Submit Search
Upload
カードの取り合い
•
Download as PPTX, PDF
•
0 likes
•
462 views
理
理玖 川崎
Follow
JOI模擬本戦問題5の解説です
Read less
Read more
Technology
Report
Share
Report
Share
1 of 22
Download now
Recommended
石油
石油
理玖 川崎
JOI模擬本戦問題4の解説です
釣り
釣り
理玖 川崎
JOI模擬本戦問題3の解説です
反転
反転
gotoloop
JOI模擬本選1の解説です ソースコード読んだほうがわかりやすいかもしれません
区間和剰余クエリ
区間和剰余クエリ
理玖 川崎
JOI模擬本戦問題2の解説です
解説:吹奏楽部
解説:吹奏楽部
理玖 川崎
F問題の解説です
WAVE_WITH_GLSL
WAVE_WITH_GLSL
理玖 川崎
このスライドはComgGIg2で発表したものです。 GLSLで簡単な波を作成しました。
解説:歩くNPCたち
解説:歩くNPCたち
理玖 川崎
技術室奥プログラミングコンテスト、E問題の解説です。
解説:デバッグ
解説:デバッグ
理玖 川崎
技術室奥プログラミングコンテスト#2、H問題の解説です。
Recommended
石油
石油
理玖 川崎
JOI模擬本戦問題4の解説です
釣り
釣り
理玖 川崎
JOI模擬本戦問題3の解説です
反転
反転
gotoloop
JOI模擬本選1の解説です ソースコード読んだほうがわかりやすいかもしれません
区間和剰余クエリ
区間和剰余クエリ
理玖 川崎
JOI模擬本戦問題2の解説です
解説:吹奏楽部
解説:吹奏楽部
理玖 川崎
F問題の解説です
WAVE_WITH_GLSL
WAVE_WITH_GLSL
理玖 川崎
このスライドはComgGIg2で発表したものです。 GLSLで簡単な波を作成しました。
解説:歩くNPCたち
解説:歩くNPCたち
理玖 川崎
技術室奥プログラミングコンテスト、E問題の解説です。
解説:デバッグ
解説:デバッグ
理玖 川崎
技術室奥プログラミングコンテスト#2、H問題の解説です。
RNNで頑張ろう
RNNで頑張ろう
理玖 川崎
JOI夏季セミナー2017で発表しました。
ユークリッド最小全域木
ユークリッド最小全域木
理玖 川崎
JOI夏季セミナー2016で発表したスライドです
解説:ボス
解説:ボス
理玖 川崎
技術室奥プログラミングコンテスト#2、I問題の解説です。
解説:貢物
解説:貢物
理玖 川崎
技術室奥プログラミングコンテスト#2、G問題の解説です。
解説:エンブレム
解説:エンブレム
理玖 川崎
技術室奥プログラミングコンテスト、D問題の解説です。
線形識別によるパターン認識
線形識別によるパターン認識
理玖 川崎
線形識別ができません
解説:サポーター
解説:サポーター
理玖 川崎
D問題の解説です
解説:おおきな数を作った
解説:おおきな数を作った
理玖 川崎
G問題の解説です
ReonHata_便利の副作用に気づかせるための発想支援手法の評価---行為の増減の提示による気づきへの影響---
ReonHata_便利の副作用に気づかせるための発想支援手法の評価---行為の増減の提示による気づきへの影響---
Matsushita Laboratory
我々はこれまで,新たなモノを産出する過程において「便利にすること」によって副次的に生じる課題を「便利の副作用」と定義し,その低減を目的としてアイディアの発想支援手法を提案してきた. これまでの研究では,便利前後の行為の増減に着目することにより便利の副作用への気づきの誘発が示唆されたものの,行為の増減の提示による便利の副作用への気づきへの影響は十分に検討できていなかった. そのため,本稿では行為の提示により便利の副作用に気づき,それを防いだアイディアの発想の支援が可能かの検証を目的として実験を行い,その有効性について検証する. 実験では,行為の増減の提示の有無によりアイディア発想にどのような影響を与えるか検証を行う.
