Pythonで動物の行動データを解析する研究をするには 2018/10/6 PyCon mini Hiroshima 2018 https://pyconjp.connpass.com/event/91821/ https://hiroshima.pycon.jp
こんにちは、アシスタントエディターの栄藤八(@hachi_jejeje)です。他社オウンドメディアの記事コンテンツ制作代行を行う「外部メディアコンテンツ制作チーム」で見習いとして働いています。 突然ですが、みなさんは『ドラゴンボール』という作品をご存知でしょうか。「週刊少年ジャンプ」にて1984年から約10年にわたって連載された長編漫画です。1985年からは単行本も発売され、テレビアニメ化までされている、いわゆる大ヒット作品です。 1992年に生まれた私は、これまでドラゴンボールを読むことなく生きてきました。もちろん作品の存在自体は知っていましたし、アニメの主題歌もどこかで聞いたことはありました。しかし、私にとってのドラゴンボールとは「昔流行った漫画」でしかなかったのです。 そんな私が、今更ドラゴンボールを全巻読むことになったのは、ある出来事がきっかけでした……。 ドラゴンボールハラスメン
本記事は発展的な話題です。かつて@Med_KUさんのブログ記事「てさぐれ!!RStanもの」で出てきた例題は局所最適値(local minimum)が多くて、Stanで実行する際も初期値をかなりピシッと決めておかないとダメな例題でした。 しかし、モデルが高次元になってくると最初から“それらしい”初期値なんて分かりようがないし、そもそも理論的にはどんな初期値からはじめても長い間iterationをとれば大域最適値に到達してほしいです。しかし、Stanとは言え、現実的な時間内では局所最適値につかまります。溝が少し深いと出てこれません。そんな状況を打破するための発展的なMCMCの手法の1つに「レプリカ交換MCMC(replica exchange MCMC)」というものがあります。パラレルテンパリング(parallel tempering)としても知られています。 例によってここでは詳しく説明し
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