研究開発の俯瞰報告書｜報告書｜研究開発戦略センター（CRDS）「研究開発の俯瞰報告書」は、研究開発戦略立案の基礎として、科学技術分野における研究開発の現状の全体像を把握し、分野ごとに今後のあるべき方向性を展望するものです。主要な研究開発領域ごとの主要国（日本、米国、欧州、中国、韓国）間の国際比較も行っています。
古典的統計手法に超高速アルゴリズムを組み合わせ、ビッグデータから新しい事象を見出す統計手法を開発 | 特集記事 | Nature Careers | Nature Portfolio
古典的統計手法に超高速アルゴリズムを組み合わせ、ビッグデータから新しい事象を見出す統計手法を開発 2013年8月22日 東京工業大学大学院 情報理工学研究科 計算工学専攻 瀬々 潤 准教授 生命科学の研究では、P値（検出された事象が誤りである確率を示す検定値）は発見の信頼性を担保する重要な概念となっており、P値が0.05あるいは0.01といった閾値以下（有意水準とした5％以下あるいは1％以下）であることが必須とされ、論文にも明記することが求められている。 遺伝子の変異を例に取ると、次世代シーケンサーの登場で読み取れる情報が膨大になり、数多くの変異が発見される一方で、変異が少数の場合と同一の基準で調べると、偶発的に生まれる誤発見を含む確率も高くなる。誤発見を避けるためには、データが増えるに従って、P値の計算方法をより精度の高いものにする必要がある。ところが、これまで膨大なデータからP値を精度
LAMP - Multiple testing procedure for finding higher order effects
LAMP is a code for multiple testing correction. Given the relationships between transcription factors (TFs) and genes and gene expression levels, the code lists up statistically significant combinations of TFs. The LAMP algorithm calibrates the Family-Wise Error Rate (FWER) at the same level of Bonferroni correction. Applying our method to your data instead of using the Bonferroni correction gives
仮眠プログラマーのつぶやき : パーリンノイズアルゴリズム 前編
2010年06月30日04:12 カテゴリパーリンノイズアルゴリズム パーリンノイズアルゴリズム 前編 Perlin noiseのことを最初適当に知ろうと思ってwikipediaをのぞいてみたが、なんかあんま参考にならん・・・ページの下に関連リンクがあったので覗いてみた。 生成方 KEN (2019/12現在リンク切れ) 図やグラフから文章を推測するというなんとも奇妙な解読法で、なんとか理解したような気がした。 実際プログラムするときは上の生成方のＨＰが参考になった。 ではわかったことだけでもまとめていきたいと思う。 Perlin noise と普通のnoiseの違い （導入） 以下の話は全てパーリンノイズではなくバリューノイズというやつでした。すみませんでした。パーリンノイズは近日中にコード載せます。 定義の話とか面倒なので具体的な話から・・ ノイズ関数とパーリンノイズ関数があったとしよ
submodularity.org: Tutorials, References, Activities and Tools for Submodular Optimization
Overview This page collects some material and references related to submodular optimization, with applications in particular in machine learning and AI. Convex optimization has become a main workhorse for many machine learning algorithms during the past ten years. When minimizing a convex loss function for, e.g., training a Support Vector Machine, we can rest assured to efficiently find an optimal
ICML2013読み会を開催しました - Preferred Networks Research & Development
