誰もがどこかでつまずいた→小学校の算数から大学数学まで126の難所を16種類に分類した
数学嫌いはどこから生まれてくるのか？ よく聞かれる「役に立たないから」なる理由は、実のところ良くて後付け悪くて言い訳であって、その実態は、算数や数学につまずいて分からなくなった人たちが、イソップ寓話のキツネよろしく「あのブドウ（数学）は酸っぱい（役に立たない）」と言い広めているのである。 ならば撃つべきは〈算数・数学のつまずき〉である。 以下に示すのは、小学校の算数から大学基礎レベルの数学まで、「つまずいて分からなくなる」箇所を集めて１６のカテゴリーに分類したものである。 一度もつまずかず専門レベルまで一気に駆け上がることのできた一握りの天才を除けば、数学が得意な人も不得意な人もみなどこかでつまずいたであろう、さまざまな算数・数学の難所が挙げられている。 この分類が示そうとしていることのひとつは、同じ〈根っこ〉をもったつまずきが、小・中・高・大の各レベルで繰り返し出現することである。 たと
[メモ] サポートベクターマシン(SVM) - 机上の空論
サポートベクターマシン(以下 SVM) とは ・ニューラルネットワークの一種 ・教師ありクラスタリング SVM の基本的な考え方 ・元々2クラスの線形分離手法として提案される ・単層パーセプトロンに似ているが、SVM はマージン最大化という手法をとっているのがポイント。 ・マージン最大化とは、超平面と学習データの隙間となるマージンをなるべく大きく取ろうというもの。 (ここでいう超平面とは、2つのクラスにぶった切る平面のこと) ・ちなみに超平面と、ちょうどマージンの分だけ離れている学習データをサポートベクトルという。 ・このマージン最大化という考えを取り入れることによって、テストデータの識別精度を高めている。 SVM の発展 ・線形分離不可能な問題への対応 - ソフトマージン(学習データが多少マージンにくい込んだり、反するクラスの空間にくい込んだりしても許す)で対応
固有値、固有ベクトル、対角化...何のため？
私は文系出身の32歳会社員です。 ふとしたきっかけで数学を学び直そうかなと 独学で最近始めました。 そこで... 本当に素朴で基本的な疑問で恐縮なのですが... (1)何のために固有値を求めるのでしょうか？ (2)何のために固有ベクトルを求めるのでしょうか？ (3)何のために行列の対角化を行うのでしょうか？ 回答は歴史的背景、学術的背景、感情...etc、なんでも結構です。 例) ・特定の法則で計算すると固有値が求められるので求めた。 ・固有ベクトルは縦に並べてベクトルとしてみた方がすっきりするから「数列」ではなく「ベクトル」と呼んでみた。 ・意味はない！目的はない！ただ数学として突き詰めているだけだ！ ...などなど あっ、でも急を要している訳ではないので もしご存知の方、もしくは自論をお持ちの方は お時間のある方はご回答いただければ幸いです。 ちなみにテキストは共立出版の『やさしく学べ
404 Blog Not Found:プログラマーでなくても名前ぐらい覚えておきたいアルゴリズムx10
2007年11月26日18:15 カテゴリMathLightweight Languages プログラマーでなくても名前ぐらい覚えておきたいアルゴリズムx10 ぎくっ あなたが一番好きなアルゴリズムを教えてください。 また、その理由やどんな点が好きなのかも教えてください。 - 人力検索はてな なぜぎくってしているかというと、実はすでにアルゴリズム本の発注を受けているからなのだ。いつまでも伏せておくのもなんなので、ここにえいやっとdiscloseしてしまうことにする。 アルゴリズム大募集! C&R研究所 - トップページ その下書きもかねて、そこでも紹介しないわけに行かないメジャーなアルゴリズムをとりあえず10個紹介しておくことにする。 ユークリッドの互除法(Euclidean algorithm) その昔(数百年ほど前)は「アルゴリズム」といえば、「手順一般」を指すのではなく、この「互除法
バランス木
Documents room バランス木 LightCone(青木 豊) 京都大学工学部電気系学科卒 東京大学理学部物理学科大学院理論系筆記テスト合格 京都大学理学部物理学科大学院理論系筆記テスト合格 注意事項 このページに書かれている定理や証明は、論文やソフトウェアで自由に利用して頂いて構いません。 特に、AVL木のアルゴリズム自体は私の発案でないため、特に断ることなく利用するのはもちろん自由だと思います。 しかし、このページに書かれている「証明」には、私(LightCone/青木 豊)が発案したものが多く含まれています。そのような部分を論文などで参考にした場合、または、このページを読んだ後に関連した内容の論文等を書く場合には、必ず参考文献等で私(LightCone/青木 豊)の証明を参考にした、または読んだことを明記し、ここのウェブページのURLなどを書いて置いてくださるよ
ここギコ！: imgTexを導入しました
Posted by nene2001 at 00:25 / Tag(Edit): tex fastcgi formula math / 1 Comments: Post / View / 0 TrackBack / Google Maps はてなの人力検索で このような質問をしていたのだが、回答者の方が非常に綺麗な数式を回答の中で使われていた。 どうやってやっているのだろう？と思って調べてみたら、mimeTeXというシステムがあることが判った。 パッと見た限りCGI版しかなさそうだけど、CGIだと重そうだし、FastCGIで動かす方法はないかな？と思ってさらに調べてみたら、mimeTeXのFastCGI化情報はなかったけれど、代わりにデフォルトでFastCGI対応（というかFastCGIでしか動かせない）のimgTeXというのを見つけたので、導入してみた。 imgTeXは
百マス計算、インド式九九では数学力は育たない: ホットコーナー
ブログ(iiyu.asablo.jpの検索) ホットコーナー内の検索 でもASAHIネット(asahi-net.or.jp)全体の検索です。 検索したい言葉のあとに、空白で区切ってki4s-nkmrを入れるといいかも。 例 中村(show) ki4s-nkmr ウェブ全体の検索 ASAHIネット(http://www.asahi-net.or.jp)のjouwa/salonからホットコーナー(http://www.asahi-net.or.jp/~ki4s-nkmr/ )に転載したものから。 --- さっき、 http://www.amazon.co.jp/exec/obidos/ASIN/B000TESRSE/showshotcorne-22/ 日経サイエンス2007年９月号 を話題にしたので、続き。目次は、 http://www.nikkei-bookdirect.com/scienc
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
