歌舞伎座.tech#4「コンピュータ将棋プログラミング」【山本一成】歌舞伎座.tech#4「コンピュータ将棋プログラミング」元放送：lv183268064「SIMDと将棋プログラム / Magic Bitboard」山本 一成（Ponanza開発者） 他の講演者瀧澤 武信（コンピュータ将棋協会会長）：sm23853856保木 邦仁（Bonanza開発者）：sm23854113山下 宏（YSS開発者）：sm23875262竹内 章（習甦開発者）：sm23857432Lightning Talks：sm23857586mylist/46318460 ←投稿動画一覧
Wikispaces
We are sorry, but the site you are looking for no longer exists Wikispaces was founded in 2005 and has since been used by educators, companies and individuals across the globe. Unfortunately, the time has come where we have had to make the difficult business decision to end the Wikispaces service. We first announced the site closure in January 2018, through a site-wide banner that appeared to all
AlphaBeta探索で経路依存の値を判定する方法 - Qiita
なんぞ？ AlphaBeta探索では、ゲーム木を木構造とみなして探索しているけど、現実的には合流があったりするので、それを効率的に処理するため(だけではないけど)に置換表があったりして、しかしゲームによっては辿った経路によって発動したりしなかったりするルールがあったりなんかもして、色々めんどくさいわけです。 そんなわけで、AlphaBeta探索をしていて、その時の評価値が経路に依存したものなのか否かを判定したくなったりすることもあるわけですが、割と頭がこんがらかるので、実装方法をまとめてみました。 どうやるの？ ↓こんな感じ。 末端では、それが経路依存な性質を持つか否かでフラグを設定する。 αを超えた場合(βカットを含む)は、αを超えた子ノードがtrueなときだけtrueにする。 αを超えなかった場合は、子ノードがどれか一つでもtrueならtrueにする。 β以上の子ノードがあった場合、そ
adilet.org - adilet リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
Algorithms for calculating variance - Wikipedia
Algorithms for calculating variance play a major role in computational statistics. A key difficulty in the design of good algorithms for this problem is that formulas for the variance may involve sums of squares, which can lead to numerical instability as well as to arithmetic overflow when dealing with large values. A formula for calculating the variance of an entire population of size N is: Usin
Web広告配信における多腕バンディット問題、Mortal Multi-Armed Bandits Problemとアルゴリズム - CARTA TECH BLOG
こんにちは@hagino3000です。Zucks Ad Networkという広告配信サービスの開発をしています。最近はアドネットワークの広告配信最適化に利用できるアルゴリズムの調査もしています。 本稿では調査で読んだ論文の一つ、オンライン広告配信を想定した多腕バンディット問題である、Mortal Multi-Armed Banditsを紹介します。多腕バンディット問題になじみがある読者を想定しています。 papers.nips.cc オンライン広告と多腕バンディット問題 ここでは簡単のために、クリック課金型のディスプレイ広告を前提に説明します。オンライン広告配信システムにおける問題として「最初はどの広告がどれだけクリックされるかわからないが、なるべくクリックされる広告を多く配信したい。」という物があります。これは多腕バンディット問題として知られており、探索はCTRが推定できるまで配信する事
色々なダイクストラ高速化
「はじめよう、シェル芸」オープンキャンプｉｎ南島原２０２０／OpenCamp in Minami-shimabara online
最小カットについて - よすぽの日記
わっけわかんねえほど沢山の制約ドパァな問題を解く一般的なテクとして、 なんかいい感じのグラフを作ったらなんかそれの最小カットが答え というのがあります 最小カットで解ける問題はどんなのなのか考えてみました 頂点がたくさんあって、それを赤と青に塗り分けるという問題を考えます。燃やすと埋めるでも大丈夫です 最小カットで解ける問題というのは、実は 頂点がたくさんある。それを赤と青に塗り分ける。全部の頂点を必ず赤か青に塗らなくてはいけない 必ず赤色に塗らなくてはいけない頂点(Sとする)と青色に塗らなくてはいけない頂点(Tとする)が存在する 「Xが赤で、Yが青の時にZ円の罰金がかかる」という制約が沢山ある 罰金の最小値は？ という問題だけです。 これの解法は、 「Xが赤で、Yが青の時にZ円の罰金がかかる」ならX->Yに容量Zの辺を貼る SからTに最大流 流せた量が答え 処理できる条件は「Xが赤で、Y
「第2回 プログラマのための数学勉強会」開催しました！（動画＆資料つき） - 34歳からの数学博士
