次数中心性からPageRankからまた次数中心性 - でかいチーズをベーグルする
ノードの中心性はネットワーク分析をする上でとても重要です。 例えば、TwitterやFacebookでは中心性の大きい人は他の人に対して大きな影響を与えると考えられますし、Webで中心性の大きいページは重要な情報を含むページであると考えることができます。 今読んでるNetworksという本で結構ページを割いて説明されていたので簡単にまとめたいと思います。 Networks: An Introduction 作者: M. E. J. Newman出版社/メーカー: Oxford Univ Pr (Txt)発売日: 2010/05/20メディア: ハードカバー購入: 1人 クリック: 19回この商品を含むブログを見る 次数中心性（Degree centrality） 一番単純な中心性は次数中心性です。これはホントに単純で、あるノードの次数中心性＝そのノードの次数です。 単純すぎてあんまり良くな
ディープラーニングによる物体検出（「Faster RNN」「Yolo」「SSD」）に関して調べて実践してみた - karaage. [からあげ]
最新の物体検出情報（2022/1/1追記） この記事も、3年近く前の記事となり、最新の情報から比べると情報が古くなってしまいました。最新の状況に関しては以下記事がとても参考になります。 以下の記事も、過去の流れなどは参考になりますし、まだ使える部分も多くあると思いますので、よろしければ参考にしてみてください。 物体検出をやってみる前に検出と認識の違い これまで、ディープラーニングを使って画像の認識を何度かやってきました（以下参照）。 画像認識の次は、物体検出に手を出して見たいなということで、ディープラーニングを使った物体検出に関して調べて試してみることにしました。 そもそも、物体検出って何で、認識と何が違うのかというと、そもそも認識という言うと結構広い意味になってしまって、画像のそのものが何かを判別するのは画像分類というのが正しそうです。つまり、私がやった上記の例は基本的には画像分類となり
![ディープラーニングによる物体検出（「Faster RNN」「Yolo」「SSD」）に関して調べて実践してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/4fe3de0e88179c7feb6e0d376c2f6e3d6fc1cd3a/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180321%2F20180321230444.jpg)
ユーザの姿勢、転倒、歩行リズムを検出するシステム
陳 文西 教授 新技術の概要 任意の位置と方向に取り付けられた３軸加速度センサからの加速度信号を計測し、座標変換を行い、重力ベクトルを構成し、ユーザの動き（姿勢、転倒、歩行リズム）をリアルタイムに高精度に検出するシステム。 従来技術・競合技術との比較 従来、正確に検出するための十分な信頼性のあるデータ処理手法が無かった。さらにセンサの取り付け位置によって適切なデータ処理ができない、遅い速度での歩行時に検出誤差が大きいという欠点があった。 新技術の特徴 ・取り付け位置と方向は限定しないため、固定機構に多様な選択肢がある。例えば、衣服のボタン、ベルトバックル、ブローチ、ブラジャー、ホットカイロのようなものなど ・一つのセンサで姿勢、転倒、歩行リズムを同時に検出できる ・シンプルなハードウェア構成で応用範囲が広がると同時に、性能の更なる向上はアルゴリズムの更新のみで対応可能 想定される用途 ・転
読んだ直後から滅茶苦茶役に立つ──『アルゴリズム思考術:問題解決の最強ツール』 - 基本読書
アルゴリズム思考術:問題解決の最強ツール 作者: ブライアンクリスチャン,トムグリフィス,田沢恭子出版社/メーカー: 早川書房発売日: 2017/10/19メディア: 単行本（ソフトカバー）この商品を含むブログを見る『アルゴリズム思考術:問題解決の最強ツール』とは個人的にそそられる書名ではなかったので(ほぼ原題「ALGORITHMS TO LIVE BY」通り。)なかなか手が出なかったのだが、さらっと読み流すか……と手を出してみたらおもしろくて、その上読んですぐに役に立つ内容が満載なのであっという間に最後まで読んでしまった。 基本的にはアルゴリズム──より具体的な言葉でいえば「計算によってあらかじめ算出された、最適な手順」を知っていることが、いかに現実的な問題を解決する役に立つのかを紹介した一冊なのだが、なにしろ単なる手順なので、準備も何もいらないし読んだだけで「おーそうなんだ」とすぐに使
「組み合わせ爆発」動画のコンピューターをWebで実装 アルゴリズムを駆使した高速化モードも - はてなニュース
お姉さんが人生を懸けて「組み合わせ爆発」を解説する日本科学未来館の動画が、ネット上で大きな話題となりました。この動画に登場した「同じ場所を2度通らずに何通りの線が引けるか」という問題を解くコンピューターが、Webで実装されています。動画では6年掛かりで導き出された「9×9」マスの計算や、25万年掛かった「10×10」マスの計算も忠実に再現。動画の最後で言及されている、高速化したアルゴリズムで解くことも可能です。 ▽ おねえさんのコンピュータ ▽ お姉さんが人生を懸けて“組み合わせ爆発”を力説 動画「フカシギの数え方」が壮大すぎる - はてなニュース 再現された「おねえさんのコンピューター」を使って、実際に5×5の問題に挑戦してみました。動画でもそうだったように、数秒で計算が終了します。コンピューターが線を辿りながら組み合わせを計算している様子も再現されていました。 左が「おねえさんのコンピ
