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、
多腕バンディットによる表示コンテンツの最適化 - クックパッド開発者ブログ
こんにちは。技術部検索グループの原島です。 上の画像は、スマートフォン（ブラウザ版）で見たクックパッドの検索結果ページです。レシピだけでなく、ニュースも表示されていますね。献立や掲示板のスレッドなどが表示されることもあります。 クックパッドでは、検索結果ページに表示するコンテンツをクエリなどに応じて最適化しています。最適化は、膨大なログデータと最新の機械学習を用いることで、実現しています。このエントリでは、クックパッドにおけるコンテンツ最適化の裏側を紹介します。 最適化の背景 スマートフォンの普及に伴って、ユーザが利用するプラットフォームは PC からモバイルにシフトしつつあります。クックパッドにおけるモバイル利用者の割合も、ここ 2 年で 10% 以上増加しました。最近では、60% 以上のユーザがモバイルからアクセスしています。 ユーザの利用形態が変化すれば、検索結果ページもその変化に対
How to Write a Spelling Corrector
One week in 2007, two friends (Dean and Bill) independently told me they were amazed at Google's spelling correction. Type in a search like [speling] and Google instantly comes back with Showing results for: spelling. I thought Dean and Bill, being highly accomplished engineers and mathematicians, would have good intuitions about how this process works. But they didn't, and come to think of it, wh
プログラマーのための確率プログラミングとベイズ推定
プログラマーのための確率プログラミングとベイズ推定¶PythonとPyMCの使い方¶ベイズ推定(Bayesian method)は，確率推論のためのもっとも適切なアプローチであるにもかかわらず，書籍を読むとページ数も数式も多いので，あまり積極的に読もうとする読者は少ないのが現状である．典型的なベイズ推定の教科書では，最初の3章を使って確率の理論を説明し，それからベイズ推論とは何かを説明する．残念ながら多くのベイズモデルは解析的に解くことが困難であるため，読者が目にするのは簡単で人工的な例題ばかりになってしまう．そのため，ベイス推論と聞いても「だから何？」と思ってしまうのである．実際，著者の私がそう思っていたのだから． 最近の機械学習のコンテストで良い成績を収めることができたので，私はこのトピックを復習しようと思い立った． 私は数学には強い方である．しかしそれでも，例題や説明を読んで頭の中で
マルコフ連鎖モンテカルロ法入門−1 - My Life as a Mock Quant
ネット上で見かけるマルコフ連鎖モンテカルロ法資料はどうも小難しいので、 マルコフ連鎖モンテカルロ法は全然難しくないということを伝えるべく平易に解説した資料を作ってみた。 ２状態離散モデルの解説を中心に、メトロポリス法の解説までを行った。 余裕があれば次は連続モデルや熱浴法・メトロポリスヘイスティング法の解説資料も作成したい。 マルコフ連鎖モンテカルロ法入門-１View more presentations from teramonagi .※ここで解説しているお天気推移モデルはオリジナルなものですので、数値・計算等にミスがある可能性が否めませんので、 ※もし間違いを見かけた方は優しく教えていただけると助かります。
俺的MCMCまとめ - yasuhisa's blog
12月くらいからMCMCの勉強しだして、いくつか代表的なアルゴリズムによるサンプリングをやったのでまとめておく。 Example of Rejection Sampling - yasuhisa's blog Example of importance sampling - yasuhisa's blog Example of Metropolis Hastings Algorithm - yasuhisa's blog Metropolis Hastings Algorithmの続き - yasuhisa's blog Gibbs Sampler Algorithmによって多変量正規分布からのサンプル抽出を行なう - yasuhisa's blog あとはモデルによって色々変わるけど、根幹となるアルゴリズムはできたからまあよいか。 これで一応自分で作れるという感じにはなったので、MCMC
インポータンス・サンプリング(importance sampling)の有難味について - My Life as a Mock Quant
なんとなーく頭でわかっているつもりになっていたものをちゃんと手を動かしてやっておきたい。 まず、インポータンスサンプリングについて一言で説明しておくと 「ある量の期待値を計算したいという状況において、その確率変数が大きな値を取る個所を重点的*1にサンプリングしてやることで、期待値評価の精度をあげる手法」 ということができる。 問題設定としては以下のような期待値評価をモンテカルロ法で計算したい、そんな状況を考える。 意味合いとしては「指数分布に従うxを使って正規分布（ガウシアン）的な関数の期待値を評価したい」ということ。 ここで,は適当に決める定数で、今回はそれぞれ10000, 6と設定した。 この積分自体は解析的に計算できて となって、以下ではこの答えをきちんとモンテカルロ法で再現できるかどうかというのが問題になる。 まずはパス数を1,000パスとしてR言語を使って評価したい関数を定義する
ゲーム理論
ゲーム理論 はジョン・フォン・ノイマン が開発したとされ，経済学の分野で発展してきたものです。 このゲーム理論は，生物学においても積極的に利用され， 進化ゲーム理論として発展してきました。 経済学においては， 各個人が最大化するように努めていると仮定される量は効用と呼ばれます。 これは，各人がさまざまな結果に対して持つ好みを表わすものです。 その結果，経済行動がうまく説明できるような効用関数を構成することができても， 観測された行動とは独立に効用関数を測定することはできません。 これに対して，生物学におけるゲーム理論では， 最適化すべきは遺伝子頻度の動態という自然過程が求められているため， 生涯を通じての繁殖成功度が個体の行動の良さを測る利得関数とみなされます。 生物が従わなければならない制約には，エネルギーの保存，活動時間の制約， 生化学反応の効率など，物理的，化学的， 個体の行動上の決
AtCoder Regular Contest 016 解説
