Network data
This page contains links to some network data sets I've compiled over the years. All of these are free for scientific use to the best of my knowledge, meaning that the original authors have already made the data freely available, or that I have consulted the authors and received permission to the post the data here, or that the data are mine. If you make use of any of these data, please cite the o
Girvan-Newmanのコミュニティー分割アルゴリズムをNetworkXでやってみた - millionsmile paradigm
Pythonの複雑ネットワーク解析ライブラリーであるnetworkXを使って、Girvan-Newman algorithmのコミュニティー分割をしてみました。 分割されていく様子をgifアニメーションにしています。 Girvan-Newman algorithmは、あるコミュニティーの中で媒介中心性の高いエッジ（リンク、繋がり）を検出し、そのエッジを切ることで、そのコミュニティーを分割していくアルゴリズムです。 原論文はこちら（PDFをリンクしています）。 Girvan, M., Newman, M. E. J., Community structure in social and biological networks", Proceedings of the National Academy of Science of the United States of America, V
ネットワーク分析をもうちょっと勉強（実践編） - でたぁっ 感動と失敗の備忘録
前回は 竹本先生の資料 や WEBページ を拝見し R で行うネットワーク分析について新たに知ることができた関数、分析手法についてまとめてみた。さっそく Non-overlapping 手法を実務で実践したが早くも壁にぶちあたってしまった。実務で取り扱うデータを分析する際にはつきものだ。。。今回分析したネットワークはこんな感じ。ノード数=446、エッジ数=792、図ではエッジの矢印が見えないかもしれないが有向グラフ。（前回同様サイトスケープにくわせOrganicレイアウトで表示 ※背景色のみ白に変更） さっそくエラー多発 何も気にせずにNon-overlapping手法のコミュニティ抽出関数を実行したらエラーが多発。 > # おまじない > ls(all=T) character(0) > rm(list=ls(all=TRUE)) > > # パッケージの読み込み > library(i
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
R+igraph問題「友好関係ネットワークから派閥を検出」 @kztakemoto さんによる解説記事 #R #igraph #sna - CodeIQ Blog
CodeIQ中の人、millionsmileです。 大学でバイオインフォマティクスやネットワーク理論の研究をしている竹本さんから、Rを使ったソーシャルネットワーク分析問題の解説記事です！ ============================== はじめに 近年、ネットワーク分析はデータ分析の一種であり、さまざまな分野で注目されています。マーケティング施策やコンテンツ・商品推薦などの文脈で、ネットワーク分析を要求される機会はますます増えていくことだと思います。 一方で、「ネットワーク分析は取っ付きにくい」と感じる方も多いのではないでしょうか。そんなことはありません。最近では、ネットワーク分析を支援するソフトウェアやツールが充実してきています。特に、データ分析でよく用いられる"R"では、ネットワーク分析を支援するパッケージ"igraph"が利用可能です。 この問題では、R+igraphを利
力学モデル描画ライブラリー Springy のご紹介 - Qiita
公式サイト:springy 使うと何が嬉しいのか （グラフ理論的な意味での）グラフを自動的にそれなりに綺麗な配置で表示したいときに使います。 デモ どうやって実現しているのか 力学モデル(Force-directed graph drawing)アルゴリズムを使ってノードの位置を決定します。 使い方の手引き ファイル構成 springy.js : 本体 springyui.js : Canvasを使ったUI demo.html : デモ用のhtml。簡単な使い方がわかります。 主要なオブジェクト 主要な三つのオブジェクト Springy.Graph : グラフデータを持つモデルオブジェクト Layout.ForceDirected : 力学レイアウトアルゴリズム Springy.Renderer : レイアウトの制御用インターフェース API API設計には多少の混乱が見られます。 Spr
