You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
表計算ソフト - LibreOffice Calc 7.1.4 表計算ソフト(ひょうけいさんソフト、英: spreadsheet、スプレッドシート)は、数値データの集計・分析に用いられるアプリケーションソフトウェアである。ワープロソフト、プレゼンテーションソフトなども含めてオフィスアプリケーションとも呼ばれる。 画面上では集計用紙のように並んだ格子状のマス目(セル)が表示される。このセル毎にデータを入れることで表を作成することができるのが表計算ソフトの第一の特徴である。見た目をよくするためには罫線としてセルに枠線を付けることができる。 重要なのは、このセルに単に数値や文字列だけでなく数式を入力することができることである。特に、個々のセルを指定して、それぞれに対する計算式を書けることが重要である。例えば販売記録をつける場合、 商品の単価 商品の販売数 商品の販売総額 総売上 を表示する必要が
Thank you! And spread the word! Remove your signature Organisations working in disparate domains are independently discovering patterns for building software that look the same. These systems are more robust, more resilient, more flexible and better positioned to meet modern demands. These changes are happening because application requirements have changed dramatically in recent years. Only a few
This article has multiple issues. Please help improve it or discuss these issues on the talk page. (Learn how and when to remove these template messages) This article may require copy editing for Some text is too verbose or poorly written. Further, the terminology in these cases is not defined for the reader.. You can assist by editing it. (December 2023) (Learn how and when to remove this message
In computer programming, dataflow programming is a programming paradigm that models a program as a directed graph of the data flowing between operations, thus implementing dataflow principles and architecture.[1] Dataflow programming languages share some features of functional languages, and were generally developed in order to bring some functional concepts to a language more suitable for numeric
大きなコードベースの真ん中あたりをさわっていると、仕事の大半はリファクタリングに費やされる。機能を足そうと書くコードも 8 割リファクタリングで新緑は 2 割。失敗して捨てるものも多いから、かける時間は 9 対 1 くらいかもしれない。 それどころかリファクタリング自体がプロジェクトにもなりうる。「今四半期はこの腐ったコードどもをなんとかするのが目標」というように。私もいま大きなリファクタリング、あるいはリアーキテクティング、の手伝いをしている。仕事時間のほぼすべてがリファクタリングに費やされる。今の勤務先で通用する唯一の特技がリファクタリングな私にとってこれはたぶん適職だ。 リファクタリングにコーディングの大半を捧げる人は他にもいる。 プログラマ相手の管理職をエンジニアリング・マネージャと呼ぶ。ほぼ全員プログラマ出身。現場に近いマネージャは多くがコードも書く。ただ血気盛んな人を除くと新機
August 2022 Moved March 2022 Moving WSL2 「ハイブリッド勤務」にむけて Too Obvious To Innovate January 2022 Off Notes December 2021 2021 Outside Work November 2021 Restarting Extra Curricular Book: The Second Shift Webcam 横書き日記 - 完了 Publishing Blog Draft Behind oauth2-proxy on Cloud Run 横書き日記 Revisiting Writing Office HP C1030 Chromebook Alder Lake and The End Of Linux Laptop October 2021 Cycle Laptops Parties A
