サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
WWDC24
home.hiroshima-u.ac.jp
地下資源(Underground Resource、Mining Resource)を利用するためには、地下の何処にどれだけ存在するかを確認する必要があるが、それは探査(Exploration)と呼ばれる。鉱物資源(Mineral Resource)の場合は探鉱(Mineral Exploration)と呼ばれることが多い。また、確認された資源を実際に地表へ取り出すことは採掘(Mining)と呼ぶが、鉱物資源の場合は採鉱(Mineral Mining)と呼ばれることが多い。 探査と採掘(探鉱と採鉱)によって、地下の資源が地表へもたらされるため、これらは資源開発(Exploitation)のための最初の活動である(上流部門、Upstream)。探査では、物理的(Physical)・化学的(Chemical)・生物的(Biological)などの様々な手法が用いられるが、近年は一般的に、リモ
最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパ ターン認識手法が注目されており、ちょっとしたブームになっている。サポート ベクターマシンは、1960年代にVapnik等が考案したOptimal Separating Hyperplaneを起源とし、1990年代になってカーネル学習法と組み合わせた非線形 の識別手法へと拡張された。カーネルトリックにより非線形の識別関数が構成で きるように拡張したサポートベクターマシンは、現在知られている手法の中でも 最もパターン認識性能の優秀な学習モデルの一つである。ただし、サポートベク ターマシンは、基本的には2つのクラスを識別する識別器を構成するための学習 法であり、文字認識などの多クラスの識別器を構成するためには、複数のサポー トベクターマシンを組み合わせるなどの工夫が必要となる。ここでは、まず、サ
home.hiroshima-u.ac.jp/~tyoshida
ホームディレクトリにインストールする(Root権限を持っていなくてもOK。いろんなバージョンを試したい。後から消すのも楽)。 hogehogeが見つからないと表示されたら、$ apt-file search hogehogeで必要なパッケージを検索し、 $ apt-get install hogehogeかソースからインストール。 パッケージの検索にはPyPIも便利: http://pypi.python.org/pypi Python 2.7.1 2011年2月10日 Home Page: http://www.python.org/ License: PSFL (Python Software Foundation License) ~/python/python2.7にインストールする。 $ cd $ mkdir python $ cd python $ tar xvjf Pytho
各画素が区間 の範囲の濃淡値 をもつような画像を考える。このとき、 画像の濃淡値の分布は、ヒストグラム で与えられる。こ こで、 はその画像に濃淡値 があらわれる頻度を表す。これを全画素数 で正規化して、正規化ヒストグラムを とする。 今、しきい値 によって各画素を2つのクラス と (対象領域と背 景、あるいはその逆)に分類することを考える。ここで、 は濃淡値が の範囲にある画素の集合であり、 は濃淡値が の範囲にある画素の集合である。このとき、しきい値 に依存 して各クラスの統計量は、
動画像から対象の動きのパラメータを時空間微分から推定するための方法とし て勾配法がある。この方法では、``物体上の点の明るさは移動後も変化しない'' という仮定から時空間微分とオプティカルフローとの関係式を導出し、それを 利用して対象の動きを推定する。 今、時刻 における画像上の点 の輝度値を とし、微小時間 後に対象が だけ移動したとする。このとき、点の明るさが移動後も変わらないとすると、
※福島第一原子力発電所は、下記のように1〜6号機からなるが、格納容器については、1〜5号機がトーラス型(ドーナツ型)のサプレッションプール(圧力抑制室)を持つマークTであり、6号機がマークUである。特に大きな事故が起こった1〜4号機のうち、1号機の運転開始は約40年前であり、これらのうちで最も新しい4号機は約33年前である。従って、老朽化も事故を大きくした要因と言われている。 日本の原子力発電所(2010年現在54基/世界は432基)は『原子力発電』のページのこちらを参照。 ★詳細な福島第一原発の事故の状況はウィキペディア(HP/2011/3)による『福島第一原子力発電所事故⇒福島第一原子力発電所事故の経緯』の『施設の損害状況』にまとめられている。【(社)日本原子力産業協会および原子力災害対策本部〔平成23(2011年)東北地方太平洋沖地震への対応(首相官邸災害対策ページ)の『直近の政府