Python networkx でマルコフ確率場 / 確率伝搬法を実装する - StatsFragments
ここ 1ヶ月にわたって 聖書 DeepLearning 0.1 Documentation を読み進め、ようやく 制約付きボルツマンマシン の手前まできた。 制約付きボルツマンマシン (RBM) の解説 には RBM = マルコフ確率場 ( Markov Random Field / MRF ) の一種だよっ、と しれっと書いてあるのだが マルコフ確率場とはいったい何なのかは説明がない。マルコフ確率場 <マルコフ・ランダム・フィールド> は用語もカッコイイし結構おもしろいので、 Python でサンプルを書いてみる。 補足 Python では PyStruct というパッケージがマルコフ確率場 / 条件付き確率場 ( Conditional Random Field ) を実装しているため、実用したい方はこちらを。このパッケージ、ノーマークだったがよさげだなあ。 マルコフ確率場とは グラフ
【 Python で時系列解析 】状態空間モデル（カルマン・フィルター / パーティクル・フィルター）～ コード実装方法 基礎調査（編） コード掲載ウェブサイトまとめ - Qiita
Python では、（R言語とは様子が異なり）まだまだ、 「カルマン・フィルター」 「パーティクル・フィルター」 など の 「状態空間モデル」 の 実装コード事例 が ウェブ上 に 見当たらない。 この記事 では、日本語で読める 「状態空間モデル」 Python コード事例 掲載サイト を 集めてみました。 statsmodelsモジュールに、以下のメソッドがある模様 statsmodels.tsa.kalmanf.kalmanfilter.KalmanFilter SM StatsModels Statistics in Python 上記モジュールを使わない Python でのコード例 satomacoto「Pythonでカルマンフィルタを実装してみる」 Hatena::Diary how to code something shima_xさん Qiita投稿記事 「カルマンフィルタで
グラフ(ネットワーク)を奇麗に描画するアルゴリズム - mfumiの日記
グラフはノードと辺の集合から構成されているだけなので，その描画方法は任意です．例として，以下の3つのグラフはどれも同じです． グラフをどうやって奇麗に描画するかという研究は昔からおこなわれていて，そのうちの一つに力学モデルがあります(Wikipedia)．このモデルではノード間にある力が作用すると考えてそれが安定するような場所を探します．簡単な例ではノードを電荷だと仮定してそれぞれに働くクーロン力を計算し，それをもとにノード位置の修正をおこないます． 力学モデルのアルゴリズムで代表的なものにFruchterman-Reingold アルゴリズムがあります．このアルゴリズムは多くのグラフを扱うライブラリでサポートされているようです． このアルゴリズムの考え方はシンプルで，ノードに影響する力が2つあります．一つは自分以外の全てのノードからの斥力，もう一つが隣接ノードからの引力です．斥力f_rと
粒子法のプログラム第１回（概要）
粒子法のプログラムを実装しようとしたのですが、論文や本だと数式レベルでしか説明がなく、それをプログラムにして動くようにするまで苦労しました。 数式をプログラムに落とすこと自体は簡単なのですが、各定数の値が分からなかったりして、粒子が上手く動いてくれるまで大変でした。 なので、同じところでつまづく人も多いのではと思い、自分が書いた粒子法のプログラムを紹介しようと思います。下の動画を作ったときのプログラムです。SPH法です。 こちらがソースコードです。 ※2009.11.4追記 こちらに整理したC++版のほか、Haskell版、OCaml版のコードがあります。 まずはシンプルにと考え、近傍粒子の探索は工夫せず、n(O^2)ですがわかりやすいアルゴリズムを採用しています。まず動くコードを書き、そこから高速化していくアプローチです。 また、計算量を減らした方が試しやすいのと、粒子法は３次元への拡張
グラフの自動レイアウトに挑戦 | matarillo.com
2022-08-12 13:37:22 追記 (2022/8) もともとは、Windowsアプリケーション（.NET Windows Formsアプリケーション) として実装していましたが、再公開を機にJavaScriptに移行しました。 きっかけ Nintendo DSのパズルゲーム「レイトン教授と最後の時間旅行」で出題された問題に、複雑に絡まったトンネルが出てくる。 これを解くときに、道が絡まったままだと頭がこんがらがるので、交点に番号を振り、 位置を入れ替えて見やすくした。 これをコンピュータにやらせたら面白いのでは？というのがこの連載記事のきっかけだ。 目次 #1 グラフ構造をSVGで表示 ノード（節点）とエッジ（線）のデータをSVGで表示する。 #2 ばねモデル Eadesのばねモデルをオイラー法を使って実装し、アニメーションさせる。 #3 ノードをドラッグできるようにする ばね