As the digital landscape continues to evolve, the importance of cyber security in software development has become paramount. Developers play a crucial role in protecting software and sensitive data from the increasing threats of breaches, financial losses, and reputational damage. By embracing robust cyber security practices, developers can ensure the integrity, reliability, and trustworthiness of
これは、ドワンゴ Advent Calendar の 7日目です。 6日目は DartのASTを触ってみる でした。 さて、会社でアドベントカレンダーやる、と言われて、なんとなく参加登録したはいいものの、特に書くこと決めてませんでした。 最近、msgpackのScalaのライブラリ作ってるので、それ完成したらそのこと書こうかな―、と思ってましたが、msgpack-javaのバグや、古いversionと新しいversionの違いと戦ってたりしたら、なかなか完成しないので別のこと書くことにしました。 というわけで、標題の 「代数的データ型とshapelessのマクロによる型クラスのインスタンスの自動導出」 という話をします。ドワンゴアドベントカレンダーだからといて、べつに変わったことはなく、いつものようなScalaネタです。 さてみなさん「代数的データ型」って知ってますか?Scalaよりもっと
この記事は Play framework Advent Calendar 2014 の8日目です。 昨日は @gakuzzzz さんの ActionFunction の紹介 でした。 明日は @nazoking さんの play アプリケーションのクラスパス指定を短くする です。 さて、 play2.3 から asset のコンパイルなどを sbt-web という仕組みが受け持つようになりました。 https://www.playframework.com/documentation/ja/2.3.x/Migration23 https://www.playframework.com/documentation/ja/2.3.x/Assets build.sbt に pipelineStages := Seq(rjs, digest, gzip)のように記述してコンパイルすると /asse
boost::container::static_vector static_vectorはstd::arrayとstd::vectorのあいのこ。std::array<T,N>は固定長配列 T[N]を標準コンテナ化したもので、要素数:size()は常にNを返しますし、要素の挿入/削除ができません。対してstatic_vector<T,N>は要素数N個"以下"の可変長配列としてふるまいます。最大N個の要素を格納する領域は動的に取得/解放されることはなく、(std::array<T,N>と同様)インスタンス内部に"静的"に確保されます(static_vectorの名はそのことに由来します)。 static_vector<T,N>にN個を超える要素を挿入しようとするとstd::bad_alloc例外がthrowされます。また、最大要素数の異なるstatic_vector<T,M>とstatic
NEWS: As I switched from Ubuntu to NixOS, I will *not* maintain these packages anymore. If you want to take over, you can start from my script at https://gist.github.com/DamienCassou/2360655. To get latest Emacs snapshot on Ubuntu, I recommend this PPA https://launchpad.net/~ubuntu-elisp/+archive/ppa. BUG: if you experience a bug with accented characters, please see https://bugs.launchpad.net/emac
A quick and easy pre-configured Emacs for developing with Haskell. You can use this to try out the Emacs support for Haskell, or use it as a base or to crib Elisp from, or whatever. The motivating use-case is that newbies tend to want something that just works that they can customize later. This aims to be that repo. At least, an opinionated version of it. Most of it is using my tooling, so it's v