<トップページ> 平和センター概要 広島大学平和センターは、広島大学の全学的施設として平和科学に関する研究・調査と資料の収集を行うことを目的として、1975年7月8日学内措置により平和科学研究センターとして発足しました。センターは、平和学の学術的研究機関としては我が国最初のものであり、国立大学では現在なお唯一の研究機関です。 2018年4月1日からは、既存の平和科学研究センターを「広島大学平和センター」に発展させ機能強化を図ることとなりました。今後のセンターは、平和科学に関する研究・調査及び資料の収集を行うとともに、研究成果を教育の場に還元して平和に関する教育の推進に資することを目的とします。 *平和センター蔵書(現在約10,000冊)は広島大学図書館OPAC検索システムを通じて検索できます⇒ 広島大学ホームページ *センターのリーフレット Newsお知らせ 2021年8月6日 広島大学平
http://public.kitware.com/VTK/より、 vtk5.6.1.tar.gz をダウンロード。 Cygwinのパッケージ、 Develよりcmakeとlibidn11を選択してインストール。 $ tar xvzf vtk5.6.1.tar.gz $ cd VTK README.htmlを読む。 特にBuilding with CMakeを読む。 $ mkdir VTK-build $ ccmake ../VTK cを押す。 BUILD_EXAMPLES *OFF BUILD_SHARED_LIBS *OFF CMAKE_BUILD_TYPE * CMAKE_INSTALL_PREFIX */usr/local VTK_DATA_ROOT *VTK_DATA_ROOT-NOTFOUND VTK_USE_MPEG2_ENCODER *OFF VTK_USE_PARALLE
<body> <center> このページはフレームを使用しております。<br> フレーム未対応ブラウザの方は、下の入り口からお入り下さい。<br> <br> <a href="top_page.html">ENTER</a><br> <br> バックナンバーは<a href="index_page.html">こちら</a>から<br> <br> ご意見、ご要望は<a href="mailto:koho@hiroshima-u.ac.jp">広島大学広報委員会(koho@hiroshima-u.ac.jp)</a>までお寄せください。<br> <a href="http://www.hiroshima-u.ac.jp/index-j.html"> <IMG SRC="hiroshima-u.gif" border=0> 広島大学ホームページへ</a><br> </center> </bo
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマシンが優れた認識性能を発揮できるのは、未学習 データに対して高い識
『倫理学特別演習(2010・春)』 TAの岡本が授業中に配布した資料です。 「授業を欠席してしまった!」「資料を紛失した!」「授業はとってなかったけど気になる!」 という方のために用意しました。(TA・岡本慎平) シジウィックとは? 『倫理学の諸方法』要約1 『倫理学の諸方法』要約2・解説 『倫理学の諸方法』要約3・解説 『倫理学の諸方法』要約4・解説 『倫理学の諸方法』要約5・解説 『倫理学の諸方法』要約6・解説 『倫理学の諸方法』要約7・解説 『倫理学の諸方法』要約8・解説 『倫理学の諸方法』要約9・解説 『倫理学の諸方法』要約10・解説 『倫理学の諸方法』要約11・解説 『倫理学の諸方法』要約12・解説 Henry Sidgwick"Methods of Ethics" Online Text(テキサス大学オースティン校)
サポートベクターマシンは、ニューロンのモデルとして最も単純な線形しきい 素子を用いて、2クラスのパターン識別器を構成する手法である。訓練サンプル 集合から、「マージン最大化」という基準で線形しきい素子のパラメータを学習 する。線形しきい素子は、図1に示すようなニューロンを単 純化したモデルで、入力特徴ベクトルに対し、識別関数(線形識別関数) により2値の出力値を計算する。ここで、 はシナプス荷重に対応するパ ラメータであり、はしきい値である。また、関数 は、のときをとり、のときをとる符号関数である。このモデルは、 入力ベクトルとシナプス荷重の内積がしきい値を超えればを出力し、超えな ければを出力する。これは、幾何学的には、識別平面により、入力特徴空間 を2 つに分けることに相当する。今、2つのクラスを,とし、各クラス のラベルをとに数値化しておくとする。また、訓練サンプル集合として、 個の
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp visitors since Jul. 19, 2002. 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマシンが
重回帰分析(multiple regression analysis)は、訓練サンプル集合から予測モデ ルを構築するための最も基本的な多変量データ解析手法のひとつとして様々な分 野で応用されている。一般に、予測モデルを構築する目的は、訓練サンプル集合 に含まれていない未学習の説明変数から、目的変数の値を推定したいためである。 したがって、構築された予測モデルが訓練サンプル集合に含まれていない未学習 サンプルに対して十分な予測性能を発揮しなければ、予測モデルを構築する意味 が無い。未学習データに対する予測性能は、汎化性と呼ばれており、予測モデル を構築する際の重要な要素であり、従来から中心的な感心が払われて来た。その 代表的なものが、変数撰択法や収縮法(shrinkage method)あるいは正則化法 (regularization method)等がある。以下にその代表的な手法として、変
次へ: パターン認識とは パターン認識とニューラルネットワーク 栗田多喜夫 脳神経情報研究部門 産業技術総合研究所 E-mail: takio-kurita@aist.go.jp visitors since Feb. 14, 2001. パターン認識とは ベイズ決定理論 ベイズ決定方式 正規分布の場合 確率密度分布の推定 パラメトリックモデル 最尤法 ベイズ推定 ノンパラメトリックな方法 ノンパラメトリックな確率密度関数の推定 核関数に基づく方法 K-NN法 セミパラメトリックな手法 混合分布モデル(Mixture Model) 最尤法 EM アルゴリスム 階層型ニューラルネット 多層パーセプトロン 単純パーセプトロン 単純パーセプトロンの学習 多層パーセプトロン 誤差逆伝搬学習法 最尤推定としての定式化 多層パーセプトロンと非線形回帰 汎化性 情報量基準による汎化能力の評価 VC次元
4) Hiroshima University's Virtual University: A Great Site! http://vu.flare.hiroshima-u.ac.jp/english/listening/index-e.html 5) Interesting Stories http://www2.actden.com/writ_den/menu.htm 6) BBC: News, Music, Business English http://www.bbc.co.uk/worldservice/learningenglish/sport/index.shtml 7) Listen to Interesting Stories While Reading Along http://www.voanews.com/specialenglish/topics_summary
home.hiroshima-u.ac.jp/~amphibia
カエルは幼生期も成体期も色素細胞で覆われているため、外部から内臓を観察することは容易でない。今回、系統保存している2種類のカエル色素細胞突然変異系統を交配して、色素細胞を欠損しているカエルの系統を作製し、透明カエル(ホワイト)と名付けた(図20)。このカエルは体壁が透明で、幼生期から成体期にいたるすべての段階で、内臓を外から透視できる。このような、内臓透視ができるカエルはきわめて稀で、新たな実験動物として利用価値が高いと考えられる。 図20:生きている成体で内臓を透視できる四足動物は、自然界でも実験動物としても、極めて稀である。 (a) 透明ガエルは体内の組織や器官の変化を発生の初期から老化段階まで、外部から詳細に観察できるので(図21、図22、図23)、内臓や骨に対する化学物質の影響を、簡便かつ低コストに評価でき、毒性の影響度を経時的に評価できる。また疾病(例えば癌)の発生や進行過程
次へ: Synopsis 柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING 栗田 多喜夫 Takio KURITA Synopsis 序論 多変量データ解析の理論 はじめに 記号と定義 数量化法の非線形への拡張 数量化1類とその非線形への拡張 数量化2類とその非線形への拡張 非線形の数量化2類と数量化3類の関係 交差係数行列の固有値問題 数量化4類との関係 距離について 多変量データ解析手法の非線形への拡張 非線形重回帰分析 非線形判別分析 非線形正準相関分析 線形近似としての線形データ解析手法 条件つき確率の線形近似 近似としての重回帰分析および数量化1類 近似としての判別分析および数量化2類 近似としての正準相関分析 本
[2020年4月1日] 広島大学に新設された先進理工系科学研究科を担当します. [2018年4月1日] 広島大学に新設された情報科学部を担当します. [2017年2月3日] 国際会議FCV2017でBest Poster Presentation Awardを受賞しました. [2015年2月13日] 産業技術総合研究所の由井誠さんをお招きして、広島大学統計科学研究拠点セミナーを開催します。 [2015/01/29] 国際会議FCV2015で Best Paper Award を受賞しました。 [2014年10月29日] 筑波大学の日野先生をお招きして、広島大学統計科学研究拠点セミナーを開催します。 [2014年10月10日] 広島画像情報学セミナーを開催します。 [2014年10月] 博士課程後期の学生1名が入学しました。また、総合科学部の3年生が1名栗田研究室に加わりました。 [2014
