Examples of using Time complexity in English and their translations into Korean
{-}
-
Colloquial
-
Ecclesiastic
-
Ecclesiastic
-
Programming
-
Computer
Time complexity.
시간 복잡도.Reduces the time complexity.
이제 시간 복잡도를 줄여보자.Time complexity is O(1).
시간 복잡도가 O(1)이다.Worst case time complexity is asked.
최악의 경우 시간 복잡도가 에서 으로 향상됐다.Time complexity is O(N2).
시간 복잡도는 O(n2) 입니다.There are two sorts of time complexity benefits.
시간 복잡성 결과에는 두 가지 종류가 있습니다.The time complexity is O(1).
시간 복잡도가 O(1)이다.The Code should not exceed the time complexity.
그렇지 않은 코드는 시간 복잡도를 따져봐야 합니다.The time complexity of the above code is?
그렇다면 위 코드의 시간 복잡도는?It represents the worst case of an algorithm's time complexity.
알고리즘의 시간 복잡성중 최악의 경우를 나타냅니다.Hence time complexity= O(n!).
따라서 이때의 time complexity는 O(n! ).The randomized version has expected time complexity of O(nLogn).
무작위 버전은 O(nLogn)의 시간 복잡성을 예상했습니다.So, time complexity of above code is O(N).
따라서 위의 코드의 시간 복잡성은 O(N)입니다.What is the difference between time complexity and space complexity? .
시간 복잡성과 공간 복잡성의 차이점은 무엇입니까?The time complexity of an algorithm is not a constant number.
이 알고리즘의 시간 복잡도는 아예 다항식이 아닙니다.For example Selection sort and Insertion Sort have O(n2) time complexity.
예를 들어 선택 정렬 및 삽입 정렬에는 O(n2) 시간 복잡성이 있습니다.The worst case time complexity of the Algorithm is.
알고리즘의 시간 복잡성중 최악의 경우를 나타냅니다.Time complexity of sorting algorithms cannot get better than O(nlogn).
최악 시간복잡도가 O(nlogn)보다 좋을 수 없다. (=시간복잡도의 하한이 nlogn이다).While analyzing an algorithm, we mostly consider time complexity and space complexity. .
알고리즘을 분석하는 동안, 우리는 주로 시간 복잡성과 공간 복잡성을 고려합니다.Therefore Overall time Complexity for Kruskal's Algorithm is O(E log E).
크루스컬 알고리즘의 시간 복잡도는 O(E log E).Are there any cases where you would prefer a higher big-O time complexity algorithm over the lower one?
낮은 것보다 높은 big-O 시간 복잡성 알고리즘을 선호하는 경우가 있습니까?To calculate time complexity, we must know how to solve recurrences.
시간 복잡성을 계산하려면 재발을 해결하는 방법을 알아야 합니다.For more mathematical explanation you can checkout how the time complexity arrives to log n here.
더 많은 수학적 설명을 들어, 시간 복잡성이 여기에 기록 n에 도착하는 방법을 체크 아웃 할 수 있습니다.Worst-case time complexity gives an upper bound on time requirements and is often easy to compute.
최악의 경우 시간 복잡성은 In addition to performance bounds, computational learning theory studies the time complexity and feasibility of learning.
성능 경계 외에도 계산 학습 이론가는 학습의 시간 복잡성과 실행 가능성을 연구합니다.As discussed here, worst case time complexity is the most useful among best, average and worst.
여기서 설명한 것처럼 최악의 경우 시간 복잡성은 최고, 평균 및 최악 사이에서 가장 유용합니다.In addition to performance bounds, computational learning theorists study the time complexity and feasibility of learning.
성능 경계 외에도 계산 학습 이론가는 학습의 시간 복잡성과 실행 가능성을 연구합니다.Time Complexity of the DP implementation is O(mn) which is much better than Naive Recursive implementation.
위의 구현의 시간 복잡성은 O(mn)이며 이는 Naive 재귀 구현의 최악의 If an instance has length n and can be solved in n2 steps we can say the problem has a time complexity of n2.
즉 n bit 길이의 instance 가 n2 단계 내에 풀릴 수 있다면 그 문제는 n2 의 시간 복잡도를 가진다고 말한다.When expressed this way, the time complexity is said to be described asymptotically, i.e., as the input size goes to infinity.
이런 방식으로 표현할 때, (예를 들면, 입력 크기를 무한대로 입력하여) 시간복잡도를 점근적으로 묘사한다고 말한다.
