xkeysnail - もうひとつの Linux 向けキーリマッパ - Qiita
TL;DR Linux (X11) 向けのキーリマップツールをつくった Python 3 で書かれており sudo pip install xkeysnail で入れることができる uinput という Linux の低レイヤ API を利用し動作するため「多くのキーリマップツールではうまくリマッピングが動かなかった場所」でも動作する アプリケーションごとにキーバインドを変えたり、複数ストロークのキーにコマンドを割り当てたり Python の関数をキーに割り当てたりすることもできる 詳しくは https://github.com/mooz/xkeysnail で 背景 Firefox が Quantum になり、旧来の XUL ベースのアドオンは動作しなくなった。新たな拡張機能の機構である WebExtensions ではキーボードショートカットに関する API が大幅に制限され、ぼくは拙
格差・貧困に背を向けた結果、日本は「階級社会」に突入していた（橋本 健二） | 現代ビジネス | 講談社（1/2）
「格差」は隠蔽されたか 格差拡大が話題になり始めたころ、政府、財界、そして一部のマスコミは、躍起になって格差拡大の事実を否定しようとした。 最初の段階では、都合のいい統計データを示しながら、「格差は拡大していない」と言い張った。いくつもの指標が格差拡大を示していることを否定できなくなると、「格差拡大は見せかけだ」と言いだした。 OECDが、日本の貧困率は先進国のなかで米国に次いで高いと発表すると、「この貧困率の計算方法は日本にはあてはまらない」などと言い張った。さらに統計的な証拠が集まって、格差が実質的にも拡大していることが否定できなくなると、「格差があるのは当然だ」と開き直った。 こうして政府が、格差拡大と貧困の増大という事実から目を背け、開き直り、対策を怠っているうちに、日本社会は取り返しがつかないほどに変質してしまった。その結果が、前回の記事（平均年収186万円…日本に現れた新たな「
JAXA｜月周回衛星「かぐや（SELENE）」のハイビジョンカメラ（HDTV）による半影月食時の地球の撮影の成功について
宇宙航空研究開発機構（JAXA）および日本放送協会（NHK）は、平成21年2月10日（日本時間、以下同様）に月周回衛星「かぐや（SELENE）」からハイビジョンカメラ（HDTV）によって、「半影月食」※時に、「かぐや」から見て地球が太陽の大部分を覆い隠し、地球がダイヤモンドリングのように見える瞬間を動画撮影することに成功しました。この現象が月から撮影されたのは、世界で初めてのことです。 撮影は、「かぐや（SELENE）」に搭載されたNHK開発の宇宙仕様のハイビジョンカメラ（HDTV）によって行われたものです。「かぐや（SELENE）」で撮影した動画をJAXAにて受信し、その後、NHKにおいてデータ処理を行いました。 ※半影月食とは、太陽、地球、月がほぼ一直線に並び、月が地球の半影（月から見て太陽が地球により一部隠されて（部分食）見える）に入る現象で、月に届く太陽の光量が減るため地球からは月
「脳科学は終わったのか？」DeepMind創設者Demis Hassabisの答え - Qiita
前書き － 人工知能と脳科学 － 最近のAI (Artificial Intelligence) の進歩はすさまじいですね。特に、深層学習 (Deep Learning) はTensorFlow, Chainerなどのライブラリの普及もあり、一般的に広く使用され、知られる概念になりました。 ところで、Deep Learningの歴史を簡単に紐解いてみると、はじめは脳の計算原理を実装しようとする試み、つまりニューラルネットワーク (Neural Network) の研究からスタートしました。人の脳は100億ともいわれる数の神経細胞からできています。それらは解剖学的に分かれた領域に位置し、それぞれの脳領域は特定の計算を行っています。各脳領域は互いにコミュニケーションを取り合い、行動選択に関わる情報を処理しています。 こうした脳科学の知見は、ニューラルネットワークの研究をインスパイアしてきました
Clojure ref, atom, agent の要約
stm.md Clojure ref, atom, agent の要約 ref (協調的, 同期的) atom (非協調的, 同期的) agent (非同期的) ref (協調的, 同期的) 作成: ref 参照: deref または @ 変更: dosync で包んで ref-set: 上書き alter: 関数を適用して再代入(順序を保証) commute: 関数を適用して再代入(順序保証なし) 作成 (def x (ref '(1 2 3))) 参照 (deref x) ; -> (1 2 3) @x ; -> (1 2 3) 変更/上書き ref の変更は dosync で包むことで, 複数の変更のアトミシティが保証されるが, 単独の変更の場合でも, dosync で包む必要がある. (ref-set x '(2 3 4)) ; -> java.lang.IllegalStateE
def と Symbol と Var の話 - (-> % read write unlearn)
def と Symbol と Var の話（この記事） def と Symbol と Var の話 2：なぜ Symbol と Var が独立して存在するのか def と Symbol と Var の話 3 ：値の変更 GPソフト Wiki - ClojureのVarの記事を読んでいて、 自分が、Clojureのdefの挙動やSymbol, Varといった言葉の意味をよく理解していないことに気付きました。この記事や以下の記事を参考にしつつ自分なりに一度整理してみます。 Clojure - Vars and the Global Environment Explain Clojure Symbols - Stack Overflow Difference between Symbols and Vars in Clojure - Stack Overflow clojure.lang.Var
GitHub - CodyReichert/awesome-cl: A curated list of awesome Common Lisp frameworks, libraries and other shiny stuff.