プロファイラ好きなモニタの前の皆さんこんにちは。@sonots です。この記事では、Ruby コードのどの行がどのぐらいメモリを消費しているか調べる方法を紹介します。 オブジェクトの数を数える Ruby には ObjectSpace というオブジェクトの情報を集めたり操作したりする module があります。 このモジュールの each_object メソッドを使用すると、RubyVM 上の全てのオブジェクトを取り出すことができます。 このメソッドを使って、以下のようなコードを書くと、実行した地点で、RubyVM 中にどのクラスのオブジェクトが何個存在しているのかカウントできたりするわけです。興味深いですね! ObjectSpace.each_object.inject(Hash.new 0) {|h,o| h[o.class]+=1; h } #=> {Class=>241, Strin
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 2021.2.11追記:DateTimeクラスは非推奨なクラスになりました DateTimeクラスは非推奨なクラスとなり、DateTimeクラスではなくTimeクラスを使うよう、公式にアナウンスされました。 参考1 But we consider use of DateTime should be discouraged. - matz (Yukihiro Matsumoto) https://bugs.ruby-lang.org/issues/15712#note-4 参考2 DateTime は deprecated とされているた
今月(2014年11月)は、こんなビジネス書を紹介しました。 2014-11-01から1ヶ月間の記事一覧 20冊紹介しています。 その中から、わたしがとくに読んでよかったと思うものをまとめておきます。 どんな感じの内容かは、リンクから読んでみてくださいませ。 良い習慣、悪い習慣: 世界No.1の心理学ブロガーが明かすあなたの行動を変えるための方法 良い習慣、悪い習慣―世界No.1の心理学ブロガーが明かすあなたの行動を変えるための方法 作者: ジェレミー・ディーン 出版社/メーカー: 東洋経済新報社 発売日: 2014/09/12 メディア: Kindle版 この商品を含むブログを見る 『脳科学は人格を変えられるか?』エレーヌ・フォックス 脳科学は人格を変えられるか? 作者: エレーヌ・フォックス 出版社/メーカー: 文藝春秋 発売日: 2014/09/12 メディア: Kindle版 この
iOSとの比較つき!Androidでこんなアプリ,こんな機能を作りたかったらこれを見ろ!作りたいアプリに対応するクラス、ライブラリのまとめ!iPhoneAndroidiOS by @mixiappwchr 最近Androidのほうも久しぶりがっつりやっているため、簡単ですがまとめてみました。 環境編 IDEは何を使えばいいの? 今から始めるにはnatvieのコードとかを書かない限りAndroid Studioを使いましょう 最近ようやく1.0が出ました。 Android Studio http://developer.android.com/sdk/index.html 検証用のエミュレータが遅いよ! iOSと違う点ですが、Androidはエミュレータの遅さに定評があります。Intel HAXMでの高速なエミュレータか、Androidの仮想環境を提供してくれるGenymotionを使いまし
中盤に突入した14年衆院選。本サイトが先日公開した「衆院選候補者“女性の敵”ランキング」には「反吐が出る」「めまいがする」などの声が多数寄せられた。だが、くだんのセンセイたちの差別意識は“女性”に対するものだけではない。民族差別煽動、歴史の修正、戦争賛美……ニコニコしながら有権者に手を振る彼らの心の裡は、そんな危険な思想に溢れているのだ。 しかも、在特会などの排外主義デモを繰り返す市民団体との関係が疑われる候補者も少なくない。ヘイトスピーチが国際問題になっている昨今、日本の立法・行政を委託される国会議員の本性を国民は見抜かなければならないだろう。というわけで、衆院選に出馬している“極右ヘイト”候補者をランキングにしてみた。下位から順に発表していこう。 ヘイト批判に“国連にチンコロしたのは朝鮮系団体”と…ネトウヨ丸出しのルーキー ★第15位 山田賢司(自民党/兵庫7区) 安倍チルドレンとして
終結から12年を経て、東宝版『ゴジラ』が復活!-『ゴジラ FINAL WARS』より - (C) TOHO CO., LTD. 怪獣映画の金字塔『ゴジラ』シリーズの東宝製作による新作が、2016年に全国公開されることが明らかになった。2004年の『ゴジラ FINAL WARS』をもってシリーズに終止符が打たれてから10年。その節目の年に公開されたハリウッド版『GODZILLA ゴジラ』の世界的ヒットで高まったファンの声援に応える形で、日本を代表する伝説的シリーズが復活を遂げる。 六本木にも巨大ゴジラ!写真ギャラリー これまでプランは存在したものの、なかなか決定に至らなかったという『ゴジラ』の復活。しかし今年、63の国と地域で公開されたハリウッド版が、日本国内だけで32億円、全世界では570億円以上という驚異的な興行収入を記録。この大ヒットを受け、12年ぶりとなる東宝版『ゴジラ』の公開が決ま