JSAI_類似画像マッチングによる器への印象付与手法の妥当性検証_ver.3_高橋りさ
JSAI_類似画像マッチングによる器への印象付与手法の妥当性検証_ver.3_高橋りさ
0207sukipio
JSAI2024の発表スライドです.
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.
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
キンドリル ネットワークアセスメントサービスご紹介 今のネットワーク環境は大丈夫? 調査〜対策までご支援します
キンドリル ネットワークアセスメントサービスご紹介 今のネットワーク環境は大丈夫? 調査〜対策までご支援します
Takayuki Nakayama
キンドリルネットワークアセスメントサービス
This is the company presentation material of RIZAP Technologies, Inc.
This is the company presentation material of RIZAP Technologies, Inc.
chiefujita1
RIZAPテクノロジーズ株式会社の会社説明資料です。
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
Toru Tamaki
Ce Zheng, Wenhan Wu, Chen Chen, Taojiannan Yang, Sijie Zhu, Ju Shen, Nasser Kehtarnavaz, Mubarak Shah, "Deep Learning-Based Human Pose Estimation: A Survey" arXiv2020 https://arxiv.org/abs/2012.13392
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
harmonylab
Generating Automatic Feedback on UI Mockups with Large Language Modelsを和訳紹介したものです
遺伝的アルゴリズムと知識蒸留による大規模言語モデル(LLM)の学習とハイパーパラメータ最適化
遺伝的アルゴリズムと知識蒸留による大規模言語モデル(LLM)の学習とハイパーパラメータ最適化
t m
オープンエンドな進化から着想を得て、個々の大規模言語モデル(LLM)が、グループとして学習を進めながら、ノームエージェントとして機能するという概念を探求しています。これは、単一のモデルでは難しい複雑な問題を解決することを目的としています。具体的な方法として、遺伝的アルゴリズムと知識蒸留を組み合わせた学習プロセスを提案しています。知識蒸留によって学習を進め、同時に遺伝的アルゴリズムでハイパーパラメータを最適化することで、より効率的な学習を目指します。ドメインタスクとして、指示からPythonコードを生成するコード生成タスクを選択しました。実験では、学習に3つの学習モデルと1つの教師モデルを使用しました。その結果、HumanEvalのpass@1で精度が1.2%向上し、学習が進むにつれて学習率が最適化された兆候が見られました。しかし、大幅な精度向上を達成し、さまざまなハイパーパラメータを最適化するには、まだ課題が残っています。
More Related Content
More from 理玖 川崎
RNNで頑張ろう
RNNで頑張ろう
理玖 川崎
JOI夏季セミナー2017で発表しました。
ユークリッド最小全域木
ユークリッド最小全域木
理玖 川崎
JOI夏季セミナー2016で発表したスライドです
解説:ボス
解説:ボス
理玖 川崎
技術室奥プログラミングコンテスト#2、I問題の解説です。
解説:貢物
解説:貢物
理玖 川崎
技術室奥プログラミングコンテスト#2、G問題の解説です。
解説:エンブレム
解説:エンブレム
理玖 川崎
技術室奥プログラミングコンテスト、D問題の解説です。
線形識別によるパターン認識
線形識別によるパターン認識
理玖 川崎
線形識別ができません
解説:サポーター
解説:サポーター
理玖 川崎
D問題の解説です
解説:おおきな数を作った
解説:おおきな数を作った
理玖 川崎
G問題の解説です
More from 理玖 川崎
(8)
RNNで頑張ろう
RNNで頑張ろう
ユークリッド最小全域木
ユークリッド最小全域木
解説:ボス
解説:ボス
解説:貢物
解説:貢物
解説:エンブレム
解説:エンブレム
線形識別によるパターン認識
線形識別によるパターン認識
解説:サポーター
解説:サポーター
解説:おおきな数を作った
解説:おおきな数を作った
Recently uploaded
ReonHata_便利の副作用に気づかせるための発想支援手法の評価---行為の増減の提示による気づきへの影響---
ReonHata_便利の副作用に気づかせるための発想支援手法の評価---行為の増減の提示による気づきへの影響---
Matsushita Laboratory
我々はこれまで,新たなモノを産出する過程において「便利にすること」によって副次的に生じる課題を「便利の副作用」と定義し,その低減を目的としてアイディアの発想支援手法を提案してきた. これまでの研究では,便利前後の行為の増減に着目することにより便利の副作用への気づきの誘発が示唆されたものの,行為の増減の提示による便利の副作用への気づきへの影響は十分に検討できていなかった. そのため,本稿では行為の提示により便利の副作用に気づき,それを防いだアイディアの発想の支援が可能かの検証を目的として実験を行い,その有効性について検証する. 実験では,行為の増減の提示の有無によりアイディア発想にどのような影響を与えるか検証を行う.