Music composition: OM7 - a new implementation of the OpenMusic visual programming and computer-aided composition environment including a number of improvements on graphical interface, computational mode, and connection to external software libraries. GPL3. an extension: rq - a library for rhythm transcription in OpenMusic (version 6.10 and later). demo video. GPL3. Incudine - Music/DSP programming
エンジニアの働き方とかについてのエモい記事 | κeenのHappy Hacκing Blog
κeenです。 非エンジニアのマネージャがエンジニアチームと上手くやる方法の記事に影響を受けてエンジニアとしての意見を書いてみようかなと。 非エンジニア向けのつもりです。 ここでいうエンジニアはソフトウェアエンジニアのことです。 Disclaimer ある程度客観的になるように気をつけてますがあくまで私個人の意見です。エンジニアを代表するようなものではありません。 κeenはまだエンジニア3年目くらいの若造なのて「それは違うんじゃねーの」と思ったところがあったら多分あなたが正しいです。 仕事内容 エンジニアの仕事は外から見たら何してるかよくわからないらしいですね。 ふつう仕事の成果物はエンジニアの間でしか共有してないのでまあ、そうなるでしょう。 なので「何をしているか」を説明するのはやめて「仕事しているときにどんな気持ちか」を話しましょう。 エンジニアの仕事は頭脳労働です。 それも問題解決
定番のConvolutional Neural Networkをゼロから理解する
Convolutional Neural Networkとは何か CNNで解決できる問題 Convolutional Neural Networkの特徴 畳み込みとは 合成性 移動不変性 Convolutional Neural Networkの構成要素 ゼロパディング（zero padding） ストライド Fully Connected層 Fully Connected層の問題点 Convolution層 Pooling層 TensorFlowによる実装 TensorFlowのインストール CNNでMNIST文字認識する 参考 近年、コンピュータビジョンにおける最もイノベーションと言えるのはConvolutional Neural Networkといっても過言ではない。 コンピュータビジョンの業界におけるオリンピックとも言えるコンペティションがImageNetである。 そのコンペティシ
論点：日本の研究力の危機 | 毎日新聞
日本の研究力に黄信号がともっている。ノーベル賞の自然科学分野での日本の受賞者（米国籍を含む）は２０００年以降、１７人を数え、欧米諸国と肩を並べたかのように見える。だが、日本発の論文数は減り、学生にとって「研究者」は魅力的な進路でなくなっているのが実情だ。科学技術立国・日本の復活には何が必要か。 「選択と集中」による弊害 小林信一・科学技術政策アナリスト 「日本の研究力低下」は今に始まった指摘ではない。１０年以上前から「かなり危ない」と言われ続けてきた。発表された研究論文数や、引用される論文数といった各種指標で日本のピークは１９９７年前後だった。その後、中国が急激に伸び、主要な欧米諸国も指標がそれほどには落ちない中、日本だけがずるずると落ちていった。 つまり、日本は２０年間手を打たなかった、あるいは何か失敗があったということだ。「失われた２０年」の間に何があったか。皮肉にも、日本の科学技術政
AutoEncoder by Forest: ランダムフォレストをオートエンコーダとして使う
この前のShibuya.lispの懇親会で教えてもらった論文(AutoEncoder by Forest)を読んだのでcl-random-forest (解説記事)で再現してみた。 どうやらDeepForestの研究グループらしい。 どのような内容なのか一言でいうと、入力データがランダムフォレストの各決定木のどの葉ノードに入るかが分かれば、元の入力を再構成できるという話だった。つまり、エンコードは入力データから各決定木の葉ノードのインデックスを調べ、そのベクトルを出力することに対応する。逆にデコードは葉ノードから根ノードへ逆に辿っていき、入力の範囲を制限していき、最後にそこから代表値を選ぶことに対応する。エンコーダの訓練は通常のランダムフォレストでモデルを作るだけなので、GPUを使ったニューラルネットのオートエンコーダよりも100倍速いと主張されている。(なおデコード速度では負けている模様
