Algorithmic contests, distributed systems and software architecture Project Euler: a list of interesting problems Image Posted on September 15, 2014 Here’s a list of interesting Euler’s problems in terms of diversity from my point of view with the aim to improve not only math but also programming skils (No/ Problem Titile): 11 – Largest product in a grid 12 – Highly divisible triangular number

（線形）動的システムの状態推定などに使われる。時間発展の方程式に対して正規分布の誤差項を設け、さらに、センシングに対して正規分布の誤差項を設けることで、モデル化誤差、計測誤差を考慮した状態推定が可能。このモデルは1次の隠れマルコフ連鎖モデル(HMM)と考えることができるが、線形な方程式を扱うことで一般的なHMMのように複雑な更新を必要としない。

ソフトウェア開発者採用面接のコーディングテストについて。最低限のコーディング能力があるかどうかを見極めるのに、フィボナッチ数を求める関数が出題される事がある。というか自分も出題した事がある。 ホワイトボードに書く形式だと、どうしても行数の少ない実装になってしまうが。手元の端末で自由に書いて良いとなれば、いろいろな解法が出てきて、想定していないコミュニケーションが生まれるかもしれない。最近は専ら採用する側になってしまったのだが、とりあえず自分ならどう書くかなと列挙してみた。使った環境はIPython Notebookである。

概要 この記事は自然言語処理という分野の最新手法word2vec を利用して誰でも遊べるようにするための手順を説明するものです。 word2vecを利用すると意味の計算が実現できます。 例えば"king"から"man"を引いて"woman"を足すと"queen"が出てきたり、 "東京"から"日本"を引いて"フランス"を足すと"パリ"が出てくるという面白い手法です。 自然言語処理とは人間が日常的に用いる自然言語をコンピュータに処理させ、 翻訳や要約、文字入力支援や質問応答システムを作るなどに活用されている分野です。 自然言語処理と言うと耳慣れない言葉かもしれませんが、 実は検索や推薦などで私たちが日常的に利用しているなじみ深い技術でもあります。 自然言語処理の適用範囲や要素技術は幅広いのですが、 その中でもword2vecの特色は、 冒頭でも挙げたように「意味の計算」が出来ることです。 これ

非線形計画を解く方法は主に逐次2次計画法と内点法があります。 内点法のほうが新しいアルゴリズムのようですね。 内点法ではバリアパラメータμを徐々に小さくしながら解に近づけていきます。 今回は2次計画問題を内点法を使って解いてみます。 2次計画問題は一般的に次の形で書くことができます。 object 0.5x^T*D*x + c^T*x subject A*x - b > 0 #!/usr/bin/python #coding:utf-8 from numpy import * EPS_ZERO = 1.0e-9 # 内点法(Predictor-Collector)による2次計画問題の解法 # object min z = 0.5*x^T*G*x+c^T*x # subject Ax >= b def predictor_corrector(x, Gmat, c, Amat, b, tau=

The most obvious way to compute the soft maximum can easily fail due to overflow or underflow. The soft maximum of x and y is defined by g(x, y) = log( exp(x) + exp(y) ). The most obvious way to turn the definition above into C code would be double SoftMaximum(double x, double y) { return log( exp(x) + exp(y) ); } This works for some values of x and y, but fails if x or y is large. For example, if

はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28

はい、毎度おなじみのグラフ描きたいだけのエントリですw 今回のお題は「三分探索（ternary search）」。 二分探索（binary search）は割とおなじみかと思うのですが、二分探索が単調増加(減少)関数fについてf(x)=kとなるxを求めるのに対し、三分探索（とか黄金分割探索）は凸関数の極値を求めるのに用います。 詳しくは http://d.hatena.ne.jp/ir5/20090630/1246349028 http://d.hatena.ne.jp/nodchip/20090303/1236058357 辺りを見て頂くとして。 三分探索 探索領域(x0,x3)を三等分するx1,x2を選びます。(x0,x1,x2,x3) で、f(x1)とf(x2)を比べ、f(x)が下に凸な関数なら値が大きい方、上に凸な関数なら値が小さい方の外側（x1ならx0-x1, x2ならx2-x3