プログラマの為の数学勉強会
プログラマの為の 数学勉強会 第7回 (於)ワークスアプリケーションズ 中村晃一 2013年10月24日 謝辞 この会の企画・会場設備の提供をして頂きました ㈱ ワークスアプリケーションズ様 にこの場をお借りして御礼申し上げます。 この資料について http://nineties.github.com/math-seminar に置いてあります。 SVGに対応したブラウザで見て下さい。主要なブラウザで古いバージョンでなければ大丈夫だと思います。 内容の誤り、プログラムのバグは@9_tiesかkoichi.nakamur AT gmail.comまでご連絡下さい。 サンプルプログラムはPythonで記述しています。 線型代数 本日から線型代数学を学んでいきます。微積分学と同様に,理工学の様々な問題に取り組む上で必須の学問です。 線型代数は大きく分けて 行列・行列式と連立一次方程式の理論 線型
MNIST with MDS in Python
前回の続きで、MNIST データを MDS で分析してみました。下記のブログの PCA の次のセクション "Optimization-Based Dimensionality Reduction" の最初のグラフ "Visualizing MNIST with MDS" の部分だけです。 Visualizing MNIST: An Exploration of Dimensionality Reduction – colah’s blog http://colah.github.io/posts/2014-10-Visualizing-MNIST/ 発想は PCA よりも単純で、今度は個々の MNIST データの 784 次元空間上の位置は考慮せず、2 つのデータのユークリッド距離をなるべく維持できるように全ての点を 2 次元平面上にプロットし直す、というものです。ただし、元の距離をなるべ
Python/NetworkXで簡単ネットワーク分析 - あんちべ！
slaさん主催のNumpy/Scipy勉強会でLTをします。 内容はNetworkXというPythonのネットワーク分析パッケージの紹介です。 Pythonで簡単ネットワーク分析 View more presentations from AntiBayesian ネットワーク分析と言えば、PajekやRのigraphが定評有りますが、 これらはどうしてもサブグラフの扱いに不満がありました。 ネットワークからサブグラフを抽出するところまでは出来ますが、 各サブグラフがどのような性質を持つか分析したい場合、 指定したサブグラフを形成しているノード、エッジ、重みの情報を簡単に取り出す方法がありません。 NetworkXであれば、指定したノードやエッジだけ隣接行列や辺行列の形で入出力することが可能です。 また、ネットワーク分析は非常に計算量が大きく、高速な演算が求められるため、データをNumpyへ
複雑な問題へのSOMの応用
自己組織化マップ（SOM)は、クラスタリングの問題にも、クラス分類の問題にも利用できます。しかしながら、日本ではこの２つの分類法の違いが正確に理解されておらず、混乱することが多々あります。 英語では、「分類」に関する単語がいろいろとあります。グルーピング（grouping)、セパレーション（separetion）、オーディネーション（ordination）、ソーテーション（sortation）、セグメンテーション（segmentation）、カテゴリゼーション（categorization）、クラシフィケーション（classfication）等々。これだけの言葉があるのは、それぞれ微妙に意味(ニュアンス）が違うからであって、だてではありません。欧米人は、「分類」について、これだけ繊細な感覚を持ってます。 一方、我々日本人はというと、「分類」は分類でしかなく、きわめて素朴です。 そのためか日
Rでグラフクラスタリング - Qiita
Rでネットワーク解析をする(Introduction) ネットワーク解析のツール Pythonのライブラリにnetworkxというものがあります。 すごいですよ。 ネットワーク解析用で、ダイクストラアルゴリズムなどが実装されています。 グラフの描画では、きれいに描画できるものにGephiがあります。 今回は、Rのライブラリigraphを使って解析をしたいと思います。 初期設定 クラスタリングなどのネットワーク解析をRでするために、以下のライブラリを使用します。 クラスタリングは、分野によってはコミュニティ検出ともいわれているようです。 > sessionInfo() # Rのバージョン情報です ## R version 3.0.2 (2013-09-25) ## Platform: i386-w64-mingw32/i386 (32-bit) ## ## locale: ## [1] LC
