自由にコード譜を編集、保存できます。 編集した自分用コード譜とU-FRETのコード譜はワンタッチで切り替えられます。 コード譜の編集はプレミアム会員限定機能です。
0. はじめに --- グラフ探索の動機 現代ではコンピュータはとても身近なものになりました。コンピュータの用途としては シミュレーションなどの大規模計算を行う 人工知能をつくる アプリを開発する などなど多様なものが考えられますが、「探索」もまた、コンピュータを用いるモチベーションとして、最も基本的かつ重要なものの一つだと思います。探索とは、与えられた対象の中から、目的に合うものを見つけ出したり、最良のものを見つけ出したり、条件を満たすものを列挙したりする営みです。 世の中における様々な問題は、探索によって、考えられる場合を調べ尽くすことによって原理的には解決できるものが多いです。例えば、現在地から目的地まで最速でたどり着く方法を求める問題は、原理的には、現在地から目的地へ到達する経路をすべて列挙することで解決できます1。将棋やオセロの必勝法を求める問題は、原理的には、考えられる局面と
以下に登場するLaTeXで表現できる記号は大変自然で美しく、LaTeX文書表現力を飛躍的に高めてくれる。 これだけでもLaTeXを使う価値がある。 LaTeXでは、 %(percent), {(left brace), }(right brace), &(ampersand), #(hash), $(dollar), ^(caret), ~(tilde), \(backslash=¥), _(underscore) は別種の目的に使われるために特殊記号 (spacial characters)と読んでいる。 これらの特殊記号をLaTeX文中で使うには、次の表のように、記号 \(backslash) を直前において特殊記号(の本来も役割を)エスケープするなどしてタイプセットしなければならない。 LaTeXの特殊文字
この記事では 数式の表現方法を紹介します. 皆さんが を使用する際の参考になれば幸いです. なお微分演算子 や虚数単位 は立体で書いた方が良い,という意見があります. 本記事中では斜体,立体が入り交じっていますがご容赦ください.
Beamer マニュアル はじめに ドキュメントクラスとフレーム Beamer作成手順は、LaTeX文書とほぼ同じ。 ドキュメントクラス TeXファイルの1行目に書く。 \documentclass[オプション]{document class} まず、document classはbeamerを指定する。 日本語を扱う場合は、オプションにdvipdfmを書いておく。 内容は、\begin{document}〜\end{document}に書く。 \begin{document} %内容 \end{document} フレーム スライド一枚ごとに、\begin{frame}〜\end{frame}で囲む。 \begin{frame}<オーバーレイ>[デフォルトオーバーレイ][オプション]{タイトル}{サブタイトル} %スライドの内容 \end{frame} タイトル、サブタイトルはスライドの
じゃんけんを何回も繰り返し,獲得点数を競う グーで勝てば3点,チョキで勝てば5点,パーで勝てば6点もらえる 二人以上なら何人でも遊べるが,ここでは二人の場合のみ考える グーは「グリコ」が3文字。チョキは「チョコレート」が5音,パーは「パイナップル」が6文字であることから点数が決まっています。 なお,チョコレートは6文字なのでチョキで勝つと6点もらえるというルールの方が一般的なようです。 もらえる得点が非対称なので,それぞれの手を確率 13\dfrac{1}{3}31 で出すよりもよい戦略がきっとある!だから最適戦略を考えよう,という問題です。 グーを出す確率が ppp,チョキを出す確率が qqq,パーを出す確率が rrr であるような戦略を (p,q,r)(p,q,r)(p,q,r) と書くことにします。 ここでは東大の問題(後述)にならって 相手がどんな戦略を取ってきても,自分がもらえ
This document discusses generative adversarial networks (GANs) and their relationship to reinforcement learning. It begins with an introduction to GANs, explaining how they can generate images without explicitly defining a probability distribution by using an adversarial training process. The second half discusses how GANs are related to actor-critic models and inverse reinforcement learning in re
PyTorch 1.1より、TensorBoardによる監視機能がデフォルトで入った(ただし、1.1.0ではExperimentalで、1.2.0より正式版)。ここでは、Google ColabでのTensorBoardの設定方法および、PyTorchでの使い方について説明する。 Google ColabでのTensorBoardの設定方法 TensorBoardは、学習状況の監視ツールである。Google Colabでは、2つの方法で使うことが出来る。一つは、Colabのセルで表示する方法であり、もう一つは、ColabにURLで接続する方法である。 まず、PyTorch 1.1用のTensorBoardに更新する。(TensorBoard 1.14以降が必要であるため、いずれかのコマンドが必要。)
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
処理を実行中です
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