内閣府が8日発表した7~9月期の国内総生産(GDP)改定値は、物価変動を除いた実質で前期比0.5%減、年率換算では1.9%減だった。11月17日公表の速報値(前期比0.4%減、年率1.6%減)から下方修正した。QUICKが5日時点でまとめた民間予測の中央値は前期比0.1%減、年率0.5%減と上方修正が見込まれていた。生活実感に近い名目GDPは前期比0.9%減(速報値は0.8%減)、年率では3
マンションコミュニティの難しさ 川路武氏(以下、川路):それでは3人のゲストをお迎えして、私のピュアな疑問から始めていきたいと思います。特にご自身の体験から、先に出来上がっちゃっているようなコミュニティに入るって難しいですよね。最近お子さんが生まれた蛯原さんいかがですか? 蛯原英里氏(以下、蛯原):そうですね。まだ3カ月で、なかなか外には行き辛いというか。家から外出先までに限られていて。マンション内で通るとしたら、エントランスが主になるんですけど、朝だったり、夕方になるとママ友同士がいらっしゃって、楽しい話をしているんです。将来、3カ月の娘が大きくなっていって、私もその中に入れるのかなという不安があります。 川路:今は流石にまだ3カ月ですから、年齢が固まった集団に入っていくこともなかなか出来ないですよね。 蛯原:やっぱり、マンションですから、皆さん知っているわけではないので、入りたいけどど
■なぜ死亡事故が減ったのか――「頭部外傷」という視点昨日に発表した記事「柔道事故 死亡ゼロが続いていた」が大きな反響を呼んだ。 柔道で重大事故が起きてきたことはすでに知られていても、この数年の「死亡ゼロ」は新鮮に受け止められたようだ。その反響のなかで、「なぜ死亡事故がゼロになったのか知りたい」という意見をたくさん頂戴した。今回はその質問・疑問に答えたいと思う。 結論を先に端的に示すならば、死亡事故が減った最大の理由は、死亡の原因が「頭部外傷」にあることが柔道指導者に認知され、頭部外傷に重点を置いた対策が徹底してとられたことに求められる。 ■「頭部外傷」対策は、ないに等しかった学校柔道での100件を超える死亡事故が明らかになったのは、2009年9月のことである。私がデータを、ウェブサイト「学校リスク研究所」に発表した。そこから見えてきたのは、死亡事故の多くが、柔道固有の動作(投げ技、受け身)
―― 再増税反対を唱える野党も、財源のプランを明確にできれば勝負はできると思うのですが。 そうですね。消費税への傾斜を今回の選挙でひっくり返すのは難しいのかも知れませんが、野党はそこに力を入れてほしいですね。 安倍首相が解散権を口にしたとたんに、民主党も含めてみんなが雪崩を打つように増税延期に傾いてしまった。争点が消失してしまったわけですね。「大義なき解散」という人は、争点のなさを問題にしているわけです。 しかし、私は消費税の延期にみんなが賛成したとは思っていません。首相の会見でも、延期はしても社会保障と税の一体改革の流れは堅持すると明言されていました。つまりこの道は、いずれにしても消費税は上がるという道なんです。仮にリーマン・ショック級のショックがあったとしても、どこかの時点で10%までは確実に上がる、これは動かしがたい現実です。 この現実を打破するような政党が現れるかどうかが一つのポイ
ドワンゴがニコ動の画像配信向けにFPGAエンジニアを募集したり、マイクロソフトはBingをFPGA実装したり、Baiduもディープラーニングの高速化にFPGAを導入したりと、なんだか世の中急にハードウェアくさくなってきた。IoTとは違う意味で。 金融分野ではすでにCPUでは遅すぎてFPGAによるナノ秒単位の株取引が行われているって記事を書いたのは2年前だけど、ここ数年はIntelのCPUのクロックもあまり上がらなくなってきたし、Fusion-ioやNetezzaといった大手御用達のハイエンド鬼速ストレージも、フタを開ければ中身はすでにFPGAに移行済み。IBMが最近出したData Engine for NoSQLという製品ではPOWER8プロセッサにFPGAを直付けしてRedisを高速化したり。いよいよデータセンターにも、先の見えないCPUに代わってFPGAやGPUを導入する波が押し寄せつ
持ち帰りすしの老舗、小僧寿しの迷走が止まらない。業績は2010年12月期から4期連続の最終赤字。この1年間で社長が2回代わり、夏には全従業員の3割が希望退職で会社を去った。定款変更で金融業、医薬品販売、金券販売を事業目的に加えたほか、今年8月には「今後どのように経営していったらいいか」を公募するという前代未聞の手段に打って出た。いったい小僧寿しで何が起きているのか。経営方針募集に700以上の応募
2016年春に開業予定の北海道新幹線で運行する「H5系」車両が7日、走行試験で初めて青函トンネルを通って津軽海峡を越え、青森県今別町の奥津軽いまべつ駅に入った。ホームでは地元の自治体関係者ら約60人が、小旗を振って歓迎した。 H5系は6日午後10時20分ごろに北海道七飯町の函館総合車両基地を出発。電気系統の試験をしながら、時速30キロ以下の低速で走行し、新函館北斗駅や木古内駅では、構内の標識が運転席から認識できるかを確認した。 新幹線と在来線が同じ線路を走る青函トンネル(約54キロ)は約2時間かけて通過し、7日午前5時40分ごろ、雪が降りしきる中、新函館北斗から約110キロ先の奥津軽いまべつに到着した。 14年度はJR北海道と鉄道建設・運輸施設整備支援機構が来年3月1日まで、新函館北斗-奥津軽いまべつで、走行試験を続ける。
See all results No matching results Try a different filter or a new search keyword.
