Walker's Alias Methodの箱の作り方のわかりやすい説明 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 指定された重みに従って離散的な値を確率的に選択したい、ということがよくある。例えば[1,4,5]という配列が与えられた時、確率10%で0、40%で1、50%で2というインデックスを返すような関数が欲しい。 普通に考えると部分和をとって乱数を一度振り、どの場所が選択されたか二分探索で調べる、というアルゴリズムが思いつくが、これは要素数Nに対して$O(\log(N))$の手間がかかる。logの手間というのは無視できることが多いが、この関数呼び出しが頻繁にある場合には無視できないコストになる。 さて、こんな用途のためにWalker'
printfに4285個アスタリスクをつけるとclang++が死ぬ - Qiita
def check(n) s = "*"*n f = open("test.cpp","w") f.puts <<EOS #include <cstdio> int main(){ (#{s}printf)("Hello World\\n"); } EOS f.close() return system("clang++ test.cpp") end check(ARGV[0].to_i) $ ruby check.rb 10000 clang: error: unable to execute command: Illegal instruction: 4 clang: error: clang frontend command failed due to signal (use -v to see invocation) Apple LLVM version 10.0.1 (clang
「九九の一の位」の数学的側面 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 小学二年生の息子がこんな宿題を持ってきました。 今日息子が持って帰ってきた「円を十等分し、九九の一桁目の点をつなげ」という宿題、面白い。これ、10を法とする剰余類になっている。10と互いに素な奴はすべての点を巡る。また、1と9、2と8といった、「足して10になるペア」は同じ形になる。5は自己共役ですね。 pic.twitter.com/xOrF5I22jI — ロボ太 (@kaityo256) 2018年11月22日 宿題の中身はこんな感じです。 円が10等分されており、0から9までの数字が書いてあります。この円で、九九の「一
PowerPoint for Macが吐くPDFが重いんです - Qiita
TL;DR PowerPoint for Mac でpptxからpdfにエクスポートするとファイルサイズが異様に大きくなることがある 全く同じpptxファイルをWindowsのPowerPoint 2016でpdfにするとファイルサイズは小さくなる この違いの原因は続編のRe: PowerPoint for Macが吐くPDFが重いんですを参照 はじめに PowerPointでスライド十数枚のプレゼン資料を作り、それを職場のメーリングリストに投げようとpdfにしたら、ファイルサイズが数十倍に膨れ上がった。 こんな軽い資料なのに10MB以上の添付ファイルにして添付するのも気が引けるので画像を圧縮したりためしたのだがなかなかサイズダウンできない。 そこで、そのファイルをWindowsに持っていき、WindowsのPowerPointでPDFにエクスポートしたらまっとうなサイズになった。以下、現
モンテカルロ法における詳細釣り合い条件と遷移確率の決め方について - Qiita
#はじめに 多くの人にとって、初めてモンテカルロ法に触れるのは「ダーツを投げて円周率を求めるプログラム」だと思う。プログラムは簡単だけれど、そこそこの桁数を得るのに相当な試行回数が必要になるので、他のもっと収束が早い公式と比較したりして「モンテカルロ法は遅い」という印象を持ってしまう。 しかし、現在一般に「モンテカルロ法」というと、ほぼ「マルコフ連鎖モンテカルロ法(Markov-Chain Monte Carlo, MCMC)を指す。マルコフ連鎖モンテカルロ法は他の高次元数値積分法に比べて収束が早く、かつ他の近似手法と違って得られる答えにバイアスが無いという特徴があり、極めて強力な手法である。 さて、マルコフ連鎖モンテカルロ法を習得するにあたって、初学者1の鬼門は詳細釣り合い条件(Detailed Balance)だと思う。詳細釣り合い条件の次に、メトロポリス法や熱浴法などで遷移確率を決め
Wordさんは今日もおつかれです - Qiita
TL;DR Wordは箇条書きを作る度に膨大な情報がコピーされ、それは元の箇条書きを消しても残る(Windows/Mac共通) Wordは文章を編集するたびに、中身が断片化する。一度断片化したら元には戻らない(Mac版のみ) 断片化、参照されていない箇条書き情報については「名前をつけて保存」しても解消しないが、「全て選択してコピー、新規作成したファイルに貼り付け」で解消する。 2018年9月19日追記 本稿にはもともと「Windowsで作成したWordファイルをMacで修正すると断片化する？」という仮説が追記として掲載されていましたが、実際には「作成環境に関係なく、Mac版Wordで編集すると断片化する」ことがわかりましたので、後で読む方の混乱を避けるためにその追記を削除しました。 はじめに Wordファイルを扱っていて「だんだん重くなっていく」と感じたことはないだろうか。特に、代々引き継
うんざりするほど正解パスが長い迷路の作り方 - Qiita
概要 迷路を自動作成すると、正解パスがあまり複雑にならないことが多い。そこで、迷路の全領域にわたって無駄に歩かされる迷路を作りたい。 最終的にはこんな迷路を作る。 正解パスの作成 とりあえず、最初に正解パスを作る。正解パスが与えられたら、それが正解パスとなるような迷路はクラスタリングアルゴリズムを使えば良い。 で、まずこんな正解パスを与え、始点と終点を固定したまま、これを変形していくことにする。 変形の仕方は以下の二種類。 まずは90度に曲がっている箇所をひっくり返すフリップ。 ２つ目は、辺をひっぱって伸ばすストレッチ。 上の例では元が一直線になっているが、曲がっていても可能であれば伸ばすようにしている。 上記の操作をランダムに繰り返せばいずれ正解パスが迷路をうめつくすだろう、そう思ってやってみると・・・ こんな感じに、最初に与えたパスが太っていく感じになる。確かに最終的には迷路をうめつく
GCCの最適化がインテルコンパイラより賢くて驚いた話 - Qiita
はじめに コンパイラの最適化機能が、どこまで何を見抜くかに興味がある。特に、あるコンパイラができて、他のコンパイラができなかったりすることが見つかると楽しい。そういうのを見つけたのでメモ。 ソース コンパイラに食わせるコードはこんなの。
1
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
thread_localとローカルに定義されたstd::vectorの組み合わせ - Qiita
インテルコンパイラのアセンブル時最適化 - Qiita