坂本智彦のアルゴリズム - 曜日を求める
この記事では、坂本智彦アルゴリズムとは何か、またそれを使用して指定された日付が何曜日であるかを特定する方法について説明します。曜日を知るアルゴリズムはいくつかありますが、このアルゴリズムが最も強力です。このアルゴリズムは、可能な限り短い時間と最小のスペース複雑さで、この日付が発生する月の日付を見つけます。
問題文 - グルジア暦に基づいた日付が与えられ、私たちのタスクは、坂本智彦のアルゴリズムを使用して、指定された日付が何曜日であるかを見つけることです。
###例### 入力- 日付 = 30、月 = 04、年 = 2020
出力- 指定された日付は月曜日です
入力- 日付 = 15、月 = 03、年 = 2012
出力- 指定された日付は木曜日です
入力- 日付 = 24、月 = 12、年 = 2456
出力- 指定された日付は日曜日です 坂本智彦のアルゴリズム
ここで、坂本智彦のアルゴリズムの背後にある直感について説明しましょう。
ご存知のとおり、グルジアの暦によれば、西暦 1 月 1 日は月曜日になります。
ケース 1 うるう年を無視する
最初に、すべての閏年が無視される場合、つまり 1 年が 365 日である場合について説明します。
1 月は 31 日で、1 週間は 7 日なので、1 月には 7*4 の 3 日があると言えます。つまり、2 月の初日は常に 1 月の初日の 3 日後です。
2 月は 28 日あり (閏年を除く)、これ自体は 7 の倍数なので、3 月 1 日は 2 月 1 日と同じ日になると言えます。つまり、3 月 1 日も 3 1 になります。月の 1 日からの日数。 p>
さて、4 月の場合、3 月は 31 日あり、7*4 3 になります。つまり、3 月 1 日の 3 日後に発生することになります。したがって、4月1日は1月1日の6日後であると言えます。
ここで、arr[i] が 1 月 1 日を基準とした第 i 月以降の追加日数を表す配列を構築します。
arr[] = {0, 3, 3, 6, 1, 4, 6, 2, 5, 0, 3, 5} となります。
ケース 2 うるう年
次に、うるう年の状況について説明します。
4 年ごとに 1 日が計算に追加されますが、100 年ごとではありません。この余分な日数を考慮する必要があります。これを行うには、式 -
を使用します。年 / 4 (4 年ごと)
– 年 / 100 (100 年ごとに 4 の倍数ですが、それでも閏年ではないため、閏年から削除します)
年 / 400 (400 年ごと、100 の倍数ですが、繰り返しの年です)
この式により、正確な閏年数が得られます。ただし、例外が 1 つあります。
これで、1 月 0 日ではなく、2 月 29 日が閏日とみなされます。
これは、うるう日は影響しないため、年の最初の 2 か月を計算に含める必要がないことを意味します。したがって、1 月または 2 月の場合は、年から 1 を引いて補正します。したがって、これらの月では、year/4 の値は今年ではなく前年に基づく必要があります。
うるう年の問題を解決するには、2 月以降の各月の arr[] 値から 1 を引いてギャップを埋めることができます。これでうるう年の問題は解決します。閏年と平年の両方で機能するように、アルゴリズムに次の変更を加える必要があります。
arr[] = { 0, 3, 2, 5, 0, 3, 5, 1, 4, 6, 2, 4 }
現在の月が 1 月または 2 月の場合、年から 1 を引く必要があります。
モジュラスの年の増分を、年の代わりに年/4 –年/100年/400に変更する必要があります。この変更は、うるう年の余分な日を考慮し、それに応じて計算を調整するために必要です。
###例###このメソッドのコードは次のとおりです:
リーリー ###出力### リーリー ###複雑###時間計算量 - このメソッドの時間計算量は O(1)
です。空間の複雑さ - 余分な空間を使用していないため、このアプローチの空間の複雑さは O(1) です。
結論- この記事では、坂本智彦のアルゴリズムとその背後にある直感について説明しました
以上が坂本智彦のアルゴリズム - 曜日を求めるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









上記および筆者の個人的な理解: 現在、自動運転システム全体において、認識モジュールが重要な役割を果たしている。道路を走行する自動運転車は、認識モジュールを通じてのみ正確な認識結果を得ることができる。下流の規制および制御モジュール自動運転システムでは、タイムリーかつ正確な判断と行動決定が行われます。現在、自動運転機能を備えた自動車には通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなどのさまざまなデータ情報センサーが搭載されており、さまざまなモダリティで情報を収集して正確な認識タスクを実現しています。純粋な視覚に基づく BEV 認識アルゴリズムは、ハードウェア コストが低く導入が容易であるため、業界で好まれており、その出力結果はさまざまな下流タスクに簡単に適用できます。