Fluentdのin_forwardに流れているレコードをtcpdumpで見る - ryotarai's blog
本番環境で動いているFluentdのin_forwardに何が流れているのかを知りたい、けど設定を触りたくない…みたいな場合に流れているタグやレコードを見る方法です。特にFluentdに限った話ではないですが、備忘録として書いておきます。 1. tcpdumpでキャプチャ 調べたいサーバ上で、tcpdumpを使ってパケットキャプチャを取ります。in_forwardのポート番号などを指定してキャプチャします。 $ sudo tcpdump -i eth0 -w fluentd.pcap port 24224 and tcp 2. tcptraceでTCPストリームのデータだけ吐き出す tcptraceは-eオプションを渡すと、TCPストリームごとのデータをファイルに吐いてくれるのでこれを利用します。なお、tcptraceはHomebrewやaptで入ると思います。 $ tcptrace -e
研究会 - マルコフ確率場モデルに基づくコミュニティー抽出アルゴリズム
2015-12-19 13:25 マルコフ確率場モデルに基づくコミュニティー抽出アルゴリズム ○片岡 駿（東北大） NC2015-47 本研究ではマルコフ確率場モデリングの視点に基づくモジュラリティー最適化によるコミュニティー構造の検出アルゴリズムを提案する． 複雑ネットワークにおけるコミュニティーとは，同じコミュニティー内の頂点は密に繋がっているが，異なるコミュニティー間の結合が疎であるような部分ネットワークのことである． 与えられたネットワークの構造からこのようなコミュニティー構造を抽出する方法としてモジュラリティーの最適化法が知られており，マルコフ確率場の視点ではこのモジュラリティーの最適化はネットワーク構造が与えられたもとでの事後確率を最大にする確率分布を推定するMAP推定とみなすことができる． 本研究ではMAP推定を近似的に行うMax-Productアルゴリズムの手法をモジュラリ
平成 23年度 修士論文 ネットワーク構造のクラスタ性に 着目した局所的コミュニティ抽出法に 関する研究 名古屋工業大学大学院 情報工学専攻 所属: 犬塚研究室 平成 22 年度入学 22417606 松��
平成 23年度 修士論文 ネットワーク構造のクラスタ性に 着目した局所的コミュニティ抽出法に 関する研究 名古屋工業大学大学院 情報工学専攻 所属: 犬塚研究室 平成 22 年度入学 22417606 松島 裕 i 目 次 表 目 次 iii 図 目 次 iv 第 1 章 はじめに 1 1.1 研究背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 研究目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 論文構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 第 2 章
ネットワーク構造の分析 - コミュニティの抽出 - yokkunsの日記
ある程度の規模のネットワークでは、内部にサブネットワーク（コミュニティ）が形成されることがある 例えば、大学のネットワーク図を描くと、何となく学部だったりサークルのグループが見えてくる このよなコミュニティの抽出方法として、辺の媒介中心性を用いた方法があるので、その方法とRでの実行を紹介する データの入力と描画 g <- graph(c( 1,2, 1,3, 1,4, 1,5, 1,9, 2,3, 2,4, 3,4, 5,6, 5,7, 5,9, 6,7, 6,8, 7,8) - 1, n = 9, directed = FALSE) plot(g,layout=layout.lgl) 何となく、以下のようなコミュニティがありそう 辺の媒介中心性 [R][ネットワーク分析] ネットワークにおいてどれくらい中心的かの指標 - yokkunsの日記の媒介中心性を、エッジに適用したもの。 ある人
パッケージユーザーのための機械学習(7)：K-meansクラスタリング - 銀座で働くデータサイエンティストのブログ
本シリーズ記事のカテゴリからPythonが消えて久しい今日この頃ですが、皆様いかがお過ごしでしょうか*1。とかいう前口上はどうでも良くて、とっとと今回のお題に入りましょう。今回はクラスタリングのド定番、K-means（k平均）クラスタリングです。 K-meansはどの本にも載っている手法なので参考文献には何を挙げても良い気がしますが、とりあえずこれまたド定番ということで相変わらずはじパタを挙げておきます。 はじめてのパターン認識 作者: 平井有三出版社/メーカー: 森北出版発売日: 2012/07/31メディア: 単行本（ソフトカバー）購入: 1人 クリック: 7回この商品を含むブログ (4件) を見る ちなみにPRMLでも下巻のp.140-146で触れてて*2、K-meansアルゴリズムとEMアルゴリズムとの類似点についてもコメントがあります。この辺はまた後で触れることにしましょう。 ま
