![SSSSLIDE](https://cdn-ak-scissors.b.st-hatena.com/image/square/161b2de6d8eceb6b26a9ffb1969f7844e5fdab0a/height=288;version=1;width=512/https%3A%2F%2Fsssslide.com%2Fogp.png)
携帯関連の将来や最新の技術情報や業界の行く末などを適当に綴るblogです。 内容の信憑性は?余り信じない方がいいと思います。 本家の鈴の音情報局はこちら→http://suzunone.0g0.jp:8800/ スマホ・携帯端末アクセス[ランキング]/[アクセスシェア(グラフ)] (毎年10/1にログをクリア) ・Android 4.4に入ったARTのソースを見た感想 ~ 組み込みの人。 ・Android 4.4 のARTのブートログを見てみた ~ 組み込みの人。 ・Android 4.4 Kitkatで新しいランタイムARTと従来のDalvikの動作を比較した動画 ~ Dream Seed Android 4.4 Kitkatでは内部的に大きく変わる所が有る。 AndroidはDalvik VMがAndroid OSの実行を含め、Androidの全てを牛耳っている。 しかしそこにARTと
技術ネタはこちらに書いていこうとおもいます。 https://qiita.com/tetsu_koba FreescaleのCortex-M0のMCUの評価ボードであるFRDM-KL02Z を動かしてみました。 Linux(Ubuntu 14.04 x86_64)の上に開発環境を構築しました。 準備 SDKのインストール 以下のサイトからFreescale kinetisのSDKをダウンロードして展開します。 http://www.freescale.com/tools/software-and-tools/run-time-software/kinetis-software-and-tools/development-platforms-with-mbed/software-development-kit-for-kinetis-mcus:KINETIS-SDK $ WORK=$PWD
先日llvm 3.3がリリースされました。aarch64(arm 64bit)のコードが生成できるようになったということなので、ソースからビルドして遊んでいたのですが、さりげなく凄く最適化されたコードが生成されているのに気がつきました。aarch64だと今は実行して確認できる環境が手元に無いので、普通のarmv7-aで同じことを試しました。 ここで使ったコードとその結果はgistに貼りました。 https://gist.github.com/tetsu-koba/5835724 ソースコード int sum(int x) { int sum = 0; int i; for (i = 1; i <= x; i++) { sum += i; } return sum; } 1からnまでの総和を求める関数です。1から100までの総和が5050なのはガウス少年の逸話で有名ですね。 gcc 4.8.
こんにちは! アプリで生活していけるのかを実践しています。 先日リリースしたiPhoneアプリ「深層心理テスト」のデータを公開しつつ、 アプリで生活出来るのかを書き連ねてみたいと思います。 無料アプリですのでアプリ内に設置した広告をダウンロードしたユーザーさんがクリックすると収益になります。 右の写真の下の方にあるのが広告です。 アドネットワークというサービスを使うと 設置した広告枠に自動でアプリに合いそうな広告を出してくれます。 深層心理テスト5/3~5/22データ 総ダウンロード数:42,682 広告枠総インプレッション:908,707 総売上:33,231円(1$:80円換算) えっと、、、思ったより売上げ少ないですorz みなさんもそう思いませんか。・゜・(ノД`)・゜・。 アドネットワークはタイトルにあるように3社さんを活用させてもらいました。 i-mobile、AdMob、Am
一夜目はパターン認識と機械学習の概要を学びました。今夜は、識別部で用いられる機械学習の基本的な線形識別器である「パーセプトロン」を具体的に学びたいと思います。「線形識別器?パーセプトロン?何それ?」字面は厳しいですが、手を動かしてみると意外と簡単に理解できます。今夜からは数式をバリバリ使っていきますし、手を動かしていただきます。「必ず」手元にペンと紙を用意してください。そうは言ってもパーセプトロンが一体何なのか、機械学習の中でどのような位置づけなのかがわからないと混乱するかもしれません。パーセプトロンの説明へ入る前に、機械学習の3つのアプローチをご紹介します。 ●機械学習の3つのアプローチ - 識別関数、識別モデル、生成モデル 機械学習は大きく分けて識別関数、識別モデル、生成モデルという3つのアプローチがあります。 識別関数 := 入力データを見て、特定のクラスに属するよう識別(代表的な手
テキストマイニングに必要なパターン認識と機械学習について学びます。非常に初歩的な話から始めます。対象者は「テキストマイニングに興味があり、用いられる手法の中身を知りたい(けれど高度な数学は厳しい…)」というビジネスマンや学生さんです。数式は出来る限り「使います」。使わないと意味するところは理解できません。ただし、愚直に数式の一行一行を手計算で順を追って解いていきますし、必要な数学知識はその都度説明し、前提知識は求めませんので「数式出てくるの?じゃあついていけないのでは…」という心配は不要です。この記事の特徴は「機械学習の手法をやたら冗長な数式と過剰なまでの例を用いて、くどくどと同じ話を何度も説明する」ことです。 筆者ことあんちべは純文系出身で、数学や統計学、プログラミングは全然学生時代やってこなかった上、業務でも機械学習を使うことなんて皆無、それどころか機械学習なんて言葉は就職してからよう
Lispは記号の構造的な表現であるS式を操作するインタープリタ方式を基調とするプログラミング言語である.ここでは,思考のツールとしてのCommon Lispを強調した解説を行う.すなわち,関数型プログラミング言語としてのCommon Lispの位置づけはいったん忘れ,人工知能の学習などに頻繁に現れる知的学習と問題解決,より一般的には記号処理を中心としたロジックを再現して,シミュレーションを中心とした理解や発想を支援する実践的なツールとしてCommon Lispを位置付けて,Windows PCを使えるレベルの初学者を想定したAI Programming入門コースを提供する(まだまだ工事中ですが…). — 西田豊明 目次 1. 人工知能について 2. 処理系のインストール 3. gclによるAIプログラミング(超入門) 4. gclによるプログラミングプロジェクト(超入門) 5. gclによ
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