AI ハリー・ポッターの衝撃 - 山形浩生の「経済のトリセツ」
『ハリー・ポッターと巨大な灰の山らしきものの肖像』 AIにハリポタ全巻喰わせて、新作を生成させたそうな。まあご覧あれ。 Botnik Studios こいつを見て、あまりに感動してしまいました。この支離滅裂、異常な構想力、唐突な破綻ぶり。デスイーターたちが何だか知らないけど無意味にやおいらしきものを始めるところ。人工知能には創造性がないとかいっている連中がいるけれど、これでも、あるいはアルファゼロの囲碁でもそうだけれど、むしろ人工知能が明らかにしているのは、ぼくたち人間の知能や創造性と称するものがいかに制約されていて、型にはまっているかということだと思う。ウィリアム・バロウズが人間の矮小な構成力とキャパシティでほんの片鱗だけやってみせたことを、人工知能は鼻くそほじりながら（比喩的に）一瞬でやってのけている。 追記：このプロセスについてもう少し詳しく見た人がいる。これは本当にほぼカットアップ
Common Lispで動くブルームフィルタ作った - Lambdaカクテル
ブルームフィルタとは，そのフィルタに要素が登録されているかを確率的に判定し，そのフィルタに要素が登録されていないことを確実に判定できるデータ構造である．ブルームフィルタは要素が登録されているかを判定することはできるが，その要素を取り出すことはできないという特徴を持っている．なので「フィルタ」である。 今回このブルームフィルタをCommon lispで実装した．実装したとはいっても以下のエントリの実装を真似ただけのものである． postd.cc Murmurhash3の実装がなかったので，ハッシュ関数にはひとまずIroncladのadler32を採用した．Ironcladを使った理由は，手頃で一般的なライブラリであること，adler32を使った理由は，そこそこ早いという話をどこかで聞いたからで，大した理由はない． github.com インストール quicklispに登録していないので，b
Roswell scriptで良い感じのREPLを書いた（書きたい） - Qiita
はじめに Common Lispは流行っていません．流石に数あるLisp方言の中では最も使われている部類と思いますが，それでも流行っているとは言いがたいと思います．なぜCommon Lispが流行らないかというと，S式がどうとかカッコがどうとか以前にインフラストラクチャが整っていない（ように見える）からだと個人的には考えています．例えばパッケージマネージャのデファクトスタンダードはQuicklispですが初心者にとって馴染みやすいものではないと思います． しかしながら最近はRoswellの登場もあってかなり改善されていて，以前に比べればCommon Lispを始めるハードルはほとんど近代的な言語（例えばPython，Ruby）のそれに追いついてきているように思います．また，Roswellのおかげでポータブルなスクリプトも書きやすくなりました． それではRoswellがもっと浸透すればCom
2017年のディープラーニング論文100選 - Qiita
これはFujitsu Advent Calendar 2017の18日目の記事です。 掲載内容は富士通グループを代表するものではありません。ただし、これまでの取り組みが評価されて、富士通がQiitaに正式参加することになりました[リンク]。なお、内容の正確性には注意を払っていますが、無保証です。 はじめに この記事では今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2017年開催またはジャーナル掲載が2017年のもの）から私が個人的に重要だと思った論文を収集しています。また、2016年末ごろの論文も重要なものは採用しています。 以下の投稿も合わせてご覧ください。 2016年のディープラーニング論文100選[リンク] ディープラーニングにとっての2017年 2017年のディープラーニング技術は主に画像系技術で革新的な進歩がありました。それをけん引したのは敵対
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
GitHub - clojure-emacs/inf-clojure: Basic interaction with a Clojure subprocess
WaveNetが音声合成研究に与える影響
CLHS: Function COMPILE
Clojure のリーダーマクロについて (lisp reader macro advent calendar 2012 の記事です)。
Common Lispのお宅拝見: CMU Common Lisp篇 — #:g1