kmeansで楽できる(かもしれない)パッケージを作った - yokkunsの日記
k-means法は、非階層的クラスタリングの代表的な手法ですごく便利ですが、使って行く上で、以下の2つが問題になってきます。 初期値がランダムなので、結果がぶれる 最適なクラスタ数が分からない この2つの弱点に対して拡張版や手法が提案されていますが、すごくシンプルな方法で解決するパッケージを作ってみました。 その名もykmeansパッケージ・・・！ http://cran.r-project.org/web/packages/ykmeans/index.html ※改良とか拡張とかしてるわけではないので、kmeans2とか付けるのは自重した このパッケージは、上記の二つの問題に対して、以下のアプローチで対応しています。 N回(デフォルトは100)実行して、一番分類されたクラスタを採用する 任意の変数のクラスタ内分散の平均値が小さくなるクラスタ数を採用する N回実行して一番多く分類されたクラ
About - Project Euler
About Project Euler What is Project Euler? Project Euler is a series of challenging mathematical/computer programming problems that will require more than just mathematical insights to solve. Although mathematics will help you arrive at elegant and efficient methods, the use of a computer and programming skills will be required to solve most problems. The motivation for starting Project Euler, and
これは便利！IT系勉強会を検索できるサービス10選 - paiza times
Photo by Matt こんにちは。谷口です。 ITエンジニアの皆さんは、勉強会には参加していますでしょうか？ 技術者として、勉強会での情報収集は大変役立つものですが、「勇気がなくてまだ参加したことがない」「そもそもどんな勉強会が開催されているのか知らない」「勉強会をどう探したらいいか分からない」という方も多いかと思います。 そこで今回は、勉強会やセミナーの情報が探せるサイトをご紹介します。 勉強会といっても、交流が主なイベントや、講演を聞くスタイルのセミナー等いろいろなものがあります。ぜひご自分に合ったイベントを探してみてください！ ■勉強会を探せるサイト ◆勉強会を探せるポータルサイト ◇1.IT勉強会カレンダー https://www.google.com/calendar/embed?src=fvijvohm91uifvd9hratehf65k@group.calendar.g
CodeIQについてのお知らせ
2018年4月25日をもちまして、 『CodeIQ』のプログラミング腕試しサービス、年収確約スカウトサービスは、 ITエンジニアのための年収確約スカウトサービス『moffers by CodeIQ』https://moffers.jp/ へ一本化いたしました。 これまで多くのITエンジニアの方に『CodeIQ』をご利用いただきまして、 改めて心より深く御礼申し上げます。 また、エンジニアのためのWebマガジン「CodeIQ MAGAZINE」は、 リクナビNEXTジャーナル( https://next.rikunabi.com/journal/ )に一部の記事の移行を予定しております。 今後は『moffers by CodeIQ』にて、 ITエンジニアの皆様のより良い転職をサポートするために、より一層努めてまいりますので、 引き続きご愛顧のほど何卒よろしくお願い申し上げます。 また、Cod
世はまさに大フーリエ時代
目次 §1 始まりは一枚のgif §2 勃発！視覚化大バトル §3 アフロ、レモン、そしておしり §4 ただでさえ天使 §5 手軽な手書き §? ？？？
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
マルウェア分類に用いられる特徴量 Kaggle - Malware Classification Challenge勉強会
人工知能の歴史と、グーグルの自動運転車が事故を起こさないためにしていること
【3】計画した動作の実行――PIDコントロールによるステアリング操作の例 走行ラインが決まると、いよいよGoogle Carはステアリングやアクセル、ブレーキの操作を行います。ここでは、特にステアリング操作にフォーカスして説明します。 図4のように、本来走りたい走行ラインに対して車がずれた位置にあるとします。走行ラインの左側に車があるため、ハンドルを右に切れば走行ラインに戻れそうです。人間であれば、今までの運転経験を基に適切にハンドルを操作するでしょう。しかし、Google Carのようなロボットの場合、「ハンドルの角度を何度にするか」を数値として算出する必要があります。 この算出方法として使うのが、「PIDコントロール(proportional integral derivative control)」と呼ばれる方法です。PIDコントロールは「Proportional（比例）」「Inte
