الگوریتم معکوس کردن آرایه

📣👨‍💻 @AlgorithmDesign_DataStructuer

Algorithm Greedy

📣👨‍💻 @AlgorithmDesign_DataStructuer

به دست آوردن پیچیدگی زمانی ضرب دو آرایه با استفاده از Divide and Conquer

📣👨‍💻 @AlgorithmDesign_DataStructuer

فرآیند های تصادفی مارکوف شامل چه قسمت هایی میشود؟


📣👨‍💻 @AlgorithmDesign_DataStructuer

مقادیر minimax

📣👨‍💻 @AlgorithmDesign_DataStructuer

لیست مجاورت و ماتریس مجاورت


📣👨‍💻 @AlgorithmDesign_DataStructuer

کدام گزاره نادرست است؟
1-الگوریتم DFS از استک استفاده میکند.
2-الگوریتم DFS براي پیدا کردن topological sort استفاده میشود.
3- پیچیدگی زمان الگوریتم DFS در یک گراف سریعتر از BFS است.
4- در الگوریتم DFS یک گراف اگر Back edge وجود نداشته باشد گراف بدون دور است.

به دست آوردن 5امین عدد Fibonancci با استفاده از درخت بازگشتی

📣👨‍💻 @AlgorithmDesign_DataStructuer

ممکن است در بعضی از اوقات گرافی به شما گراف داده شود و بگن با استفاده از اون الگوریتم های DFS و BFS را به دست آورید برای به دست آوردن آن ابتدا باید گراف را به درخت تبدیل کرد و سپس با استفاده از درخت آن ها را به دست اورد.

📣👨‍💻 @AlgorithmDesign_DataStructuer

تابع به صورت پویا ولی با شیوه بالا به پایین و تکنیـک memoized نوشـته شـده است که تعداد فراخوانیها O(n)است.
تکنیک memoized به این صورت می باشد که :
اگر هنوز مقدار را در ftabنداریم، دوباره fib را فراخوانی می‌کنیم، اما اکنون یادداشت را به عنوان پارامتر ارسال می‌کنیم، بنابراین توابعی که ما فراخوانی می‌کنیم همان مقادیر ذخیره‌شده‌ای را که در تابع "اصلی" داریم به اشتراک خواهند گذاشت. توجه داشته باشید که نتیجه نهایی را قبل از برگرداندن کش به حافظه پنهان اضافه می کنیم.
و تمام! با سه خط کد، حافظه را پیاده سازی کرده ایم و عملکرد عملکرد خود را به طور قابل توجهی بهبود بخشیده ایم!

#پاسخ_تشریحی

داستان هنوز ادامه داره
تا وقتی من برنده شم 😎👊🏻🔥
کنکوری های عزیز ناامید نباشید تا آخرین لحظه تلاشتون رو بکنید شما لایق بهترین ها هستید😉❣️

📣👨‍💻 @AlgorithmDesign_DataStructuer

Bubble Sort

📣👨‍💻 @AlgorithmDesign_DataStructuer

پیاده سازی Minimax

📣👨‍💻 @AlgorithmDesign_DataStructuer

سلام دوستان

اگه پایتورچ کار کرده باشید، میدونید که برای تعریف یک لایه فولی‌کانکتد از دستور nn.Linear استفاده میشه. این دستور دو تا ورودی مهم داره:
nn.Linear(in_features, out_features)
این دو تا ورودی چیه؟ in_features به تعداد ورودی‌های این لایه اشاره داره. مثلا توی شکل بالا، لایه فولی کانکتد 9 تا ورودی داره. out_features هم به تعداد نورونهای (یا تعداد خروجی‌های) این لایه اشاره داره. توی شکل بالا 4 هست. یعنی شکل بالا به صورت زیر نوشته میشه:
nn.Linear(9, 4)

روش دیگری هم برای این کار وجود دارد که دستور nn.LazyLinear که برای تنبلاست! 😁 همون لایه فولی کانکتده ولی دیگه به تعیین تعداد ورودی‌ها (یا in_features) نیازی نداره. یعنی همون لایه بالا به شکل زیر تعریف میشه:
nn.LazyLinear(4)


📣👨‍💻 @AlgorithmDesign_DataStructuer