素数判定法
• しかし、O(log^12 n)として発表されたので実用
  性はない
 ▫ 数体篩法と呼ばれる方法で素因数分解を求めるよ
   りも遅い
 ▫ O(log^7.5 n)であることや、拡張リーマン予想を
   認めるとO(log^6 n)であることが分かっている
   が、依然使い物にならない
アイデア
• 実際は乱択
• しかし、ある範囲に必ず合成数であることの証
  拠があることが示されている
• よって決定性アルゴリズムとなる
アイデア
• Fermatの小定理の拡張
• 多項式Xと,nと互いに素なaに対し、nが合成数
  であることは(X+a)^n≢X^n+a(mod n)となるこ
  とと同値
 ▫ これは二項定理を使うと示せる
アイデア
• これだとまだ大変なので、いい感じのrをとって
  きてmod X^r-1で考える
• これでaをたくさん動かせば、いくつか動かした
  ところで厳密になる
アルゴリズム
• まず、nが累乗数なら素数と出力し終了
▫ その後の処理が累乗数だと使えないため
アルゴリズム
• 位数が4 log^2 nより大きくなる最小のrを求める
 ▫ 位数とはn^e≡1(mod r)なる最小のeのこと
 ▫ rはlog^5 nオーダーに収まる
アルゴリズム
• r以下にnと互いに素でない数がないか確認
▫ あると、のちのアルゴリズムが動かない
▫ あれば、合成数と出力して終了
アルゴリズム
• nがr以下ならば素数と出力して終了
▫ 先ほど全部見たため
アルゴリズム
• 1からfloor(2sqrt(φ(r))log n)まで、(X+a)^nが
  X^n+aとmod X^r-1,nで合同になるかを判定
アルゴリズム
• 見つかれば合成数
• 見つからなければ素数
実際
• 拡張リーマン予想を認めてもO(log^6 n)なので
  使い物にならない
• しかも実装がクッソ重い

• Miller-Rabinあたりが現実的
ありがとうございました
• hogloidさんの発表をお聞きください(期待)

More Related Content

What's hot

平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
Takuya Akiba
 
道路網における経路探索のための前処理データ構造
道路網における経路探索のための前処理データ構造道路網における経路探索のための前処理データ構造
道路網における経路探索のための前処理データ構造
Atsushi Koike
 
Nazoki
NazokiNazoki
Nazoki
Ken Ogura
 
「統計的学習理論」第1章
「統計的学習理論」第1章「統計的学習理論」第1章
「統計的学習理論」第1章
Kota Matsui
 
Fractional cascading
Fractional cascadingFractional cascading
Fractional cascading
Nariaki Tateiwa
 
ダブリング
ダブリングダブリング
ダブリング
satanic
 
20190721 gaussian process
20190721 gaussian process20190721 gaussian process
20190721 gaussian process
Yoichi Tokita
 
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
Takuya Akiba
 
行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術
Yoshihiro Mizoguchi
 
Rolling Hashを殺す話
Rolling Hashを殺す話Rolling Hashを殺す話
Rolling Hashを殺す話
Nagisa Eto
 
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
Kensuke Otsuki
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムTakuya Akiba
 
双対性
双対性双対性
双対性
Yoichi Iwata
 
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
Takeshi Mikami
 
第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知
Tetsuma Tada
 
指数時間アルゴリズム入門
指数時間アルゴリズム入門指数時間アルゴリズム入門
指数時間アルゴリズム入門
Yoichi Iwata
 
確率的主成分分析
確率的主成分分析確率的主成分分析
確率的主成分分析
Mika Yoshimura
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
 
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
Preferred Networks
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心takehikoihayashi
 

What's hot (20)

平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
 
道路網における経路探索のための前処理データ構造
道路網における経路探索のための前処理データ構造道路網における経路探索のための前処理データ構造
道路網における経路探索のための前処理データ構造
 
Nazoki
NazokiNazoki
Nazoki
 
「統計的学習理論」第1章
「統計的学習理論」第1章「統計的学習理論」第1章
「統計的学習理論」第1章
 
Fractional cascading
Fractional cascadingFractional cascading
Fractional cascading
 
ダブリング
ダブリングダブリング
ダブリング
 
20190721 gaussian process
20190721 gaussian process20190721 gaussian process
20190721 gaussian process
 
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
プログラミングコンテストでのデータ構造 2 ~平衡二分探索木編~
 
行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術行列計算を利用したデータ解析技術
行列計算を利用したデータ解析技術
 
Rolling Hashを殺す話
Rolling Hashを殺す話Rolling Hashを殺す話
Rolling Hashを殺す話
 
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
二部グラフの最小点被覆と最大安定集合と最小辺被覆の求め方
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
 
双対性
双対性双対性
双対性
 
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
 
第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知
 
指数時間アルゴリズム入門
指数時間アルゴリズム入門指数時間アルゴリズム入門
指数時間アルゴリズム入門
 
確率的主成分分析
確率的主成分分析確率的主成分分析
確率的主成分分析
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
 