夏ですね。暑いですね。比戸です。 先月開かれた機械学習のトップ会議ICML2013の論文読み会を開催しました。本会議に参加したPFIメンバーがいたので、せっかくだからと外部公開にしたところ、想像以上の盛り上がりとなりました。 1週間前というかなり無理なスケジュールで募集をかけたにも関わらず、読む人枠は瞬時に埋まり、聞く人の数も予想を大きく超え合計40名と弊社オフィスでは収まらなくなったため、東大の中川先生にお願いして場所をお貸し頂きました。ありがとうございました。 平日夜18時から22時という時間にもかかわらず濃密なガチ発表が続き、とても有意義な情報共有・質疑が出来たのではないかと思います。ここ1-2年このような論文読み会の機会が減っていると感じていたので、今後も継続的に開催出来ればと思います。 発表者の皆さんもかなり資料をSlideshareに上げてくださったのでせっかくなのでここにまと
学習と進化的計算
「学習と進化的計算」の講義に関する連絡事項などを随時更新していく予定です． ■ 授業概要 コンピュータによる様々な学習や進化的計算について学ぶ。具体的には、新 しい情報処理の手法として注目されているニューラルネットワーク、ファジィ、 遺伝的アルゴリズムなどを対象とする。学習に関しては、ニューラルネットワー クを中心に代表的なモデルについて、簡単な例題を見ながら学んでいく。進化 的計算に関しては、遺伝的アルゴリズムや遺伝的プログラミングなどについて 学ぶ。さらに、これらの手法が、実際にどのように使われているかを、具体的 な例を取り上げることで、理解を深める。 ■ 授業方法 前半の授業でニューラルネットワークや進化的計算の基礎について学び、後 半の授業の中でそれらのプログラムを実際に作成することで理解を深めていく。 ■ 成績評価方法 出席、課題(毎回)、期末レポート(プログラミングの課題
産総研：ビッグデータから新たな科学的発見をもたらす統計手法を開発
ビッグデータからの科学的発見のためには、正確な検定値（Ｐ値）の算出が必要。 超高速アルゴリズムを用いた新たな統計検定手法を開発し、発見力を大幅に改善した。 物理学、医学、化学など全ての実験科学において世界中での広い利用が期待される。 ＪＳＴ 課題達成型基礎研究の一環として、産業技術総合研究所 生命情報工学研究センターの津田 宏治 主任研究員（ＪＳＴ ＥＲＡＴＯ「湊離散構造処理系プロジェクト」グループリーダー）、東京工業大学 大学院情報理工学研究科 計算工学専攻の瀬々 潤 准教授、理化学研究所 統合生命医科学研究センターの岡田 眞里子 チームリーダーらは、従来に比べて格段に高い精度で誤発見の確率を示す検定値（Ｐ値）を計算するアルゴリズム（手順）を開発しました。 自然科学で得られるデータ量は増加の一途をたどり、これらを有効に解析できる方法が望まれています。しかし、従来の統計検定手法は観測できる
コンピュータビジョンと機械学習 徹底入門 -現実的な画像検索のためにやってきたこと- #TokyoWebmining
コンピュータビジョン＆機械学習の入門的な内容について ※事例のランダムサンプリングを追加：修正 ※再現率、適合率の名称逆だったので入れ替え：修正
TreeSketch
TreeSketch 3.0 Promo Video from Steven Longay on Vimeo. Shows key new features of TreeSketch 3.0 Topics Include: Painting trees Adjusting tropisms Sketch Based Tropisms Width Constraints Bending and prunting branches Scene Illumination TreeSketch 2.0 - Painting Trees from Steven Longay on Vimeo. An introduction to painting trees with TreeSketch 2.0 for the iPad. Topics Include: Painting trees Adju
Half-Edge構造でCatmull-Clark細分割曲面を実装してみた（わりと完璧版） - tuedaの日記
Half-Edge構造でCatmull-Clarrk再分割曲面を実装してみた。 （フルスクラッチで書くのは多分3回目ぐらい） 今回はHalf-Edge構造を厳密に使い、余計なメンバー変数を使用していない。 Half-Edge構造は例えばここが詳しい。 http://www.flipcode.com/archives/The_Half-Edge_Data_Structure.shtml Catmull-Clarkに関してはこちらが詳しい。 http://d.hatena.ne.jp/u_1roh/20060627/1151390713 Catmull-Clark細分割曲面を実装して気づいた点をメモしておく。 境界エッジは接するFaceが1つしかないのでペアになるハーフエッジが存在しない。 それだと頂点のまわりをぐるっと1週するのが不可能なので境界エッジのところだけは ハーフエッジを2本作った
パターン認識と機械学習（PRML）まとめ - 人工知能に関する断創録