BitCoinとBlockChainにまつわる誤解ーそんなことはできない - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 言いたいことを一行で BlockChainはいろいろと面倒な制約がありますので，KISSの原則を忘れないようにしましょう．権力分立の原理をどうやっても守りたいという政治的な主張がない限り，BlockChainを応用するのはナンセンスです． はじめに BitCoinの中核をなすBlockChainと呼ばれる技術が今ホットですね，いろんなところで耳にします．BlockChainとはようは皆で合意（AさんがBさんにXを渡したという取引記録）を形成していく分散型合意形成アルゴリズムです．ボランティアで参加したコンピュータ全員で協力して改ざんが困
Jenkinsでビルドのパイプラインを作るぞー！(2016年2月版) - Mitsuyuki.Shiiba
と思って色々見て回った。 Jenkinsでビルド・パイプラインを作る | Ryuzee.com Jenkinsのビルドパイプライン系plugin3種比較 - knjnameのブログ kakakikikekeのブログ: Jenkins の Workflow Plugin を使ってみた Jenkins Workflow Pluginを使ってみました - Qiita 川口耕介氏，Jenkinsプロジェクトの現状やWorkflow Pluginの特徴を説明 ～Jenkinsユーザカンファレンス2015東京 基調講演：レポート｜gihyo.jp … 技術評論社 とか、色々。 Pipeline Plugin (旧Workflow Plugin) が良さそう Pipeline Plugin - Jenkins - Jenkins Wiki Build Pipeline Pluginとか、Delivery
ぼくらのかんがえた さいきょうの DBスキーマうんよう(Rails版)｜デロイト トーマツ ウェブサービス株式会社（DWS）公式ブログ
既に花粉症が出てきた下條です。タイトルは大げさです。すみません。 Ruby on RailsではDBスキーマの管理方法として、マイグレーション機能が標準で備わっています。これは小規模なシステムではうまく運用できますが、プロジェクトが増えたり、多くの開発者が参加すると運用が難しくなってくることがあります。最近よく遭遇するのは複数のプロジェクトが同一のDBを利用する場合です。例えばCMS, API, SPAといった別々のプロジェクトが同一のDBを利用し、特にRails開発者とフロントエンドの開発者が一緒のDBを見るような場合に問題になることが多いです。こういった場合にRails標準のマイグレーション運用をすると下記のような課題・問題が発生します。 どのプロジェクトでマイグレーションをすればよいのか。各プロジェクトでマイグレーションファイルが分散すると、開発のDBスキーマ管理が面倒なことになるの
Fluentd、Memcached、IoT、ドローン、機械学習、映像解析――ソフトとハードを隔てる壁が壊れつつある今、ITエンジニアは現実的に何ができるようになるのか
これまでになく、ソフトウェアエンジニアの間でFPGA（Field Programmable Gate Array）への関心が高まっている。ドワンゴがニコニコ動画の配信向けにFPGAエンジニアを募集。バイドゥがディープラーニングの高速化にFPGAを導入。インテルがアルテラを買収。ザイリンクスがIBMと提携するなど、2015年はソフトウェアエンジニアの間でもFPGAの話題が多く聞かれた。 そこで、本企画では、FPGAベンダーであるザイリンクスの神保直弘氏、ソフトウェア開発者の立場でFPGAに取り組むイベント「FPGAエクストリーム・コンピューティング」を主宰する佐藤一憲氏、そしてブログサイト「FPGAの部屋」を書き続けてきた小野雅晃氏に集まってもらい、座談会を実施した。 「FPGAネイティブ世代」の登場により、ソフトウェアとハードウェアの間に在った壁が壊されようとしている現状をお伝えする。 （
Rubyで実装して楽しむ古典データ構造再入門（平衡木編） - hama_duのブログ
Competitive Programming Advent Calendar 2014 7日目です。 今回は古典的なデータ構造をRubyで実装してみます。 まず通常の木、二分木からはじめ、その次に二分探索木、そして二分探索木に少し機能を加え高性能にした平衡二分探索木を扱います。 冒険の地図 木 二分木 二分探索木 平衡二分探索木 ランダム挿入二分探索木 Treap 基本 木(Tree) 以下の図は木の例です。一番上にある頂点（丸）を根と呼びます。各頂点に直接ぶら下がっている頂点たちをまとめて子と呼びます。子を持たない頂点を葉と呼びます。 頂点同士は辺（棒）で結ばれています。木には、辺によってループができないという特徴があります。 木の性質 木には素晴らしい性質があります。各頂点の子を根と考える（上の部分は無視する）と、それぞれの子も木になっているという点です。それらの木のことを部分木と呼
