)
Kernel (image processing) - Wikipedia
The above are just a few examples of effects achievable by convolving kernels and images. Origin[edit] The origin is the position of the kernel which is above (conceptually) the current output pixel. This could be outside of the actual kernel, though usually it corresponds to one of the kernel elements. For a symmetric kernel, the origin is usually the center element. Convolution[edit] 2D Convolut
行列の乗法 - Wikipedia
数学において、行列の対から別の行列を作り出す二項演算としての行列の乗法（ぎょうれつのじょうほう）は、実数や複素数などの数が初等的な四則演算でいうところの乗法を持つことと対照的に、そのような「数の配列」の間の乗法として必ずしも一意的な演算を指しうるものではない。そのような意味では、一般に「行列の乗法」は幾つかの異なる二項演算を総称するものと考えることができる。行列の乗法の持つ重要な特徴には、与えられた行列の行および列の数（行列の型やサイズあるいは次元と呼ばれるもの）が関係して、得られる行列の成分がどのように特定されるかが述べられるということが挙げられる。 例えば、ベクトルの場合と同様に、任意の行列に対してスカラーを掛けるという操作が、その行列の全ての成分に同じ数を掛けるという方法で与えられる。また、加法や減法（英語版）の場合と同様に、同じサイズの行列に対して成分ごとの乗法を入れることによって
Matrix completion - Wikipedia
Matrix completion of a partially revealed 5 by 5 matrix with rank-1. Left: observed incomplete matrix; Right: matrix completion result. Matrix completion is the task of filling in the missing entries of a partially observed matrix, which is equivalent to performing data imputation in statistics. A wide range of datasets are naturally organized in matrix form. One example is the movie-ratings matri
Go + Gonum を使った行列計算まとめ - Qiita
こんにちは！！Goを愛する皆様におかれましてはビッグデータ解析やニューラルネットワークの実装をGoでやりたいですよね！！そうすると嫌が応にも行列の計算が発生します。そこで今回は Go での行列計算をまとめました。 gonum/mat Go で 行列を扱う際には gonum パッケージが鉄板でしょう。gonum は行列だけでなく数値および科学的アルゴリズムの作成を支援するパッケージです。数値計算はこのパッケージに頼りましょう。 ちなみにこのリンク画像は自作サービスで自動生成しています。よかったら使ってみてください！ https://qiita.com/po3rin/items/eac851304cf058c532af 行列の基本 行列の作り方と内部構造を知る まずは行列の作り方から package main import ( "fmt" "gonum.org/v1/gonum/mat" )
疎行列 - Wikipedia
上の疎行列には非ゼロ要素が9個しかなく、ゼロ要素は26個ある。スパース性は74%であり、密度は26%である。 2次元の有限要素問題を説いた時に得られる疎行列。非ゼロ要素を黒で表している。 数値解析と計算科学の分野において、疎行列（そぎょうれつ、英語: sparse matrix）または疎配列（英語: sparse array）とは、成分のほとんどが零である行列のことをいう[1]。スパース行列とも言う。行列が疎であると判定するためのゼロの値を持つ要素の割合について厳密な定義はないが、一般的な条件としては、非ゼロ要素の数が行数または列数におおよそ近いものである。逆に、ほとんどの要素が非ゼロ要素である行列は、密な（dense）行列であると見なされる[1]。行列のゼロ要素の数を要素数の合計で割った値を、行列のスパース性（sparsity）と呼ぶことがある。 概念的には、スパース性はペアワイズ相互作
Scipyでの疎行列の扱い - Qiita
pythonで疎な文書ベクトルの類似度や距離を計算をするメモ Scipyで疎行列を使う際の基本的な操作について 書いたのが昔なので、どっか間違ってるかも import scipy.sparse as sp import numpy as np a = sp.lil_matrix((1, 10000)) # 1*10000の疎行列が作成される b = sp.lil_matrix((1, 10000)) # a.shape => (1, 10000) for i in xrange(a.shape[1]): r = np.random.rand() if r < 0.9: r = 0.0 a[0, i] = r # aの各要素にrandomで数値を格納した a # => <1x10000 sparse matrix of type '<type 'numpy.float64'>' with 9
Scipyの疎行列を使った文書間コサイン類似度の計算 – はむかず！
私のブログが引用されているこんな記事 (未解決)大規模疎行列のコサイン類似度 – studylog/北の雲 を見つけたので乗っかってみる。しかも、未解決って書いてあるし。 文書群データが疎行列\(A\)で与えられているとする。ここで、各行が文書を、各列が語を表しているとする。ここで文書間のコサイン類似度を総当りで計算したいものとして、その方法を示す。 \(A\)の各行をベクトルと見てL2ノルムで正規化したものを\(\tilde{A}\)とすると、コサイン類似度を示す行列は \[ \tilde{A} \tilde{A}^T \] で計算できる。 では\(\tilde{A}\)をどう計算するかだが、ブロードキャスティングを使ってインプレイスで求めるのがいいかと思う。以下にサンプルコードを示す。 from scipy.sparse import lil_matrix import numpy a
numpy.random.randint — NumPy v1.16 Manual
numpy.random.randint¶ numpy.random.randint(low, high=None, size=None, dtype='l')¶ Return random integers from low (inclusive) to high (exclusive). Return random integers from the “discrete uniform” distribution of the specified dtype in the “half-open” interval [low, high). If high is None (the default), then results are from [0, low). low : int Lowest (signed) integer to be drawn from the distrib