2010年は、パターン認識と機械学習（PRML）を読破して、機械学習の基礎理論とさまざまなアルゴリズムを身につけるという目標（2010/1/1）をたてています。もうすでに2010年も半分以上過ぎてしまいましたが、ここらでまとめたページを作っておこうと思います。ただ漫然と読んでると理解できてるかいまいち不安なので、Python（2006/12/10）というプログラミング言語で例を実装しながら読み進めています。Pythonの数値計算ライブラリScipy、Numpyとグラフ描画ライブラリのmatplotlibを主に使ってコーディングしています。実用的なコードでないかもしれませんが、ご参考まで。 PRMLのPython実装 PRML読書中（2010/3/26） 多項式曲線フィッティング（2010/3/27） 最尤推定、MAP推定、ベイズ推定（2010/4/4） 分類における最小二乗（2010/4/
一般向けのDeep Learning
PFI 全体セミナーで発表した、専門家向けではなく一般向けのDeep Learning（深層学習）の解説です。どのような場面で活躍しているのか、今までの学習手法と何が違うのかを解説しています。
サイボウズOfficeでZipファイル生成を実現するまで - Cybozu Inside Out | サイボウズエンジニアのブログ
こんにちは。サイボウズ Officeの開発を担当しています、佐野です。 みなさんよくご存知のZipファイル。ユーザーとして展開や圧縮の方法はよくわかっていても、プログラムとしてどうやって作られているのかを知る人はそう多くないと思います。今回は、この「どうやって」について開発経験をもとにお話します。具体的には、弊社がクラウドサービスとして提供しているサイボウズ Office on cybozu.comでの実現の過程を取り上げます。 今回扱う内容は広範囲に渡っていて、設計、実装、パフォーマンスチューニングなどに触れます。開発当初の期待とは裏腹に一筋縄ではいきませんでした。実際のソフトウェア開発ではよくあることですね。その点についても後ほど詳しく紹介します(実はここが一番面白い所です)。内容は全般的にプログラマー向けですが、プログラマーでない方も、開発過程の雰囲気だけでも楽しんでいただければ幸い
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
宇野毅明 の ホームページ
English English version is here 宇野 毅明 の ホームページ あなたは 人目のお客様です． このページは，国立情報学研究所准教授，宇野毅明の研究分野である，最適化とアルゴリズム、最近はデータマイニングとビッグデータ、データ解析に関する解説，私の研究内容と業績，最近の活動を紹介するページです． この分野の研究者の方を始めとして，いろいろな方に見てもらいたいと思い，それぞれの方々にあった，説明を用意しました．私の研究内容が知りたい方，論文をダウンロードしたい方，この研究分野に興味のある学生の方，あるいはこの分野の知識を利用したいと思っている研究者の方，また，コストダウンや，システムの高速化を行いたい企業の方々など，役に立つことがあると思いますので，ぜひ，立ち寄って，中をのぞいてみてください． なお本サイトの文章、図版は転載・引用はご自由に行って下さ
スライド 1
劣モジュラ性を用いた データ生成過程の学習 大阪大学 産業科学研究所 / 日本科学技術機構(さきがけ) Email: kawahara@ar.sanken.osaka-u.ac.jp web: http://www.ar.sanken.osaka-u.ac.jp/~kawahara/ 河原 吉伸 発表の概要 機械学習における組合せ的計算によるアプローチの 重要性と難しい点，劣モジュラ性利用の動機 劣モジュラ性の導入的説明と特徴選択への利用 劣モジュラカット法を中心として，劣モジュラ性を用いた 大域的解法の紹介 2 特徴選択（1） 例） 治療日数を決定する親変数の中から， 1. 治療日数を予測するのに有用な変数を選ぶ 2. 治療日数の要因を特定する 3 治療日数 重症度 投薬 年齢 治療日数= 𝑏11 ×投薬+𝑏12 ×重症度+𝑏13 ×年齢+ ⋯ + 𝑒1 𝑒1 …
HALOBET: Situs Judi Online Terdepan, Slot Gacor & Slot88 Terbaik, Login Mudah!
Pemeliharaan Terjadwal: AllBet pada 23-Jun-2025 dari 06:00:00 sampai 10:30:00. Selama waktu ini, AllBet permainan tidak akan tersedia. Kami memohon maaf atas ketidaknyamanan yang mungkin ditimbulkan. Pemeliharaan Terjadwal: PPVIRTUALGAMES pada 13-Oct-2023 dari 18:00:00 sampai 01-Jan-2026 00:00:00. Selama waktu ini, PPVIRTUALGAMES permainan tidak akan tersedia. Kami memohon maaf atas ketidaknyamana
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
ODICON
カーナビアプリ「HondaLink」がタイで人気爆発！ ビッグデータで世界の渋滞はなくせるか？