アルゴリズムTM's Workspace -
ボロノイ図の生成アルゴリズムに「Fortune’s Algorithm 」があります。 ボロノイ図は、色々と有用なので、「Fortune’s Algorithm in C++」を参考に、Javascript版を実装（というか移植）してみました。 また、せっかくなので、fumix氏がWonderflに投稿されている「超速ボロノイ図」風のJavaScriptアニメーションを作成してみました。 動作確認は、IE8、Chrome、Android1.6(IS01）で行いました。IS01でもそれなりに動いています（画像）。 →実 行 全文を読む
voronoi treemap algorithm - information aesthetics
a novel treemap data visualization approach that uses Voronoi tesselations (a polygon-based subdivision algorithm) instead of rectangular shapes. it attempts to avoid the problems with the aspect ratio of the rectangles as well as with identifying the visualized hierarchical structure. this approach allows for creating treemap visualizations within areas of arbitrary shape, such as triangles & cir
モンテカルロシュミレーション | INSEAD MBA 留学日記
モンテカルロシュミレーション どこのビジネススクールにいっても勉強する統計的な分析手法。コンサルティングや金融では頻繁に使われる分析手法で、僕も実際のプロジェクトでモンテカルロシュミレーションを使った分析を行い、クライアントに分析モデルを渡したことがあります。P5で履修していたModels for Strategic Decisionという授業でモンテカルロシュミレーション勉強しました。基本的なことはすでに知っていますが、理論的に細かいことなどを再度勉強するいい機会でした。 でこの長い名前の分析方法ってなに？と思うので、以下説明。 例えば渋谷に吉野家を出すことにしたとする。この投資を行うか否かはNPV(ネットプレゼントバリュー、正味現在価値)が正になることが条件となる。要は投資分を補って余りある売り上げが見込めるかということ。 でこの予測を行うのに一番の肝は、どれくらいの集客が見込めるか？
『【DiGRA公開講座】モンテカルロ木探索とは何か？』
将棋と比べて囲碁の評価関数を難しくしているのは、 ・将棋の駒は種類ごとに機能と優劣に差があるが、囲碁の石にはそれがない。 ・リバーシにおける角のように、明らかな特徴を持った場所が少ない。 ・支配領域の広さを基準としても、領域が確定するのはゲーム終了時になる。 ・局所的な最善手が全体の最善手ではなく、相手に取らせるためにわざと置く「捨石」というテクニックが常套となっている。 などの点で、さらに上級者の間でしか理解できないような評価基準が存在する。 ・石の厚い薄い 石の厚みは物理的厚さではなく、ある石の配置が全局的に与える影響のこと。 ・形の良し悪し 複数の石の配置の評価。良い形になるように、悪い形にならないように注意することにより、「打ち筋が良くなる」効果がある。ただし「愚形の妙手」も多数存在する。 「代表的な悪い形」 ┼┼┼┼┼┼ ┼┼●┼┼┼ ┼┼●●┼┼ アキ三角 ┼┼┼┼┼┼ ┼┼●
2008-07-01 - きしだのはてな - バックプロパゲーションでニューラルネットの学習
ニューラルネットというのは、入力があって、複数の階層を経て出力を得るようなグラフ構造のことです。通常は、入力層・中間層・出力層のように層構造になっているようなものを差します。中でも、中間層が1層の、３層構造になっているものが多くとりあげられます。バックプロパゲーションは、誤差逆伝播法とも言って、ニューラルネットワークのパラメータを学習するための手法です。 ニューラルネットについてのサイトや本では、中間層を多層に対応した一般的な表現で説明されることが多いのですが、なかなか式を読み解くのが難しかったりするので、今回は3層で入力が2パラメータ、出力は1つ、中間層のニューロンは2つという、単純なものを取り上げます。 では、3層ニューラルネットワークでの判定時のデータの流れを見てみます。 3層ということになっていますが、実際の処理は2層になっています。実装するときには2層だと考えたほうがわかりやすい
村上研究室 ニューラルネットワーク
ニューラルネットワークとは、脳神経系をモデルにした情報処理システムのことです。学習能力を持ち、必要とされる機能を、提示されるサンプルに基づき自動形成することができます。文字認識や、音声認識など、コンピュータが苦手とされている処理に対して有効です。 このページでは、そのニューラルネットワークの考え方、動作について、わかりやすくご紹介していきたいと思います。