なぜ10万人がリーダーに頼らず自律的に動けたのか?──未曾有のボランティアチーム「ふんばろう東日本支援プロジェクト」の挑戦(ベストチーム・オブ・ザイヤー) 2011年4月、SNSを活用して立ち上がったボランティア組織が「ふんばろう東日本支援プロジェクト*1」だ。同組織では、物資を3000箇所以上の避難所や仮設住宅へ届ける「物資支援プロジェクト」、個人避難宅を中心に2万5000世帯以上に家電を支援する「家電プロジェクト」など、複数のプロジェクトが自律的に動いていた。プロジェクト数は合計50以上と、多岐にわたる支援を展開した。 *1:『ふんばろう東日本支援プロジェクト』 http://fumbaro.org/ この大規模な支援活動を実現したのは、多種多様な「プロジェクト」と、岩手、宮城、福島といった「前線支部」/名古屋、京都、岡山といった「後方支部」/Web、会計、SNSなどの「機能部門」ごと
この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。(このテンプレートの使い方) 出典検索?: "時系列" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2021年3月) 時系列(じけいれつ、英: time series)とは、ある現象の時間的な変化を、連続的に(または一定間隔をおいて不連続に)観測して得られた値の系列[1](一連の値)のこと。例えば、統計学や信号処理で時間経過に従って計測されるデータ列であり、(通常、一定の)ある時間間隔で測定される。均一間隔では無い場合は点過程と呼ぶ。 時系列解析や時系列分析はそのような時系列を解釈するための手法であり、データ列の背後にある理論(なぜそのような時系列になったのか?)を見出すか、予
計量経済学(けいりょうけいざいがく、英: econometrics)とは、経済学の理論に基づいて経済モデルを作成し、統計学の方法によってその経済モデルの妥当性に関する実証分析を行う学問である。 分析の対象となる経済系列は、次の3種類に大別される。 交差系列(英語版) (Cross section Data) :同一時点での様々なデータ。例えば、ある時点で47都道府県の人口、人口密度、男女比などを調べたもの。 時系列 (Time series Data) :同一種類のデータを様々な時点で取ったもの。例えば、ある都道府県の人口を時間を追って調べたもの。 交差時系列 (Panel Data) :交差系列 (Cross section Data) で時系列 (Time series Data) である系列。例えば、47都道府県の人口を時間を追って調べたもの。パネルデータ分析と呼ぶことが多い。
分類(ぶんるい、英: classification)や統計的分類や統計的識別とは、統計学において、データを複数のクラス(グループ)に分類すること。2つのクラスに分ける事を二項分類や二値分類、多数のクラスに分ける事を多クラス分類という。Y = f(X) というモデルを適用する際に、Y が離散であれば分類、連続値であれば回帰である。 個体をクラス分けする統計的手続きの一つであり、分類対象に固有な1つ以上の特性についての数値化された情報に基づいて実施される。このとき、事前にラベル付けされた訓練例(英: training set)を用いる。 形式的に表すと、次のようになる。訓練データ から、オブジェクト から分類ラベル へマップする分類器(英: classifier、識別器とも) を生成するのが統計分類である。例えば、スパムのフィルタリングをする場合、 は具体的な電子メールの例であり、 は "Sp
単純ベイズ分類器(たんじゅんベイズぶんるいき、英: Naive Bayes classifier)は、単純な確率的分類器である。 単純ベイズ分類器の元となる確率モデルは強い(単純な)独立性仮定と共にベイズの定理を適用することに基づいており、より正確に言えば「独立特徴モデル; independent feature model」と呼ぶべきものである。 確率モデルの性質に基づいて、単純ベイズ分類器は教師あり学習の設定で効率的に訓練可能である。多くの実用例では、単純ベイズ分類器のパラメータ推定には最尤法が使われる。つまり、単純ベイズ分類器を使用するにあたって、ベイズ確率やその他のベイズ的手法を使う必要はない。 設計も仮定も非常に単純であるにもかかわらず、単純ベイズ分類器は複雑な実世界の状況において、期待よりもずっとうまく働く。近頃、ベイズ分類問題の注意深い解析によって、単純ベイズ分類器の効率性に
input=>ちょっと、何!? びっくりすんじゃん……。 category: tsundere input=>君が大好きで。すっごく大好きでね。 category: not_tsundere input=>……気安く触んないでよ、バカ。 category: tsundere input=>人ラブ!俺は人間が好きだ!愛してる! category: not_tsundere よい...。 やったこと ふつうのスパム判定の場合 スパムのテキストとそうでないテキストをそれぞれコンピュータに学習させて、新しく入力されたテキストがスパムかどうかを判定します。 ...つまらん ツンデレ判定の場合 ツンデレのテキストとそうでないテキストをそれぞれコンピュータに学習させて、新しく入力されたテキストがツンデレかどうかを判定します。 楽しい!! データの用意 学習を行うためには当然学習データが必要です。ツンデレ