JSAI_類似画像マッチングによる器への印象付与手法の妥当性検証_ver.3_高橋りさ
JSAI_類似画像マッチングによる器への印象付与手法の妥当性検証_ver.3_高橋りさ
0207sukipio
JSAI2024の発表スライドです.
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.
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
キンドリル ネットワークアセスメントサービスご紹介 今のネットワーク環境は大丈夫? 調査〜対策までご支援します
キンドリル ネットワークアセスメントサービスご紹介 今のネットワーク環境は大丈夫? 調査〜対策までご支援します
Takayuki Nakayama
キンドリルネットワークアセスメントサービス
This is the company presentation material of RIZAP Technologies, Inc.
This is the company presentation material of RIZAP Technologies, Inc.
chiefujita1
RIZAPテクノロジーズ株式会社の会社説明資料です。
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
Toru Tamaki
Ce Zheng, Wenhan Wu, Chen Chen, Taojiannan Yang, Sijie Zhu, Ju Shen, Nasser Kehtarnavaz, Mubarak Shah, "Deep Learning-Based Human Pose Estimation: A Survey" arXiv2020 https://arxiv.org/abs/2012.13392
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
harmonylab
Generating Automatic Feedback on UI Mockups with Large Language Modelsを和訳紹介したものです
遺伝的アルゴリズムと知識蒸留による大規模言語モデル(LLM)の学習とハイパーパラメータ最適化
遺伝的アルゴリズムと知識蒸留による大規模言語モデル(LLM)の学習とハイパーパラメータ最適化
t m
オープンエンドな進化から着想を得て、個々の大規模言語モデル(LLM)が、グループとして学習を進めながら、ノームエージェントとして機能するという概念を探求しています。これは、単一のモデルでは難しい複雑な問題を解決することを目的としています。具体的な方法として、遺伝的アルゴリズムと知識蒸留を組み合わせた学習プロセスを提案しています。知識蒸留によって学習を進め、同時に遺伝的アルゴリズムでハイパーパラメータを最適化することで、より効率的な学習を目指します。ドメインタスクとして、指示からPythonコードを生成するコード生成タスクを選択しました。実験では、学習に3つの学習モデルと1つの教師モデルを使用しました。その結果、HumanEvalのpass@1で精度が1.2%向上し、学習が進むにつれて学習率が最適化された兆候が見られました。しかし、大幅な精度向上を達成し、さまざまなハイパーパラメータを最適化するには、まだ課題が残っています。
Recently uploaded
(8)
ReonHata_便利の副作用に気づかせるための発想支援手法の評価---行為の増減の提示による気づきへの影響---
ReonHata_便利の副作用に気づかせるための発想支援手法の評価---行為の増減の提示による気づきへの影響---
JSAI_類似画像マッチングによる器への印象付与手法の妥当性検証_ver.3_高橋りさ
JSAI_類似画像マッチングによる器への印象付与手法の妥当性検証_ver.3_高橋りさ
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
キンドリル ネットワークアセスメントサービスご紹介 今のネットワーク環境は大丈夫? 調査〜対策までご支援します
キンドリル ネットワークアセスメントサービスご紹介 今のネットワーク環境は大丈夫? 調査〜対策までご支援します
This is the company presentation material of RIZAP Technologies, Inc.
This is the company presentation material of RIZAP Technologies, Inc.