検索結果の「鮮度」が変わる、Google "QDF"アルゴリズムの仕組み:渡辺隆広のサーチエンジン情報館
前々回の記事「百度、本気で日本の検索エンジン市場に参入する けど」の本文中で、Googleの検索結果が同じキーワードでも朝と夜で変化するという話を書きましたが、それについて説明している日本語の記事があまりないので、ここで解説をしておきます。この技術はもともと、米New York TimesのGoogleへのインタビューの中で紹介されたもので、QDF（query deserves freshness）と呼ばれるものです。日本国内では2007年4月以降、Googleウェブ検索によく「5分前」「1時間前」「4時間前」といったラベルつきのリンクが掲載されることがありますが、これはQDFアルゴリズムによるものです。 --------------- GoogleやYahoo!で検索した時に私たちが目にする検索結果の並び順というのは、ある時点におけるウェブページのランク付けの結果に基づいたものだ。ウェブ
Life is beautiful: 恋の連立方程式、「パートナー探し」の最適化アルゴリズムに関する一考察
「自分にできるだけ相応（ふさわ）しいパートナー」を見つけることは、我々人間にとって、人生の最も重要なのテーマの一つでもある。しかし、そのプロセスである「恋愛」や「お見合い」に関して、なぜか今までシステマティックな考察がされて来なかったように思える。そこで、今回はその「パートナー探し」のプロセスをモデル化・数値化することにより、最適なアルゴリズムを見つけようと思う。 まずは、「自分にできるだけ相応しいパートナーを探す」というあいまいな問題を、もう少し明確にモデル化された問題に単純化する。もちろん、単純化するとはいえ、あまり現実とかけ離れていては役に立たないので、現実味を壊さない程度の単純化を行う。 ［モデル化された問題］ 結婚適齢期の女性が、これから１０人の男性と順番にお見合いをして、その中から結婚相手を見つけることにしたとする。相手の意思は無視して良く、「この人と結婚したい」と宣言した時点
Javascriptでdiffる ( with 形態素解析 ) (nakatani @ cybozu labs)
Javascript で diff というのはいくつか試された例はあるようですが、まだこれといった決定打は出ていない様子です。 実は diff は見た目ほど軽い処理ではないので、Javascript にやらせるのはこれが結構大変…… diff の計算量は、おおざっぱに言うと比較対象の要素数の二乗に比例し（実際にはそれより小さくすることができるのですが、まあ話のイメージとして）、かつメモリを大量に消費するので、バッチ的な処理に最適化されていない Javascript にはどうしても荷が重いものとなってしまいます。 比較対象の要素数を減らせば当然計算量は減りますが、行単位で比較してもあまり嬉しくない（わざわざ Javascript で処理するということは自然文が対象と思って良いでしょう）。最小の文字単位だとギブアップ。 ということは形態素解析で分かち書きして、単語単位で diff するのが J
習作UI: 縁日の金魚を再現してみた
Flashでプログラムを書く機会があったら一度は作らねばと思っていたのが、鳥や魚の群れ（flock）のシミュレーション。そこでカスタムクラスのプログラミングの練習も兼ねて作ったのがこれ。アルゴリズムそのものは、良く知られた（１）仲間と同じ方向に泳ごうとする気持ち、（２）仲間と一緒に泳ごうとする気持ち、（３）衝突を避ける気持ち、をそれぞれの魚に持たせて泳ぐ方向を少しずつ変化させる、というものである。 プログラムはそれほど時間をかけずに作ることができたのだが、苦労したのがそういった「気持ち」の部分を表現するのに必用な具体的なパラメーター（どのくらい離れた仲間まで認識しているか、どのくらいの距離までの接近を許すか、など）を見つけ出す部分。金魚すくいの水槽の中の金魚の動きをちょうど良い感じで再現するためのパラメーターを見つけるのにかなりの試行錯誤が必要であった。 しかし、これを作って思ったのは、F
ユビキタスの街角 データ圧縮手法の応用
PPM (Prediction by Partial Matching)というデータ圧縮アルゴリズムがある。 一般に、あるデータ列が与えられているとき、次に来るデータを予測することができればデータ圧縮を行なうことができる。 データ列から判断して次に来るデータが「a」だと確実に判断できるときは「a」を記述する必要が無いからである。 PPM法では、既存のデータ列中の文字列出現頻度を計算することによってこのような予測を行なう。 たとえば「abracadab」というデータの次にどの文字が来るか予測する場合、 「a」は4回、「b」は2回出現している 「b」の後に「r」が続いたことがある 「ab」の後に「r」が続いたことがある ... といった情報を累積して確率を推定する。 この場合、 (3)から考えて次の文字は「r」である確率が高いが、 (1)も考慮すると「a」の確率もある、という風に計算を行なう。
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
決定木分析：クロス集計を繰り返し、予測・判別のルールを構築 | 一般社団法人データマーケティングラボラトリー
微分積分
IBM Developer
サービス終了のお知らせ