『仕事の流儀』と題して自社内の社内勉強会用に作成した資料です。第1回基本編として、「優れた仕事の条件」とは何かを「QCDとスコープ、リスク」というフレームワークを活用して説明しています。また、「コミュニケーションの基礎」について受け取り方、考え方、伝え方の3つのプロセスで気をつけるべきことを説明しています。 長岡技術科学大学 2015年度先端GPGPUシミュレーション工学特論（全15回，大学院生対象講義） 第15回CPUとGPUの協調 2015年度先端GPGPUシミュレーション工学特論 ・第1回 先端シミュレーションおよび産業界におけるGPUの役割 http://www.slideshare.net/ssuserf87701/2015gpgpu1-59180313 ・第1回補足 GROUSEの利用方法 http://www.slideshare.net/ssuserf87701/2015g
確率解説 [TopCoder SRM 418 Div2 500/Div1 250]
確率解説 [SRM 418 Div2 500/Div1 250] 目次 問題 Q1 Q2 Q3 Q4 Q5 Q6 補足 問題 昨日、くじの広告を見掛けた。「 1 以上 n 以下の m 個の数字を選んでください。その後で我々もランダムに 1 以上 n 以下の m 個の数字を選びます。少なくとも k 個の数字が一致していればあなたの勝ち！」あなたが勝つ確率を求めよ。ただし 2 <= n <= 8, 1 <= m <= n-1, 1 <= k <= m とする。 ※Firefox4 など数式表示に対応したブラウザを使用している場合はこちら 出題元 SRM 418 Div2 500 解答
マルコフ連鎖モンテカルロ法を実装してみよう
"Chain Bridge, Budapest" by szeke 約2ヶ月ぶりということで、ご無沙汰しております。書きたいネタというのは結構あって書こう書こうとは思っているんですが、なにより書くとなるとあれもこれも伝えなきゃいけないみたいな思いになって、結局分量の多さから諦めてしまうというのが結構続いています。もう少し気を張らずに更新していきたいものです。 さて、最近の自分はマルコフ連鎖モンテカルロ法(Markov Chain Monte Carlo, MCMC)についておりました。何にも知らない方ににとってはよく分からないかもしれませんが、この手法はマルコフ連鎖が持つ簡明さとモンテカルロ法が持つ実用性が合わさった凄まじい手法なんです。そしてなによりとてもエレガント。 とりあえず知らない人のためにてきとーに解説しますと、与えられた適当な関数から確率変数をサンプリングするための公式です。べ
ランダムだと！？！？(ガタッ - 西尾泰和のはてなダイアリー
確かに、このテンプレには僕も飽きている： onk:「リンゴが10個あります。ランダムに3人で取り分けなさい」ってどうコードに落とすと綺麗かな。。 yoshiori: @onk ランダムだと！？！？ onk: @yoshiori 擬似ランダムでいいです yoshiori: @onk ふう、焦らせやがって……(俺の中でここまでテンプレ) yoshiori: もう、「ランダム」という言葉に反応してしまうのはネタでも良くない気がしてきた そこで新しいマサカリを考えてみた。「お前はなにを等確率にしたいんだ！？！？」 2個のりんごをAさんとBさんの2人に配ることを考えてみよう。全部で4通りの配り方がある。(A, A), (A, B), (B, A), (B, B)の4つだ。 この4通りを等確率にしたいのならば、それぞれのりんごについて1/2の確率でAとBに振り分ければ良い。ちなみにPythonのran
アルゴリズムイントロダクション 5.1-5.2章
The document discusses algorithms for hiring assistants. It presents an algorithm called HIRE-ASSISTANT that takes as input the number of candidates (n) and hires the best candidate. The time complexity of this algorithm is O(nCi + mCh) where Ci is the time to interview candidate i and Ch is the time to hire candidate h. It then analyzes the expected number of candidates hired by this algorithm us
Bloom Filter をせこく使って、せこく処理時間を省く - 日記
先日、Bloom Filter を利用して重複部分をフィルタすることで処理を簡潔にする、という記事を書きました。実際、3, 4秒の改善が図れたということも書きました。でも、普通の設計方法では、std::setより遅くなります。ご注意ください。 原因は、２つあります。ハッシュ値の計算 (std::string → size_t) が遅い。ハッシュ関数の個数が多い。std::set は、平衡二分木で実装されています。dblp.xml 内の著者数は、だいたい72万なので木の高さは19くらいになります。一方で、Bloom filter では、false positive probability を1%にするとハッシュ関数の個数は7、0.1%にすると10程度になります。std::setでの「最大19回の分岐処理」と Bloom filter での「いつも10回ハッシュ値計算」だと、totalでみて前
数値演算言語OCTAVEによるプログラム入門 - mamedalove
最新の20件2025-03-20 競馬に関するアンケート 2024-05-10 支持率と勝率の関係とは? 2018-07-17 The Songs Festivals Of Portland, Oregon Music In The City 2018-03-01 KeHa Tickets Usa Headlining Tour 2018-02-13 2010 West Virginia Condition Fair Concerts 2012-11-17 ま女神のページ in English 2010-03-16 TARGET frontier JV 2010-03-11 Microsoft Excel 2015-12-23 コメント/分割コロガシのページ 2015-06-12 リンク集 2015-04-01 大庭和弥 2014-11-11 騎手別詳細分析 2014-07-25 mime
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
モンテカルロサンプリング
нiяоко iп пеtщоякs on Twitter: "プログラミングと数学を合わせると面白い！PHPとモンテカルロ法で円周率を近似してみた #PHP｜CodeIQ MAGAZINE https://t.co/lvjFtXUQmy via @codeiq"
http://www.singularpoint.org/blog/r/importance-sampling-1/
準乱数および議事乱数を用いて円周率を求めるFORTRANプログラム
Monte Carlo法による円周率の計算