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 

Viewers also liked

競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系tmaehara
 
Cf219 d1e
Cf219 d1eCf219 d1e
Cf219 d1eDEGwer
 
08. artisocレシピブック ダイクストラ法を高速化しよう
08. artisocレシピブック ダイクストラ法を高速化しよう08. artisocレシピブック ダイクストラ法を高速化しよう
08. artisocレシピブック ダイクストラ法を高速化しよう
Masaki Tamada
 
競技プログラミングにおけるMajorization
競技プログラミングにおけるMajorization競技プログラミングにおけるMajorization
競技プログラミングにおけるMajorization
skyaozora
 
ぷよぷよAIの新しい探索法
ぷよぷよAIの新しい探索法ぷよぷよAIの新しい探索法
ぷよぷよAIの新しい探索法
Takaya Doki
 
計算量とオーダー
計算量とオーダー計算量とオーダー
計算量とオーダー
京大 マイコンクラブ
 
色々なダイクストラ高速化
色々なダイクストラ高速化色々なダイクストラ高速化
色々なダイクストラ高速化
yosupo
 
競技プログラミングのためのC++入門
競技プログラミングのためのC++入門競技プログラミングのためのC++入門
競技プログラミングのためのC++入門
natrium11321
 
最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く
shindannin
 
本当にあった怖い話 ~大学生はプログラミングをしてはいけない~
本当にあった怖い話 ~大学生はプログラミングをしてはいけない~本当にあった怖い話 ~大学生はプログラミングをしてはいけない~
本当にあった怖い話 ~大学生はプログラミングをしてはいけない~
happo31
 
アルゴリズムのイメージを擬人化する
アルゴリズムのイメージを擬人化するアルゴリズムのイメージを擬人化する
アルゴリズムのイメージを擬人化する
AtCoder Inc.
 
実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)
AtCoder Inc.
 
競技プログラミング頻出アルゴリズム攻略
競技プログラミング頻出アルゴリズム攻略競技プログラミング頻出アルゴリズム攻略
競技プログラミング頻出アルゴリズム攻略
K Moneto
 
AtCoderに毎回参加したくなる仕組み
AtCoderに毎回参加したくなる仕組みAtCoderに毎回参加したくなる仕組み
AtCoderに毎回参加したくなる仕組み
AtCoder Inc.
 

Viewers also liked (15)

競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系競技プログラミングでの線型方程式系
競技プログラミングでの線型方程式系
 
Cf219 d1e
Cf219 d1eCf219 d1e
Cf219 d1e
 
08. artisocレシピブック ダイクストラ法を高速化しよう
08. artisocレシピブック ダイクストラ法を高速化しよう08. artisocレシピブック ダイクストラ法を高速化しよう
08. artisocレシピブック ダイクストラ法を高速化しよう
 
競技プログラミングにおけるMajorization
競技プログラミングにおけるMajorization競技プログラミングにおけるMajorization
競技プログラミングにおけるMajorization
 
ぷよぷよAIの新しい探索法
ぷよぷよAIの新しい探索法ぷよぷよAIの新しい探索法
ぷよぷよAIの新しい探索法
 
計算量とオーダー
計算量とオーダー計算量とオーダー
計算量とオーダー
 
色々なダイクストラ高速化
色々なダイクストラ高速化色々なダイクストラ高速化
色々なダイクストラ高速化
 
競技プログラミングのためのC++入門
競技プログラミングのためのC++入門競技プログラミングのためのC++入門
競技プログラミングのためのC++入門
 
計算量
計算量計算量
計算量
 
最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く最小カットを使って「燃やす埋める問題」を解く
最小カットを使って「燃やす埋める問題」を解く
 
本当にあった怖い話 ~大学生はプログラミングをしてはいけない~
本当にあった怖い話 ~大学生はプログラミングをしてはいけない~本当にあった怖い話 ~大学生はプログラミングをしてはいけない~
本当にあった怖い話 ~大学生はプログラミングをしてはいけない~
 
アルゴリズムのイメージを擬人化する
アルゴリズムのイメージを擬人化するアルゴリズムのイメージを擬人化する
アルゴリズムのイメージを擬人化する
 
実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第一回 講義資料(ワークスアプリケーションズ & AtCoder)
 
競技プログラミング頻出アルゴリズム攻略
競技プログラミング頻出アルゴリズム攻略競技プログラミング頻出アルゴリズム攻略
競技プログラミング頻出アルゴリズム攻略
 
AtCoderに毎回参加したくなる仕組み
AtCoderに毎回参加したくなる仕組みAtCoderに毎回参加したくなる仕組み
AtCoderに毎回参加したくなる仕組み
 

Recently uploaded

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
 
【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
 
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
 
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
 
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
 
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.
 
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
 
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.
 
【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: 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: 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
 
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
 
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
 
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
 

Recently uploaded (15)

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
 
【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
 
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 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 Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.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。
 
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
 
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
 
【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: 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: 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...
 
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...
 
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
 
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)
 

素数判定法