有理力学とは何か | CiNii ResearchJaLC IRDB Crossref DataCite NDL NDL-Digital RUDA JDCat NINJAL CiNii Articles CiNii Books CiNii Dissertations DBpedia Nikkei BP KAKEN Integbio MDR PubMed LSDB Archive 極地研ADS 極地研学術DB 公共データカタログ ムーンショット型研究開発事業
[0012] 徳岡辰雄，有理力学とは何か - 担当授業のこととか，なんかそういった話題。
徳岡辰雄， 有理力学とは何か， 日本物理學會誌 35(3), 210-218, 1980-03-05． 読んだ分量：全部 理解度：☆☆★★★ 論文の長さ：短 実に4ヵ月ぶりの投稿である。 一年ちょっと前，Hilbert が1900年に提唱した23の問題のうち，第6問題『物理学および，他の数学と密接に関連している諸科学の公理化』（リード，ヒルベルト 現代数学の巨峰，岩波現代文庫，「16 物理学」参照）が現代においてどのような扱いなのかに興味を持ち，インターネットでいろいろ調べているときに出会ったのが，徳岡氏のこの論説である。第6問題が現代物理学の展開で果たした役割については新井朝雄氏の解説（杉浦光夫編，ヒルベルト23の問題，日本評論社）に詳しいが，そこでは連続体の力学の公理化を試みた有理力学に関する記述が一切ない。徳岡氏の解説はそれを補うものである。 連続体力学の公理化に関しては Trues
![[0012] 徳岡辰雄，有理力学とは何か - 担当授業のこととか，なんかそういった話題。](https://cdn-ak-scissors.b.st-hatena.com/image/square/df3a50c14b465108d37d0f484920317dd74971fb/height=288;version=1;width=512/http%3A%2F%2Fu.xgoo.jp%2Fimg%2Fsns%2Fblog.png)
統計学における平均場近似 - つれづれな学習帳
統計学における変分法に興味を持ってしまったため、変分ベイズの前に必要な平均場近似について勉強したことをまとめます。参考書は主に渡辺澄夫先生の解説文で、残りの部分は『計算統計 I 』や樺島先生の論文を参考にしました。『パターン認識と機械学習（下）』にも説明があります。 『物理学者でない人のための統計力学（渡辺澄夫先生）』 （参考にさせて頂いた資料は直接リンクできなかったので、代わりに同じ内容とおもわれるもののリンクをのせています。検索するとより詳細な資料が見つかります。） 『グラフィカルモデルと平均場近似（樺島祥介先生）』 （計算統計Iの平均場近似の箇所とほとんど同じです。） 計算統計 I―確率計算の新しい手法 (統計科学のフロンティア 11) 作者: 汪金芳,手塚集,上田修功,田栗正章,樺島祥介,甘利俊一,竹村彰通,竹内啓,伊庭幸人出版社/メーカー: 岩波書店発売日: 2003/06/13
Locality Sensitive Hashing (LSH) Home Page
LSH Algorithm and Implementation (E2LSH) Locality-Sensitive Hashing (LSH) is an algorithm for solving the approximate or exact Near Neighbor Search in high dimensional spaces. This webpage links to the newest LSH algorithms in Euclidean and Hamming spaces, as well as the E2LSH package, an implementation of an early practical LSH algorithm. Check out also the 2015--2016 FALCONN package, which is a
Locality Sensitive Hashing
【論文】M. Datar, N. Immorlica, P. Indyk, and V.S. Mirrokni, Locality-Sensitive Hashing Scheme Based on p-Stable Distributions, Proceedings of the twentieth annual symposium on Computational geometry, 2004. Overview Locality Sensitive Hashing(以下LSH，局所性鋭敏型ハッシュ)は高次元データを次元圧縮するための手法で，圧縮したデータによるハッシュテーブルを作成して，効率的に近似的最近傍探索を行うための手法です．基本的なアイディアとしては高次元空間内での距離が近い2つのベクトルが，ハッシュテーブルにおいて高確率で同じバケットに入るように確率的な処理を行うと
局所性鋭敏型ハッシュ - Wikipedia
局所性鋭敏型ハッシュ（きょくしょせいえいびんがたハッシュ、英語: locality sensitive hashing）とは高次元のデータを確率的な処理によって次元圧縮するための手法である。ハッシュの基本的な考え方は類似したデータが高確率で同じバケットに入るようにデータを整理するというものである。多くの場合においてこのバケットの数は入力されるデータサンプルの数よりもずっと小さくなる。 定義[編集] 局所性鋭敏型ハッシュを行うためのパラメータの集合をLSH族(Locality Sensitive Hashing Family)と呼ぶ。LSH族は距離空間と閾値、近似因子によって定義される。LSH族[1][2]は2点について次の2つの性質、 ならばとなる確率は以上である。 ならばとなる確率は以下である。 を満たす関数により与えられる族であり，はから一様乱数にしたがって選択される。このときは2点の
カルノー図 - Wikipedia
この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "カルノー図" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2018年4月） カルノー図の例 カルノー図（カルノーず、英: Karnaugh map）は論理回路などにおいて論理式を簡単化するための表であり、その方法をカルノー図法という。よく似た概念にベイチ (Veitch) 図と呼ばれる図があり、変数と数字の書き方のみが異なる。 カルノー図は1950年代にベル研究所のモーリス・カルノー(Maurice Karnaugh)によって発明された。 論理式を簡略化することにより、回路に使う素子を減らすなどのメリットがある。また、ブール代数の公式な
推計統計学 - Wikipedia
出典は列挙するだけでなく、脚注などを用いてどの記述の情報源であるかを明記してください。記事の信頼性向上にご協力をお願いいたします。（2016年9月） 推計統計学（すいけいとうけいがく、英: inferential statistics, inductive statistics）あるいは統計的推論（英: statistical inferenece）とは、母集団全体を知ることができない場合に、母集団から抽出された部分集団（抽出集団、標本集団）をもとに、確率論を用いて母集団の様子を推定する統計学の分野を言う。推計という語は、推定、推論、推測などと訳されることもある。 概要[編集] 19世紀後半から20世紀初頭にかけて発達した統計学は、現在では推計統計学と区別して、「記述統計学 (descriptive statistics) 」と呼ばれている。集団の規則性を求めることが統計学の目的であるが、
推定量 - Wikipedia
英語版記事を日本語へ機械翻訳したバージョン（Google翻訳）。 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。 翻訳後、{{翻訳告知|en|Estimator|…}}をノートに追加することもできます。 Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指針についての説明があります。
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
第1回IBISML研究会 | 情報論的学習理論と機械学習 (IBISML) 研究会
クワイン・マクラスキー法 - Wikipedia