EgisonでPrologっぽいことをやってみる - Qiita
はじめに 最近，PrologでスキーマレスなNoSQLに目覚めて楽しいです．サザエさん程度なら，学習もし易いですし，言語仕様も細かく覚える必要がありません．優しい言語で，素人でもデータベースを記述することができれば，プログラマがだいぶ楽になるんじゃないかなと思うわけですね．もちろん，規則を書かなければの話ですが． Prologには連言（AND）が使えます．質問を投げるとき，複数の述語を投げることで，質問の条件を細かく指定することができます．例えば，プリキュア戦士やスーパー戦隊などのスキーマを，以下のような述語で与えたとします． warrior(nagisa_misumi, futari_ha, black). warrior(honoka_yukishiro, futari_ha, white). warrior(hikari_kujo, max_heart, luminus). warr
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
モナドの初歩 - 再帰の反復blog
リスト フィリップ・ワドラー(Philip Wadler)は 「How to replace failure by a list of successes: a method for exception handling, backtracking, and pattern matching in lazy functional languages」(1985)で、失敗やバックトラックの可能性がある場合に結果をリストにして返すようにするというテクニックを紹介している。 すべての答えを探索してリストにして返す関数を呼び出しても、遅延評価言語ならば、実際にすべての答えを探索するわけではなく、必要に応じて必要なだけの答えを計算する。そのためリストを返す関数をバックトラック機構の代わりに使うことができるというのがこのテクニックのポイントになる(もちろんバックトラックが使われる全ての場合に適用できる
乱択アルゴリズム紹介(3SATのO(1.334^n)時間アルゴリズム) | Preferred Research
\(\mathcal{C} = (x \vee y \vee z) \wedge (\neg x \vee y \vee z) \wedge (y \vee \neg z \vee w)\). 上の例だと、例えば\(\alpha(x) = \mathrm{true}, \alpha(y) = \mathrm{true}, \alpha(z) = \mathrm{false}, \alpha(w) = \mathrm{false}\)とすれば全ての節を充足することが出来ます。 3SATはNP完全なので全てのNPに属す問題は3SATとして解けるのですが、そうでなくても多くの問題から”自然”に3SATが導出されます。なので3SATを解くアルゴリズムを考えましょう。一番自明なアルゴリズムは次のようになると思います。変数の数を\(n\)、節の数を\(m\)としましょう。
登場する楽譜は本物！SHIROBAKO 17話 オーケストラの考察と再現 – こおろぎさんち
音楽に詳しくない方でもわかるように解説してみます 1度でいいから見てみたい、僕の曲をオーケストラが演奏しているところ。 どうも、こおろぎ(@kohrogi34 )です。 アニメの制作現場をリアルに描写したアニメ「SHIROBAKO」。その17話で映像につける音楽、いわゆる「劇伴（げきばん）」のレコーディングの場面がありましたね。 動画の10:03から。 楽譜まである。 実際の楽譜やレコーディング風景がそのまま描写されていて、リアルな現場を学ぶには持ってこいではないですか。 現代のオーケストラの譜面は市販されているもので大体1曲１万円。この1ページだけでもかなり値打ちがあるんです。そもそも販売されない事も多い。普通は見れないものなんです。しかも巨匠、浜口史郎さんの譜面なわけです。大興奮です。 というわけで、今回は自分の研究がてら、なるべく音楽に詳しくない方でもわかるように解説してみたいと思い
就活について思ったことをここに書き記す | κeenのHappy Hacκing Blog
私は今4年生なので去年の今頃は就活なんてものをしていた。下の代から若干日程が変わっているがそろそろ就活ムードが出てきているのでなんか吐いておく。思い出かもしれないし愚痴かもしれないし毒かもしれない。経験かもしれないし他人の代弁かもしれない。後輩の役に立つかもしれないし人事の方に向けたメッセージかもしれない。 念のために書いておくが私はIT系の会社のプログラマ、エンジニア職ばかり応募していた。他の業界、職種に当て嵌まるとは限らない。 注意 良かった企業は名前を出す、悪かった企業はここには名前を書かない方針にする。悪かった企業の具体名が知りたかったら@blackenedgoldに訊いて下さい。 リクナビ、メール 周りの流れに乗せられてリクナビに登録することになる。個人情報を大量に打ち込む。すると大量のメールが届く。正直、情報量はゼロに近い。メールは受信しないにチェックした方が良い。 リクナビの
弱LisperがMITでSICP(シクピー)を受講した結果 - Qiita
SICPとは何か Structure and Interpretation of Computer Programsという古めかしい表紙の本をご存知でしょうか? これはもともと、マサチューセッツ工科大学(Massachusetts Institute of Technologies; MIT)の電気工学および計算機科学(Electrical Engineering & Computer Science; EECS)系の学部の授業の一本目として提供されていた同名の授業から発生した教科書です。教科書は無料公開されています。 HTML版 http://mitpress.mit.edu/sicp/full-text/book/book.html Kindle版 https://github.com/jonathanpatt/sicp-kindle PDF版 https://github.com/s
Neural networks and deep learning
Neural Networks and Deep Learning What this book is about On the exercises and problems Using neural nets to recognize handwritten digits How the backpropagation algorithm works Improving the way neural networks learn A visual proof that neural nets can compute any function Why are deep neural networks hard to train? Deep learning Appendix: Is there a simple algorithm for intelligence? Acknowledge
大規模データ時代に求められる自然言語処理 -言語情報から世界を捉える-
1. The document discusses the history and recent developments in natural language processing and deep learning. It provides an overview of seminal NLP papers from the 1990s to 2010s and deep learning architectures from 2003 to present. 2. Key deep learning models discussed include neural language models, word2vec, convolutional neural networks, and LSTMs. The document also notes the increasing int
The Computer Language Benchmarks Game
Which programs are fast? Which are succinct? Which are efficient?