pythonでマルチコア並列処理をする方法 - Qiita
def function(hoge): #やりたいこと return x def multi(n): p = Pool(10) #最大プロセス数:10 result = p.map(function, range(n)) return result def main(): data = multi(20) for i in data: print i main() この場合だと、「0,1,2・・・19と値を変化させてfunctionを20回実行する」という処理になります。 functionの返値はresultにリストで入っているので、受け取って標準出力しています。 また、私の環境では12コア（正確には6コア12スレッド）まで使えるので最大プロセス数は10としました。 最大まで使うとブラウザを開くのも一苦労になるのでやめておいた方が無難です。 CPU使用率 並列処理中のCPU使用率も載せてお
Stream APIの演習、様々な処理でストリームを使ってみる
前回、前々回と2回に渡って、ストリームの基本的な使い方について説明してきました。 とはいうものの、いざストリームを使おうとしても、なかなかすんなりとはいかないのも仕方がないところです。今までのJavaのプログラミングスタイルからすると、ストリームのスタイルは大きく異なります。特に関数を用いて処理を指定していく方法は、今までのJavaではあまりありませんでした。 このスタイルは本連載の「Java SE 8のラムダ式はどうやって活用するか」で紹介した、高階関数を用いた関心の分離に他なりません。 そこで、今回は様々な処理をストリームで行うことにより、ストリームを使う上での考え方を紹介していきます。 条件に合致するものに対して処理を行う 拡張for文を使用してリスト1のような処理を書くことはありませんか。 リスト1●条件に合致した要素に対し処理を行う List<String> elements =
物理サーバを選定する際のポイント – Eureka Engineering – Medium
Eureka EngineeringLearn about Eureka’s engineering efforts, product developments and more.
El Capitan / SierraでTeX環境をゼロから構築する方法 - Qiita
重要 本記事の内容は2018年5月に公開されたMacTeX 2018に対応していません。MacTeX 2018を用いたインストールの方法は、Yusuke Teradaさんの記事をお勧めします。 0. はじめに 2015年10月に公開されたOS X 10.11 El Capitanでは、セキュリティの強化やフォント管理方式の変更に伴って、従来のTeXインストールの方法が通用しなくなりました（詳しくは寺田先生による説明をお読みください）。ここでは、El Capitan以降のmacOSにTeX環境をゼロから構築する方法を、備忘録を兼ねて書き留めておきます。 ここで対象とするのは新たにTeXを導入するEl Capitan / Sierraユーザーです。Yosemite以前からのTeX環境を残したままEl Capitan以降にアップデートした場合の対応はここでは説明しませんので、他のエントリー（ここ
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
https://eprints.lib.hokudai.ac.jp/dspace/bitstream/2115/50521/1/IPSJ-JNL5011016.pdf
コミュニティ構造の視認性を高めるネットワーク可視化手法に関する一考察
http://app6.ele.tottori-u.ac.jp/SOM-Meeting/2009/web-PDF/som2009-04-web.pdf
untitled
reD-WII-07.dvi
https://www.jstage.jst.go.jp/article/jssst/28/1/28_1_1_127/_pdf
GitHub - ike002jp/npartite: algorithms for community detection from n-partite networks
Gabung Sekarang di Slot88: Situs Judi Slot Online Terpercaya & Gacor, Dapat Maxwin!
MacのHomebrewでpyenv-virtualenv環境を作る - Qiita
harold-spm.com