第2回 プログラマのための数学勉強会で発表した資料です http://maths4pg.connpass.com/event/11781/Read less
![フーリエ変換と画像圧縮の仕組み](https://cdn-ak-scissors.b.st-hatena.com/image/square/f366b99d15739f060ca87d06a255e4d326022802/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Frandom-150327050842-conversion-gate01-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
第2回 プログラマのための数学勉強会で発表した資料です http://maths4pg.connpass.com/event/11781/Read less
これが大人だ! 「ウォーリーを探せ」って絵本、覚えてますか? そう、このごちゃごちゃした人混みから赤と白のボーダーの服を着たウォーリーを探し出すゲーム。子どものころ必死で探した覚えがあります。でも見つけられないときって、ほんとに見つからないんですよね…。試しに今すぐ探してみてください。上の画像のウォーリー、いました? 「…ま、気長に探すしかないよね〜」で許されるのは子どものときだけです。そう、大人というものは、短時間で効率的に結果を出すことが求められます。それはウォーリーを探すことだって同じなのです。 ではウォーリーのいる場所には、規則性があるのでしょうか。実はSlateが、シリーズ7冊中68カ所のウォーリーの居場所をリストアップしています。それがこちら。 …あまり規則性は見えてこないですね。強いて言えば、真ん中よりちょっと上と下にそれぞれ、なんとなく集まっているくらい。でもまだ結論づける
前置き 元ネタは、結城浩氏著の「数学ガール 乱択アルゴリズム」。 新しい言語を覚えるとき、慣れるために「充足可能性問題(3-SAT)を解く乱択アルゴリズム」(p.353)を実装するという癖をつけていま1す。 ということで。前回の Egison版 に引き続き。勉強開始約1ヶ月の Julia ( http://julialang.org/ ) で実装してみました2。 開発環境・動作確認環境 Mac OSX 10.9.5 Julia 0.3.5 コード # Rw3sat.jl sample(a::Array) = a[rand(1:end)] immutable Literal index::Int not::Bool end literal(index, not) = Literal(index, not) # issatisfied(l::Literal, x::BitArray{1}) =
さて、いきなり少年メリケンサックですが、気にしないでください。帰らないでください。内容はまともです。 C#で順列(Permutation)を列挙する実装については、割と書いている人がいます。 でも、組み合わせ(Combination)を列挙する実装は、あまり書かれていないような気がする*1。 実際に自分で実装してみるとわかるが、自分のような脳のスペックが低いタイプの人間にとっては、 なかなかややこしくて面倒くさ〜い感じのアルゴリズムが要求され、とても頭が痛くなる。 しかも、パスカルの三角形ってどんなんだっけかなとか、高校数学の記憶すら怪しいのだから、もーねー。 以前、ロト6およびナンバーズ購入のための「俺専用数字選択方式くじ予想ソフト」とかゆー、 非常にしょっぱいアプリを作ったときに、順列や組み合わせを生成する必要に迫られました。 そのとき作ったしょっぱい2つのクラスを、少し修正して公開し
<群れの知能> 前回まで考えない知能の代表として、 ゴキブリを紹介してきましたが、 昆虫には、彼のように 1匹オオカミ(ゴキブリ)として生活するものと、 アリやハチのように集団を作って生活するものがいます。 今回は、この「群れの知能」がテーマです。 アリやハチの「社会」を見ていると、 なんだか、とても複雑なルールがあるように見え、 私たち人間の社会と似ている!同じだ!おれは働き蜂だ!! と感じてしまうことも多いです。 そして、つい、社会を構成するものたちも、 私たちと同じように 「考える知能」の持ち主じゃないかと 思ってしまいがちです。 ところが、ところが、 この一見複雑で高度で知的に見える「群れの動き」が、 実はすっごく簡単なルールで作れてしまうとしたら、 どーしましょう。 上の3段論法 1:アリやハチの群れの動きは、とても複雑である。 2:複雑な群れの動きは、 複雑で高度な知性(ルール
ないんたんの天気予報と 画像処理アルゴリズム (http://j.mp/ninetan2014) Kentaro Imajo (@imos) 第47回 情報科学若手の会 (2014年9月13日)
今回は,FTIRでスペクトルに対して使用する,各種のデータ処理のアルゴリズムのうちいくつかについてご紹介します。これらはIRsolutionソフトウェアで採用されているものです。 スムージングは,スペクトルの形状をより滑らかにする処理です。 例えば,S/Nの良くないスペクトルに対してこの処理を行うと,ノイズを小さくすることができます。これにより,ピークの分解は劣化しますが,ピークの有無やスペクトル全体の形状などがはっきりするため,未知試料分析などで定性情報を得る際に効果があります。 スペクトルをスムージングするということは,データ点ごとのスペクトル強度変化の度合いをやわらげるということに相当します。従って最も簡単には,スペクトルの各データ点の強度を,両隣のデータ点を含めた3点の強度の平均値で置き換えるというような方法でも,ある程度まで実現できます。下の図の点線グラフは,実線グラフの3点の強
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