Introduction 「機械学習」 みなさんはどうやってこの言葉に出逢いましたか? 最近よく聞くから?友達にやってみないかと誘われて? もしあなたが今この記事を読んで機械学習という言葉を知ったのなら、それは私にとってとても喜ばしいことです。 でも、いざ始めてみると... 難しいですよね。 本屋でパターン認識と機械学習をパラパラっとめくってみて「うっ...」っとなった方もいるんじゃないでしょうか。 じつは、機械学習の理論のかなりの部分は難解な数式で構成されています。 初めからその数式に挑もうとすると... 難しくて挫折しそうになります。 もしあなたが機械学習のアルゴリズムを完全に、どこまでも深く理解したいのなら数式をいじり倒す必要があります。 しかし、アルゴリズムを実装してみたり、実際に使ってみるだけなら、そんなに深く理解する必要はありません。数式を完全に理解しなくても、アルゴリズムの動
自己組織化写像(じこそしきかしゃぞう、英: Self-organizing maps, SOM, Self-organizing feature maps, SOFM)はニューラルネットワークの一種であり、大脳皮質の視覚野をモデル化したものである。自己組織化写像はコホネンによって提案されたモデルであり、教師なし学習によって入力データを任意の次元へ写像することができる。主に1~3次元への写像に用いられ、多次元のデータの可視化が可能である。出力となる空間をマップ (map)、競合層 (competitive layer)、もしくは出力層 (output layer) と呼ぶ。出力層に対して入力データの空間を入力層(input layer)と呼ぶこともある。自己組織化写像はコホネンマップ (Kohonen map)、コホネンネットワーク (Kohonen network)、自己組織化マップ、ソム
ベクトル量子化(ベクトルりょうしか、英: Vector Quantization, VQ)は連続空間に存在するベクトルを有限個の代表ベクトルへ離散化する操作である。すなわちベクトルを入力とする量子化である。 通常の(スカラー)量子化は連続値を有限個の代表値へと集約する。例えば標本化したアナログ音声信号の各サンプルを、最も近いビット/デジタル符号に置き換える。サンプルと代表値はともに1次元/スカラーである。 これに対してベクトル量子化はN次元空間内のベクトルを対象として量子化をおこなう。例えばステレオ2chの信号を各チャンネルごとでなく左右セット (=2次元ベクトル) で扱い、このベクトルをまとめて有限個の代表値へ符号化する。ベクトル単位での量子化であることからベクトル量子化と呼ばれる。
Q学習は強化学習の方策オフ型時間差分法の一つである。概念自体は古くから存在するが、Q学習(Q-learning)という名前で今日の手法がまとめられたのは、1989年のクリストファー・ワトキンズ(Christopher J.C.H. Watkins)の博士論文に端を発する。[1] TD学習は になるように学習させるが、Q学習はこれを に置き換えたものである。状態価値関数 の代わりに、行動価値関数 を使用する。 Q学習は有限マルコフ決定過程において全ての状態が十分にサンプリングできるようなエピソードを無限回試行した場合、最適な評価値に収束することが理論的に証明されている。実際の問題に対してこの条件を満たすことは困難ではあるが、この証明はQ学習の有効性を示す要素の一つとして挙げられる。 Q学習では実行するルールに対しそのルールの有効性を示す行動価値のQ値(Q-value)という値を持たせ、エージ
パーセプトロン(英: Perceptron)は、人工ニューロンやニューラルネットワークの一種である。心理学者・計算機科学者のフランク・ローゼンブラットが1957年に考案し、1958年に論文[1]を発表した。モデルは同じく1958年に発表されたロジスティック回帰と等価である。 視覚と脳の機能をモデル化したものであり、パターン認識を行う。ただし学習については自明ではなく、特に多層パーセプトロンの機械学習に関する歴史は、それがパーセプトロンの歴史だと言っても過言ではない。1960年代に爆発的なニューラルネットブームを巻き起こしたが、60年代末のミンスキーらによる、単層パーセプトロンは線形分離可能なものしか学習できないという指摘は、多層パーセプトロンの学習が当時まだよくわからなかったことから、一時研究を停滞させた。影響を受けた変種といえるニューラルネットワークも多数提案されているが、それらについて
英語版記事を日本語へ機械翻訳したバージョン(Google翻訳)。 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。 翻訳後、{{翻訳告知|en|Unsupervised learning|…}}をノートに追加することもできます。 Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指針に
文書分類(ぶんしょぶんるい、英: Document classification/categorization)は、情報科学における問題である。電子文書をその内容に基づいて、1つ以上に分類する。文書分類には、外部から(例えば人間が)正しい分類に関する情報を与える教師あり文書分類と、外部の情報を参照せずに分類する教師なし文書分類がある。 技法[編集] 文書分類に使われる技法としては、以下のものがある。 単純ベイズ分類器 tf-idf 潜在意味解析 サポートベクターマシン ニューラルネットワーク k近傍法 決定木(例えばID3) コンセプトマイニング 他にも、自然言語処理に基づく手法がある。 応用[編集] 電子メールのスパムを分離するスパムフィルタに応用されている。 関連項目[編集] 分類 機械学習 - 教師あり学習、教師なし学習 文書検索 情報検索 テキストマイニング 参考文献[編集] Fa
