はてなブックマークFirefox拡張, JavaScript で IS 法 による Suffix Array 構築 - naoyaのはてなダイアリー
昨日、はてなブックマークFirefox拡張をリリースしました。おかげさまでベータ版からダウンロード数は累積で1万ダウンロードを突破し、アクティブユーザー数も伸びています。 はてなブックマークFirefox拡張で新しいインターネットを体験しよう http://b.hatena.ne.jp/guide/firefox_addon 開発者の id:secondlife が g:subtech:id:secondlife:20090415:1239804170 で技術的な側面からのちょっとした TIPS なども紹介していますので、興味のある方はご一読ください。 検索では思いのほか SQLite の like 検索が高速なのに驚いた。はてブ検索では、検索ワードから URL, Title, コメント にマッチしたものを表示していて、それ専用の search_data だかかんらかの検索用カラムがある。
仮説ツリーを伸ばして剪定して盆栽にすると美しい - Ockham’s Razor for Engineers
はてなブックマーク - Looks cute, Looks weird - 2009年4月15日失敗、というほど重い言葉で捉えてないんだよな個人的には。仮説バイナリツリーみたいな木の枝を最初に大量に生やして、いらん枝から切って盆栽にすると美しくて正しい、みたいな感じ。えーと、☆をたくさんいただいたので自分で言及します。実際は、実験の仮説を間違えたまま4時間ぶっ通しで実験しちゃったとか、装置が壊れた（壊した）とか、装置を他で使ってるから今使えないとか、見つけた数理モデル1個だけでは自分の研究には足りなかったとか、一個の論文では仮説を補強するには不十分だったとか、ライブラリにバグがあったとか、いろんな目にあうんですけれど。基本的には、研究における仮説とその検証は、盆栽作りに似ていると思います。つまり、日々の研究のプロセスに対して、あんまり失敗とか重い言葉を与えたり、いちいち深刻に考えないで、ち
Perl, Python, Ruby の比較
コードの書きやすさは３つともそれほど違わないように思えます。ただ、読みやすさはダントツで Python が 優れています。Ruby はまずまずで、Perl は書き手の技量による部分が大きいのですが、 一般的には "読めない" コードになりがちです。 現在の人気を無視して、言語そのもののよしあしを考えると、 Python と Ruby はほぼ互角でしょう。しかし、今のところ Python の方が、 実行速度が速く、ライブラリが豊富なので、とりあえず Python を使うことにします。 また、Python には対話モードがあるのも Lisp に慣れた人間にとってはありがたいです。 Ruby は今後の健闘に期待します。 5. おわりに 以上 Perl, Python, Ruby の比較をつれづれと書きましたがご参考になりましたでしょうか？ 結論は、 Python, Ruby は Perl に比べ
Flash Based Database Systems - moratorium
Flash Based Database Systems 2009-04-16 (Thu) 8:41 SSD Flash/SSD上のDatabase Systemsについての論文リストが有ったので、気になるものを読みました。2007, 2008年でどかっと来てますねえ。 http://www.cse.ust.hk/~yinanli/readinglist.html SSDのデバイス特性は語られる事がまだ少ないので、そのうちまとめてみようと思います。嬉しい事ばっかりじゃ無いんだよ、という事です。 特にSmall Writeが苦手だというのは知っておかないと、実際に使う上で危険な気がします (ログとか)。 Similar Posts: 上流工程? What Every Programmer Should Know About Memory FFTによる多倍長乗算 Older: WordPres
オンラインEMアルゴリズム - DO++
EMアルゴリズム（Expectation Maximizationアルゴリズム、期待値最大化法、以下EMと呼ぶ）は、データに観測できない隠れ変数（潜在変数）がある場合のパラメータ推定を行う時に有用な手法である。 EMは何それという人のために簡単な説明を下の方に書いたので読んでみてください。 EMのきちんとした説明なら持橋さんによる解説「自然言語処理のための変分ベイズ法」や「計算統計 I―確率計算の新しい手法 統計科学のフロンティア 11」が丁寧でわかりやすい。 EMは教師無学習では中心的な手法であり、何か観測できない変数を含めた確率モデルを作ってその確率モデルの尤度を最大化するという枠組みで、観測できなかった変数はなんだったのかを推定する場合に用いられる。 例えば自然言語処理に限っていえば文書や単語クラスタリングから、文法推定、形態素解析、機械翻訳における単語アライメントなどで使われる。
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
Flash-Based DBMSの最前線