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
遺伝的アルゴリズムと知識蒸留による大規模言語モデル(LLM)の学習とハイパーパラメータ最適化
遺伝的アルゴリズムと知識蒸留による大規模言語モデル(LLM)の学習とハイパーパラメータ最適化
カードの取り合い
1.
カードの取り合い maroon
2.
問題概要 • 二人の人が、相手のカードを何枚か取る、という操作を交互 に行う • 初期状態と、カードをとる枚数を変化させるクエリが来る •
それぞれのクエリ後について、最終的な状態を求める
3.
小課題1 • 愚直にシミュレートします
4.
考察 • 初期状態で、場にあるカードの枚数の合計をSとする • カードをとる操作において、JOI君のカードの枚数xは、 x=min(x+Ai,S)
または x=max(x-Ai,0) という変化をする
5.
考察 • i が奇数の時
Bi=Ai、偶数の時Bi=-Ai とおくと、カードをとる 操作における、JOI君のカードの枚数xの変化は、 x=min(max(x+Bi,0),S) となる。
6.
小課題2 • ※この小課題は満点解法とは関係ありません
7.
小課題2 • 初期状態が変化しないので、当然Sも変化しない • すると、x=min(max(x+Bi,0),S)という関数は、O(1)でマージす ることができる。 •
よってSegmentTreeにこれを乗せると、O(QlogN)で解ける
8.
小課題3 • Sが変化するので、x=min(max(x+Bi,0),S)のマージが大変 • Sによらない性質を考える
9.
小課題3 • まず簡単のために、x=x+Bi として、その変化を折れ線グラ フにしてみる
10.
小課題3 • x=min(max(x+Bi,0),S)は、この折れ線の上下に壁がついて、 その壁を超えることができなくなったものだとみなせる
11.
小課題3 • abs(Bi)≧abs(B{i+1})≦abs(B{i+2})なるiが存在するとき、 Bi=Bi+B{i+1}+B{i+2}として、B{i+1},B{i+2}を削除してよい
12.
小課題3 • この操作を繰り返すと最終的には、abs(Bi)がある地点まで単 調増加し、その後単調減少する、という風になる
13.
小課題3 • この折れ線の通る最高地点をTop,最低地点をBottomとする • abs(Bi)が最大の線分は、TopとBottomを結んでいる
14.
小課題3 • ある初期状態から始めて、折れ線が一度も壁にぶつからない 場合、最終状態は自明に求められる
15.
小課題3 • ある初期状態から始めて、折れ線が壁にぶつかる場合、Top かBottomの少なくとも一方に必ずぶつかる
16.
小課題3 • よって、TopかBottomにぶつかった後だけ考えればよく、 ここではabs(Bi)が単調減少している • abs(Bi)≧Sを満たしているところでは、必ず壁にぶつかる •
逆に、abs(Bi)<Sを満たすところでは、abs(Bi)の単調性から、 必ず壁にぶつからない
17.
小課題3 • よって、abs(Bi)<Sとなる最小のiを求めればよい • abs(Bi)の単調性から、これは二分探索で求められる •
一つの初期状態につきO(logN)で求められるので、 全体でO(QlogN)
18.
小課題4 • 全部変化するのでもっと大変 • でも小課題3がわかれば簡単
19.
小課題4 • クエリをsqrt(Q)個ごとにバケットに分ける。 • 一つのバケットの処理がO(N+Q)でできたらうれしい
20.
小課題4 • あるバケット内で、カードを取る枚数が変化するものは精々 sqrt(Q)個なので、これについては愚直に処理してよい • 残った、カードを取る枚数が変化しない部分を高速に処理し たい
21.
小課題4 • カードを取る枚数が変化しない部分は、小課題3と同じよう に処理する • カードを取る枚数が変化しない部分はsqrt(Q)個、初期状態が sqrt(Q)個なので、合計でO(N+QlogN)でできそう
22.
小課題4 • logを落としたい・・・落としたくない? • logは二分探索でついてくるが、あらかじめ初期状態の方をS でソートしておくと、ソート列をマージする要領で、二分探 索のlogが落ちる •
一つのバケットがO(N+Q)で処理できたので、 全体でO((N+Q)sqrt(Q))
Download now