教師あり学習(きょうしありがくしゅう, 英: Supervised learning)とは、機械学習の手法の一つである。 既知の「問題」xiに対する「解答」yiを「教師」が教えてくれるという方法であり、「生徒」であるアルゴリズムが未知の「問題」xに対応する「解答」yを推論する事から名付けられたものである。そのような訓練に用いるデータを事を教師データとも呼ぶ。 教師あり学習では、未知の確率分布を対象に学習を行う。実応用上は何らかを入力(x)、出力(y)とみなせる事が多く、例えばyはxに未知の関数Fを施した値F(x)に小さなノイズが載ったものである。アルゴリズムには、に従うxとyの組が訓練データとして与えられる。アルゴリズムが解くべきタスクは訓練データに属していない(かもしれない)データxに対し、条件付き確率分布ないしそこから決まる値(たとえばの期待値)をよく近似することである[1]。近似の精
カーネル法(カーネルほう、英: kernel method)はパターン認識において使われる手法の一つで、 判別などのアルゴリズムに組み合わせて利用するものである。よく知られているのは、サポートベクターマシンと組み合わせて利用する方法である。 パターン認識の目的は、一般に、 データの構造(例えばクラスタ、ランキング、主成分、相関、分類)を見つけだし、研究することにある。この目的を達成するために、 カーネル法ではデータを高次元の特徴空間上へ写像する。特徴空間の各座標はデータ要素の一つの特徴に対応し、特徴空間への写像(特徴写像)によりデータの集合はユークリッド空間中の点の集合に変換される。特徴空間におけるデータの構造の分析に際しては、様々な方法がカーネル法と組み合わせて用いられる。特徴写像としては多様な写像を使うことができ(一般に非線形写像が使われる)、それに対応してデータの多様な構造を見いだす
英語版記事を日本語へ機械翻訳したバージョン(Google翻訳)。 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。 翻訳後、{{翻訳告知|en|Digital image processing|…}}をノートに追加することもできます。 Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・
英語版記事を日本語へ機械翻訳したバージョン(Google翻訳)。 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。 翻訳後、{{翻訳告知|en|Curse of dimensionality|…}}をノートに追加することもできます。 Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指
プロジェクトを作成する続いて、プロジェクトを作成します。 プロジェクトとは?プロジェクトとは、Googleが提供する様々なAPIを使った様々なアプリケーションの1つのまとまりです。ウェブサイトのことをイメージすると分かりやすいかもしれません。例えば、私の場合は「Syncer」というプロジェクトを作って、そのプロジェクトの中で、Google Analytics APIやGoogle Maps APIを利用するわけです。…ピンと来ない場合も、作業だと思って進みましょう。 作成の流れ「プロジェクト」をクリックするそれでは、早速、プロジェクトを作成してみましょう。左上部分にある「プロジェクトを作成」というボタンをクリックして下さい。 プロジェクト名を入力するプロジェクトの作成はとても簡単で、ただ、半角英数字と一部記号で名前を決めるだけです。「プロジェクト名」の項目に好きな名前を入力して下さい。通常
Donald Trump and his family business are set to stand trial in New York on Monday in a civil fraud case that could deal a major blow to the former U.S. president’s real estate empire. New York attorney general's fraud case against Donald TrumpAttacked by Trump, New York judge to weigh ex-president's fraud caseTrump's civil fraud trial in New York explained WorldcategoryKyiv brushes off US, Slovaki