numpy.nan_to_num — NumPy v2.0 Manual
numpy.nan_to_num# numpy.nan_to_num(x, copy=True, nan=0.0, posinf=None, neginf=None)[source]# Replace NaN with zero and infinity with large finite numbers (default behaviour) or with the numbers defined by the user using the nan, posinf and/or neginf keywords. If x is inexact, NaN is replaced by zero or by the user defined value in nan keyword, infinity is replaced by the largest finite floating po
numpy.matrix — NumPy v2.0 Manual
numpy.matrix# class numpy.matrix(data, dtype=None, copy=True)[source]# Returns a matrix from an array-like object, or from a string of data. A matrix is a specialized 2-D array that retains its 2-D nature through operations. It has certain special operators, such as * (matrix multiplication) and ** (matrix power). Note It is no longer recommended to use this class, even for linear algebra. Instead
)
マトリックス (映画) - Wikipedia
真実を知らず仮想世界マトリックスで人生を送る主人公が、外部からの介入により機械に支配された現実世界の救世主であることを知らされ、自信が持てないまま様々な無理難題の解決を経て成長して行く過程を描いており、当時ハリウッドで一般的でなかった哲学的要素や東洋的なワイヤーアクションやバレットタイムが導入された事で「驚異の映像革命」などと評された[5][6][7]。ウォシャウスキー兄弟が監督・脚本を務め、キアヌ・リーブス、ローレンス・フィッシュバーン、キャリー＝アン・モス、ヒューゴ・ウィーヴィング、ジョー・パントリアーノらが出演する。本作はウォシャウスキー兄弟の監督作品としては2作目で、デビュー前に脚本のみ完成させていたマトリックスの約6000万ドルのスポンサー契約締結が行えなかったため[8]低予算で『バウンド』という映画を制作して高評価を得て、本作のスポンサー契約を締結している[9]。但し、当初の『
Confusion matrix - Wikipedia
In the field of machine learning and specifically the problem of statistical classification, a confusion matrix, also known as error matrix,[1] is a specific table layout that allows visualization of the performance of an algorithm, typically a supervised learning one; in unsupervised learning it is usually called a matching matrix. Each row of the matrix represents the instances in an actual clas
行列要素 - Wikipedia
数学における行列要素（ぎようれつようそ、英: matrix element）、成分 (matrix entry) あるいは係数 (matrix coefficient) は、群上の特別な形の函数で、その群の線型表現と付加的なデータに依存するものである 有限群に対する行列要素は、その群の元の特定の表現に関する作用に対応する行列の成分として表すことができる。 リー群の表現の行列要素は、特殊函数論と緊密な関係を持ち、理論の大部分を統一的に扱う方法を与える。行列要素の増加性質は、局所コンパクト群（特に簡約実および p-進群）の既約表現の分類において重大な役割を持つ。行列要素を用いた方法論は、モジュラー形式の概念に莫大な一般化をもたらした。別な方向では、ある種の力学系の持つ混合性質（英語版）が、適当な行列要素の性質によって制御される。 定義[編集] 群 G の、ベクトル空間 V 上の線型表現 ρ の
行列 - Wikipedia
数学の線型代数学周辺分野における行列（ぎょうれつ、英: matrix）は、数や記号や式などを縦と横に矩形状に配列したものである。 概要[編集] 行・列[編集] 横に並んだ一筋を行(row)、縦に並んだ一筋を列(column)と呼ぶ。 例えば、下記のような行列 は2つの行と3つの列によって構成されているため、(2,3)型または2×3型の行列と呼ばれる。 成分[編集] 書き並べられた要素は行列の成分と呼ばれ、行列の第 i 行目、j 列目の成分を特に行列の (i, j) 成分と言う。行列の (i, j) 成分はふつう ai j のように二つの添字を単に横並びに書くが、誤解を避けるために添字の間にコンマを入れることもある。また略式的に、行列 A の (i, j) 成分を指定するのに Ai j という記法を用いることもある。 和・積[編集] 行列の和は、行の数と列の数が同じ行列において、成分ごとの計
Google Sites: Sign-in
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
Speedrun: Matrix in 60 seconds (Ep #2)
http://1a4studio.com/ Put machines, dreams, Neo, dystopia, and more machines into a blender and chug it really fast - that's the taste of this condensed version of the 1999 hit movie. Please, do not subscribe to our channel: http://www.youtube.com/user/1a4studio Please, do not like our facebook: http://www.facebook.com/1a4Studio
1
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
)
Matrix factorization (recommender systems) - Wikipedia
GitHub - toomasv/matrix: Little matrix DSL for Red
https://qiita.com/gash717/items/cea49826f9bd023f2184
http://pandas.pydata.org/pandas-docs/stable/sparse.html