論文の統合開発環境を考える - 目次 OneNote を論文作成につかう 研究資産(データファイル、文献等)の管理(所在、内容をわかりやすくする) OneNote を論文作成につかう 研究資産(データファイル、文献等)の管理(所在、内容をわかりやすくする) Concierge と言うソフトウェア http://concierge.sourceforge.jp/index.html.ja Conciergeは,これらの蓄積されてきた個人の研究資産の管理,検索,整理の機能を提供し,既存のファイル管理では難しいファイル固有の情報を保存する機能を有したファイル管理ソフトウェアです. メタデータに基づく研究資産管理ツール : Concierge [in Japanese] 堺、槇村、山地、臼井 各博士ら IEICE technical report. Neurocomputing 105
顔画像の認識でまず考えられるのは、目・鼻・口などの顔を構成する部品の形 状やそれらの配置の個人差に着目し、これらから特徴点を抽出して認識に利用 する方法である。しかし、顔画像からこれらの部品を精度よく抽出することは かなり難しい。また、各部品がうまく抽出できたとしても、類似した形状の差 を認識に利用することはそれほど容易ではない。そこで、このような顔に特有 の知識を用いるのではなく、顔画像そのものをパターンとして扱い、統計的パ ターン認識手法を適用する方向の研究が活発に行われている。 最も簡単なパターン認識手法は、パターン間のマッチングに基づく方法である が、画像そのものをパターンとして扱った場合には、パターンの次元が膨大に なってしまう。そのため、パターンを情報圧縮した後でマッチングを行う方法 がいくつか提案されている。パターンを情報圧縮すれば、入力条件の変動に対 して頑健な認識結果が得
で定義される。ここで は、中央値を取ることを表す。こうした 評価基準が例外値に対してどれくらい強いか(例外値に対するロバストネス) を評価するためには、breakdown point と呼ばれる指標が用いられている [27,59]。それは、例外値が無い場合の結果と例外値を含 む場合の結果が非常に大きくずれることなく、全データの内の何割までのデー タを非常に大きな例外値に置き換えることができるかを測るものである。最小 2乗基準は、ひとつの大きな例外値によって大きな影響を受けるので、その breakdown point は であるが、LMedS 基準の breakdown point は であり[58]、全データのうちの が例外値でも結果が大き くずれることがない。これは、考えられる最大の breakdown point を達成す る基準である。ただし、漸近有効性(asymptotic eff
次へ: はじめに 統計的画像処理手法 栗田多喜夫 脳神経情報研究部門 産業技術総合研究所 E-mail: takio-kurita@aist.go.jp visitors since Feb. 14, 2001. 概要: 統計的手法は、画像 処理でも基本的な道具として、さまざまな場面で利用されている。本稿では、 基本的な統計的手法、特に、多変量データ解析手法および最近画像処理でも盛 んに使われるようになってきたロバスト統計、EMアルゴリズムやモデル選択手 法などの統計手法の考え方と画像処理への利用方法について、具体的な応用例 を示しながら概説する。
ソフトマージン法を用いることで、線形分離可能でない場合に対しても線形しき い素子のパラメータを求めることができるようになる。しかし、ソフトマージン 法を用いたとしても、本質的に非線形で複雑な識別課題に対しては、必ずしも良 い性能の識別器を構成できるとは限らない。本質的に非線形な問題に対応するた めの方法として、特徴ベクトルを非線形変換して、その空間で線形の識別を行う 「カーネルトリック」と呼ばれている方法が知られている。この方法を用いるこ とでサポートベクターマシンの性能が飛躍的に向上した。それがサポートベクター マシンを有名にした大きな要因であると考えられる。 一般に、線形分離可能性はサンプル数が大きくなればなるほど難しくなり、逆に、 特徴空間ベクトルの次元が大きくなるほど易しくなる。例えば、特徴ベクトルの 次元が訓練サンプルの数よりも大きいなら、どんなラベル付けに対しても線形分 離可能
次へ: Synopsis 柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING 栗田 多喜夫 Takio KURITA visitors since Jul. 19, 2002. Synopsis 序論 多変量データ解析の理論 はじめに 記号と定義 数量化法の非線形への拡張 数量化1類とその非線形への拡張 数量化2類とその非線形への拡張 非線形の数量化2類と数量化3類の関係 交差係数行列の固有値問題 数量化4類との関係 距離について 多変量データ解析手法の非線形への拡張 非線形重回帰分析 非線形判別分析 非線形正準相関分析 線形近似としての線形データ解析手法 条件つき確率の線形近似 近似としての重回帰分析および数量化1類 近似と
Fireworks Splice HTML
次のページ
このページを最初にブックマークしてみませんか?
『home.hiroshima-u.ac.jp』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く