About 400 million people in India are off grid, and use other sources to get power Old laptop batteries still have enough life in them to power homes in slums, researchers have said. An IBM study, external analysed a sample of discarded batteries and found 70% had enough power to keep an LED light on more than four hours a day for a year. Researchers said using discarded batteries is cheaper than
このノンテクニカルサマリーは、分析結果を踏まえつつ、政策的含意を中心に大胆に記述したもので、DP・PDPの一部分ではありません。分析内容の詳細はDP・PDP本文をお読みください。また、ここに述べられている見解は執筆者個人の責任で発表するものであり、所属する組織および(独)経済産業研究所としての見解を示すものではありません。 その他特別な研究成果(所属プロジェクトなし) わが国経済は、約20年にわたり慢性的なデフレに直面してきた。こうした中、2012年末以降のいわゆるアベノミクスと呼ばれる景気刺激策は、これまでのところ、主に金融市場を中心に日本経済に大きな影響を与えてきたように窺われる。 本論文では、そのうちの第一の矢と呼ばれる拡張的金融政策に注目し、第一の矢が、期待の管理を通じて、金融政策スタンスに対する市場の認識をどのように変化させてきたかの評価を試みる。サージェント(1982)などの標
12月4日(ブルームバーグ):日本銀行の佐藤健裕審議委員は4日午前、高知市内で講演し、円安は非製造業にとって「マイナス要因になる」と述べるとともに、一段の円安が輸出の回復を後押しするかどうかも「不透明感がある」と語った。 佐藤氏は先行きのリスク要因として「海外経済が先行き順調に成長率を高めていくかどうか不透明感があるなかで、製造業の海外生産シフトの動きはペースを鈍化させつつもなお続く見通しだ」と語った。このため、「ここもとの一段の円安が輸出の回復を後押しするかどうかは不透明感がある」と述べた。 また、円安の影響について、「エネルギー価格低下は家計・企業の実質購買力を高め、日本経済に明確にプラスに作用する半面、円安は国内生産の多くを占め、かつ今回の景気回復のけん引役である非製造業にとり交易条件面でマイナス要因となる」と語った。 日本銀行は10月31日の金融政策決定会合で、長期国債の買い
Cryptography for dummiesTo the alarm of some lawmakers, scrambling data becomes easy as encryption turns into the default option on digital devices A CAMPAIGN by American and British lawmakers and security officials to get social-media companies to take more responsibility for handing over information about criminals and terrorists using their networks gathered pace this week. It is happening beca
OpinionLeadersLetters to the editorBy InvitationCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceWorldThe world t
OpinionLeadersLetters to the editorBy InvitationCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceWorldThe world t
OpinionLeadersLetters to the editorBy InvitationCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceWorldThe world t
OpinionLeadersLetters to the editorBy InvitationCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceWorldThe world t
OpinionLeadersLetters to the editorBy InvitationCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceWorldThe world t
OpinionLeadersLetters to the editorBy InvitationCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceCurrent topicsUS elections 2024War in UkraineIsrael and HamasThe World Ahead 2024Climate changeCoronavirusThe world economyThe Economist explainsArtificial intelligenceWorldThe world t
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