タグ

mathに関するkataringのブックマーク (5)

  • 位置や角度の計算 | _level0 - KAYAC Front Engineer Blog

    こんにちはtaroです. 今回はゲームを作る上で必要となる基的な位置や角度の計算方法について書いてみました. ムツカシイ計算はやりたくないけれど、計算する方法が知りたい!という方にオススメです. 位置と距離の計算 点Aから点Bを見たときの位置と距離を計算します. var A:Point = new Point(3, 5); var B:Point = new Point(1, 1); var direction:Point = B.subtract(A); directionが方向となります.距離を測るには、direction.lengthを使います. どっちからどっちを引けばいいんだったか悩む時は、 2 - 5 = -3 について考えるといいでしょう.数直線上で5から2を見ると左に3のところにあります.数直線では左がマイナスでした. Aから見たBの位置を知りたいので、BからAを引けばい

    位置や角度の計算 | _level0 - KAYAC Front Engineer Blog
  • TechCrunch | Startup and Technology News

    Welcome back to TechCrunch’s Week in Review — TechCrunch’s newsletter recapping the week’s biggest news. Want it in your inbox every Saturday? Sign up here. OpenAI announced this week that…

    TechCrunch | Startup and Technology News
  • 「2と1は等しい」 数学界で論議

    ロシアのカラシニコフ通信が伝えたところでは、この論文の執筆者は国立ヨハネスブルク大学教授のイワノフ・ボスコノビッチ博士。博士が夢の中で見た式を枕もとのメモに書き残し、翌朝この式を少し変形させたところ、2=1という結論に結びついたという。 博士は翌日から同僚や指導している学生たちにこの式を見せ、反証を求めたが、誰にも証明ができなかったため、論文として英数学誌「マスマティック・ロジスティック」1月号に投稿。以来世界中の数学者がこの論文の反証を試みたが、9月現在いまだに完全な解答と呼べる論文は出ていない。 「マスマティック・ロジスティック」誌の編集長であるジョン・ロック氏は「ボスコノビッチ博士の論文自体はいたってシンプルで、掲載された式だけならば中学生でも理解できる。しかし、それが誤りであることを証明するには非常に高度な数学の知識を必要とするため解明にはまだまだ時間がかかるだろう」と語る。 今回

    「2と1は等しい」 数学界で論議
  • 『入門ベイズ統計』の読みどころ - hiroyukikojima’s blog

    今回は、前回の日記の補足。 前回の統計学の面白さはどこにあるか - hiroyukikojimaの日記で松原望先生の 入門ベイズ統計―意思決定の理論と発展 作者: 松原望出版社/メーカー: 東京図書発売日: 2008/06メディア: 単行購入: 107人 クリック: 2,061回この商品を含むブログ (46件) を見るを紹介した。そのときは、このを手にしていなかったので、早速注文した。そして今、手に入って、ぱらぱらと眺めてみた。そう、予想通り、これは名著『統計的決定』放送大学に大幅加筆をしたものだった。というわけで、紹介してしまった手前、責任をもってもうちょっとフォローしなければ、と思ってこれを書いている。 このは確かに名著である。その理由をいくつか挙げてみよう。まず挙げるべきは、 ベイズ推定の哲学的背景について包み隠さず正面から書いている という点である。前回も書いたが、ベイズ推

    『入門ベイズ統計』の読みどころ - hiroyukikojima’s blog
  • Introduction to Information Retrieval #6 の復習資料 - naoyaのはてなダイアリー

    Introduction to Information Retrieval の6章の復習資料を以下にアップロードしました。 http://bloghackers.net/~naoya/iir/ppt/iir_06.ppt 6章はスコアリング(重み付け)がテーマです。スコアリングの基として、文章の属性毎に重みを与えてスコアを計算する Weighted zone scoring が最初に紹介されています。次に、文書に含まれる単語に重みを与える方法として tf-idf が話題に挙がります。tf-idf などで各単語に数値を与えられたドキュメントは、各単語の重みを成分とする M 次元 (M は辞書の単語数) のベクトルとみなすことができます。このドキュメントベクトルをM次元空間に展開しベクトル計算でドキュメント間の相関(類似性)を算出する手法として Vector space model の解説が

  • 1