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

C++sort 関数の最下層はマージ ソートを使用し、その複雑さは O(nlogn) で、クイック ソート、ヒープ ソート、安定したソートなど、さまざまなソート アルゴリズムの選択肢を提供します。

人工知能 (AI) と法執行機関の融合により、犯罪の予防と検出の新たな可能性が開かれます。人工知能の予測機能は、犯罪行為を予測するためにCrimeGPT (犯罪予測技術) などのシステムで広く使用されています。この記事では、犯罪予測における人工知能の可能性、その現在の応用、人工知能が直面する課題、およびこの技術の倫理的影響について考察します。人工知能と犯罪予測: 基本 CrimeGPT は、機械学習アルゴリズムを使用して大規模なデータセットを分析し、犯罪がいつどこで発生する可能性があるかを予測できるパターンを特定します。これらのデータセットには、過去の犯罪統計、人口統計情報、経済指標、気象パターンなどが含まれます。人間のアナリストが見逃す可能性のある傾向を特定することで、人工知能は法執行機関に力を与えることができます

01 今後の概要 現時点では、検出効率と検出結果の適切なバランスを実現することが困難です。我々は、光学リモートセンシング画像におけるターゲット検出ネットワークの効果を向上させるために、多層特徴ピラミッド、マルチ検出ヘッド戦略、およびハイブリッドアテンションモジュールを使用して、高解像度光学リモートセンシング画像におけるターゲット検出のための強化されたYOLOv5アルゴリズムを開発しました。 SIMD データセットによると、新しいアルゴリズムの mAP は YOLOv5 より 2.2%、YOLOX より 8.48% 優れており、検出結果と速度のバランスがより優れています。 02 背景と動機 リモート センシング技術の急速な発展に伴い、航空機、自動車、建物など、地表上の多くの物体を記述するために高解像度の光学式リモート センシング画像が使用されています。リモートセンシング画像の判読における物体検出

運命の箱舟の新しいマップの新バージョンのオープンには、新しい評判ミッションもあります。ナナカマドのマップに加えて、ウィズダム島のデイリーミッションもあります。前提条件のミッションはベロンナンから開始されます。多くの友人が持っています「正しい地図を見つける」という目標は達成されました。このリンク「ろうそくの光が輝く場所」には案内がありません。具体的な場所も気になります。このタスクの案内はこちらです! のミッションの案内ですろうそくの光が輝く場所を見つける運命の箱舟は知恵の島の部屋にあります。ホールには地下につながる廊下もあります。中に入ると、次のタスクの場所が表示されます。図に示すように:

1. 58 Portraits プラットフォーム構築の背景 まず、58 Portraits プラットフォーム構築の背景についてお話ししたいと思います。 1. 従来のプロファイリング プラットフォームの従来の考え方ではもはや十分ではありません。ユーザー プロファイリング プラットフォームを構築するには、複数のビジネス分野からのデータを統合して、ユーザーの行動や関心を理解するためのデータ マイニングも必要です。最後に、ユーザー プロファイル データを効率的に保存、クエリ、共有し、プロファイル サービスを提供するためのデータ プラットフォーム機能も必要です。自社構築のビジネス プロファイリング プラットフォームとミドルオフィス プロファイリング プラットフォームの主な違いは、自社構築のプロファイリング プラットフォームは単一のビジネス ラインにサービスを提供し、オンデマンドでカスタマイズできることです。ミッドオフィス プラットフォームは複数のビジネス ラインにサービスを提供し、複雑な機能を備えていることです。モデリングを提供し、より一般的な機能を提供します。 2.58 中間プラットフォームのポートレート構築の背景のユーザーのポートレート 58

上記と著者の個人的な理解は、自動運転システムにおいて、認識タスクは自動運転システム全体の重要な要素であるということです。認識タスクの主な目的は、自動運転車が道路を走行する車両、路側の歩行者、運転中に遭遇する障害物、道路上の交通標識などの周囲の環境要素を理解して認識できるようにすることで、それによって下流のシステムを支援できるようにすることです。モジュール 正しく合理的な決定と行動を行います。自動運転機能を備えた車両には、通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなど、さまざまな種類の情報収集センサーが装備されており、自動運転車が正確に認識し、認識できるようにします。周囲の環境要素を理解することで、自動運転車が自動運転中に正しい判断を下せるようになります。頭