どうも、佐野です。 3/27(金)「第2回 プログラマのための数学勉強会」が開催されました。今回も多くの方にご参加頂き、数学愛ほとばしるセッションの数々をお送りできて嬉しく思っております。各セッションの動画・資料と共に、簡単に内容のご紹介をさせて頂きます。 1. 「プログラマのための線形代数再入門 2」 - 佐野岳人 [資料] 線形代数再入門の続編として行列式・逆行列について発表しました。高校や大学で行列式を習うときは低次の場合の計算法だけか、あるいは置換を使ったガチな定義を習うかのどちらかと思うのですが、「そもそもこれは何なのか」をプログラマが納得できるように、普段見慣れているであろう「要件・仕様・実装」のフォーマットでその意味と計算法について解説することを試みました。 数学科卒というと計算が得意とか暗算が速いとか思われがちですが、僕は自分でも悲しくなるほど計算が遅くよく間違います。掃き
株式会社NTTデータ数理システム
アルゴリズムとは日本語では処理手順のことを言います。 汎用数理計画法パッケージ Nuorium Optimizer が色々な問題を解くことができるのは様々なアルゴリズムがプログラムされているからです。 ここでは数理計画法・最適化の仕組みを理解する上で必要な情報を分かりやすくご説明致します。 あくまで入門的な位置づけですので数学的に厳密な説明を行う訳ではございませんのでご了承ください。 数理計画法で代表的なアルゴリズムについての簡単な解説 線形計画法（LP） 混合整数線形計画法（MILP） 整数計画法（IP） 凸二次計画法（CQP） 非線形計画法（NLP） アルゴリズムの説明 アルゴリズムの説明を具体例を見ながら行いたいと思います。 例題 8 枚の金貨を袋に入れた金貨セットを 1000 袋販売します。 袋に 8 枚の金貨を入れる作業をある業者に依頼したのですが、 その業者は 1 袋あたり 1
(ルール変更前の)CODE VS 4.0 - ustimawのブログ
CODE VS 4.0について、ルール変更がアナウンスされる前後に調べていたこと、やろうとしていたことについて少し書いておきます。 内容は以下の2つです。 最終的なスコア(ターン数)はどうなるか 相手ユニット数からのAIの判別 最終的なスコア(ターン数)はどうなるか Extraモードが追加される前は、数十人が全ステージをクリアし、各ステージの相手を倒すまでのターン数の合計の少なさが順位を決める大きな要因となっていました。 CODE VS 4.0では、複数回の提出の中から一番よかったものがその参加者のスコアになります。そのため、プログラムが出すスコアの平均だけではなく、分散も影響します。同じプログラムで試行を続けた場合での最終的なスコア(つまり、複数回挑戦した中で一番いいスコア)がどうなるか予想できればと思って少し調べたことを書いておきます。 合計ターン数が、正規分布に従うと仮定しました。ス
ウェーブレット行列とFM-indexで全文検索を書いてみた - くじらにっき++
www.youtube.com 去年のはじめに高速文字列本を買ったのですが、アルゴリズムを眺めるだけで実装はしていませんでした。特にウェーブレット行列は実装が大変そうにしか見えなくて敬遠していたのですが、ICPCの夏合宿で @hirokazu1020 さんに「あれはアイデアさえ理解していれば実装するのは簡単だよ」という旨のことを言われたので、学校のプログラミングの演習の自由課題としてウェーブレット行列とFM-indexを実装してみました。 制作物はブラウザ上で動く青空文庫のインクリメンタル検索です。C++で書いたFM-indexをboost-pythonを使ってPythonから呼び出せるようにし、Flaskを使ってブラウザからのリクエストに応答するような仕組みにしてみました。アルゴリズムの本質的なところは全て自分で書こう！というモチベーションで始めたのですが、SA-ISが難しくてsais.
最近の最近傍探索 PQと仲間達
Pornographic Defamatory Illegal/Unlawful Spam Other Violations Thanks for flagging this SlideShare! Oops! An error has occurred.
Make a Splash With Dynamic 2D Water Effects | Envato Tuts+
There are two mostly independent parts to the water simulation. First, we'll make the waves using a spring model. Second, we'll use particle effects to add splashes. Making the Waves To make the waves, we'll model the surface of the water as a series of vertical springs, as shown in this diagram: This will allow the waves to bob up and down. We will then make water particles pull on their neighb
モンテカルロ木探索 と TOTAL WAR: ROME II｜miyayou
TOTAL WAR : ROME II のAIでモンテカルロ木探索法（MCTS）が採用された。 モンテカルロ木探索は、９０年代から囲碁AIに応用されて来た方法であるが、２００６年頃に改良され（勝敗だけを取る）、囲碁AIに革命的進歩をもたらした。 その後、理論的基盤やさらなる（プレイアウトにおける）改良が加えられたが、基本的にはとてもシンプルな方法で、選んだ手の評価を、それ以降をランダムにシミュレーションして、良さそうならさらにシミュレーション回数を増やすという方法である。 ゲーム産業も長い間、注目して来て、ウィーンのゲームAI会議や、GDCで、解説講演が何度も開催されて来たが、実用例はなかった。 今回は、プレイヤーの対戦相手として、RTSのプレイをするAIに、MCTSが採用された。ゲームの局面局面で、その時に実行可能なタスクを生成する（task generation）。囲碁の手の代わりに、
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
コスト行列とハンガリー法
Is It New?
組合せ最適化入門：線形計画から整数計画まで
FM-indexによる全文検索
Introducing Streaming k-means in Apache Spark 1.2