ネイティブと働いて分かった英語コミットメッセージの頻出動詞10つ
ウッ ここで詰まる事は往々にしてあります. 特に急いでる時の煩わしさは甚だしいです. どうせならそれっぽい英語を使いたいのでOSSや同僚のコミットメージの語彙の出現確率を調べてみましたら、 もちろんfeatureによってコミットメッセージの付け方など数多あるものの、一定の頻出パターンは見い出せたので筆を取りました. （英語勉強しないと..） 方法 github.com/rails/railsのコミットメッセージ内における各動詞の出現確率を求め、 またOSSと仕事でのコミットメッセージの趣向も変わってくる事も勘案するため、 （仕事でDeprecateとか滅多に使わんし） 同僚に聞きつつ10つあげてみた. 以下列挙 （例は実際の同僚やOSS上でのコミットメッセージです.） Add *A to *B AをBに加える
感情を表す5つの「エ」～声の表現力を鍛えよう
感情を表す5つの「エ」～声の表現力を鍛えよう：アナウンサー×2年目社員 目指せ！ ライトニングトークの星（5） 連載目次 皆さま、こんにちは。キャリアヴォイスの山崎美和です。 本連載では、ヴォイストレーニングからライトニングトークデビューまでを、若手のビジネスパーソンと共に学んでいきます。文章だけでなく、ポイントとなる動画も掲載しますので、併せて見ていただくとより深く理解できるでしょう。 前回は「滑舌が悪い」と困っている方の役に立つ、問題点の把握方法と筋肉トレーニングを紹介しました。今回は「声の表現力」について一緒に考えてみましょう。 表現力とは何か？ 連載第2回「声を変えると表現力が変わる」で、「声は正直で、感情や状況が無意識に相手に伝わってしまう」ことを話しました。 声の表現力は、プレゼンテーションはもちろん、他者とのコミュニケーションにおいても重要な要素です。「感情や状況が変われば声
VOPで遊ぶ | κeenのHappy Hacκing Blog
(:meta ((:this “Lisp Advent Calendar 2014の3日目の記事”) (:prev (:author “tk_riple” :title “時の羅針盤＠blog: R7RSポータブルライブラリを書く際の落とし穴”)) (:next (:author “nobkz” :tite “Shenの基礎その1 基本的な型 - Qiita”)))) κeenです。さっきまでVOPで遊んでたので当初の予定を変更してVOPの話をします。 VOPとは何か SBCLやCMU CLで使われているネイティブコードを吐くための機構、要はインラインアセンブラです。 VOPとはどんなものか とりあえずコードをば。x86-64用です。 (in-package :cl-user) (defpackage vop-sample (:use :cl :sb-ext :sb-c)) (in-pac
PythonによるDeep Learningの実装（Denoising Autoencoders 編） - Yusuke Sugomori's Blog
今回は、Deep Learningに用いられているDenoising Autoencoders （DA)）のコードを紹介したいと思います。 細かな説明や数式の導出については前回の記事で紹介してありますのでそちらも参考にしてください。 今回も、Pythonで実装しており、numpyのみを使っています。（sysはstderrへの出力に用いているのみなので、なくてもよい） コードは以下。 DAは、Deep Belief Nets（DBN）で言うところの、制約付きボルツマンマシン（Restricted Boltzmann Machine, RBM）の部分に対応しています。 （DBNの記事はこちら、RBMの記事はこちら。） DAの層を積み重ねたDeepなニューラルネットワークは、Stacked Denoising Autoencodersとなりますので、そちらも近々、実装してみたいと思います。
楽しいAutoEncoderと学習の世界 - Stimulator
今回はAutoEncoderについて書きます。以前ほんのちょっとだけ紹介しましたが、少し詳しい話を研究の進捗としてまとめたいと思います。(AdventCalendarに向けて数式を入れる練習がてら) まず、AutoEncoderが今注目されている理由はDeepLearningにあると言っても過言ではないでしょう。DeepLearningは様々なコンペディション、例えば、ILSVRC2012(画像認識のコンテスト)や化合物の活性予測で、従来の手法を抑えとてつもない成績を収めて注目を浴びました。今年のILSVRC2013ではその殆どがDeepLearningを取り入れているほどです。さらには、「一般紙であるNewYorkTimesにまで記事が掲載」「第一人者であるHinton先生を学生ごとかのGoogleが買収」「BaiduがシリコンバレーにDeep learningの研究所を作る」等学習界隈
Deep Learningと画像認識� �～歴史・理論・実践～
1. Nakayama Lab. Machine Perception Group The University of Tokyo 東京大学 大学院情報理工学系研究科 創造情報学専攻 中山研究室 中山 英樹 2. Nakayama Lab. Machine Perception Group The University of Tokyo １．Deep learning（深層学習）とは？ ２．一般画像認識：Deep learning 以前と以後で何が変わったか ◦ Bag-of-visual-words (VLAD, Fisher Vector) ◦ Convolutional neural network (ConvNets) ３．Deep learningの数理 ◦ なぜ優れた性能が実現できるのか？ ◦ ブレークスルーを生んだ各要素技術 ◦ 中山研究室での研究紹介 ４．実
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
3D CGを背景などに活用してる漫画家さん達の話(blender/メタセコイア版)
Nora Games » Pixel Art
クロボンステーション２
やねうらお音楽理論ブログ