窓を開けて新鮮な空気をいれよう！Raspberry Pi でCO2 濃度を測ろう
English version of this document is available here. 始めに その会議が眠いのはテーマや議事運営が眠いからというのはもちろんそうなのかもしれませんが、二酸化炭素濃度が上がっていることも原因なのかもしれません。 CO2濃度が2500ppmをこえたあたりから急激に思考力が低下するなんて報告もありますが、人間のCO2排出量って結構すごくて、会議室に数人あつまっただけでかなりCO2濃度は高くなります。冬の閉め切った室内でちょっと灯油ストーブとかつけるとすぐに凄いCO2濃度になったりします。 建設的な会議を進めるために、まずは現状のCO2 濃度を把握してみませんか？ MH-Z19センサー CO2センサーは non-dispersive infrared (NDIR) といって、赤外線の吸収率がCO2濃度によって変わることを利用して測るのだそうです、か
なぜ、カフェだと仕事がはかどるのか、を実験してみた。 - 小さな編集長の雑感（限定版）
先日、この記事が話題になっていました。 dot.asahi.com 端的にいうと、仕事場でいちばん生産性に影響を及ぼす因子は、気温とCO2濃度。その気温とCO2濃度がもっとも低く、生産性を高める環境というのが、自宅でも、オフィスでもなく、カフェなんだとか。というならば、やってみようぜということで、先日知人のオフィスにて、CO2濃度を測定する機器を導入し、カフェの環境を擬似的につくりだし、２時間のMTGを実施してみました。環境はこんな感じ。 ■オフィス：9F 8.9坪 ■参加人数：5名（すべて男性） ■室温24度、CO2濃度900ppm まず生産性にいちばん関係がある室温、CO2濃度を測定すると、室温は24度。CO2濃度は900ppmを超えていました。オフィスのCO2濃度の基準値は、350ppm〜1,000ppmといわれているため、すでに換気が必要とされているレベル。まずは窓を開けて換気を実
組合せ最適化を使おう - Qiita
野菜の選び方はナップサック問題、乗り換え駅探索は、最短路問題といいます。典型問題は、よく研究もされているので、多くの場合、効率的な解法があります。あるいは、定式化がされているので、すぐ解くことができます。あとで、やってみましょう。ここで、あげている全ての典型問題の実行例は、典型問題と実行方法をご覧ください。 汎用問題 最近、私がやっているコンテナの仕事のお話しをします。 世界中の人たちが、いろいろなものを安く買えるのはコンテナ輸送のおかげです。中国などで生産したものを日本やアメリカやヨーロッパに、大量に安く運べるからです。でも、空のコンテナが、どんどんたまります。また中国に戻さないといけません。いつ、どこからどこに戻すかを決めるのが、最小費用流問題になります。ところが、最小費用流問題で表せない制約条件もあります。1 つが、カボタージュとよばれるものです。カボタージュというのは、国内のみの輸
Union find(素集合データ構造)
2. • グループ分けを管理する • はじめ，𝑛 個の物は全て別々のグループ • 次の 2 種類のクエリに対応する 1. 「まとめる」 2. 「判定」 Union-Find 木の機能 1 2 3 4 5
CNNで各層にzero paddingを入れる意味 - デー
いろいろなCNNの実装を見ていると、畳み込み層の前にzero padding(Torch7だとSpatialZeroPadding)を入れているものが多くて、自分も使っているのですが、これにどんな意味があるのが正直良く分かっていないので、詳しい文献などあれば紹介してください。以上。 自分で使っていてこれで終わるのもアレなので自分の理解。 悪い点: 入力にzero padding入れると変なデータを学習してしまうのではないか？ いろいろな実装参考にしたのと、自分で試した感じだと、畳み込みカーネルサイズの半分以下のpaddingは特に悪い影響はないようです。 逆に、端っこにしか出てこないパターンを識別しやすくなるのでは？とか。 良い点: 畳み込み演算の回数が増えるのでパラメーターの更新が多く実行される weight sharingしているカーネルのパラメーターは入力画像に対する畳み込み演算の回
chainerのVGG16 pretrainモデルを早速使ってみた - Seitaro Shinagawaの雑記帳
最近めっきり記事を書いてないので、今後はメモくらいのつもりでもいいから小出しに書いていこうと思う。 chainerがv1.22.0でVGG16LayersとResNet50Layersをchainer.linksでサポートした。 Standard Link implementations — Chainer 1.22.0 documentation これによってcaffeの学習済みモデルがより気軽にchainerで試せるようになったようだ。 ちょうど学習済みモデルを手っ取り早く使いたいなと思ったところでタイミングが良かったので早速試してみた。 今回はVGG16Layersのみについて書いていこうと思う。 基本的な使い方 基本的な使い方はchainerのリファレンスをみるのが手っ取り早い。 Standard Link implementations — Chainer 1.22.0 docu
chainer メモ（その３）機械学習で顔認識！CNN を実装 | TOMMY NOTES
コードの全文はgithubにあります。 学習用のファイルの中で、必要なとこだけ書いてます。 学習モデルはとりあえず、Alexnetほぼほぼそのままです。 なので、顔認識としての性能は正直期待しすぎないでください。 Alexnetをファインチューニングして行う場合は を見てください。このページを見た前提で書いてしまっているのですが、、、 class AlexLike(chainer.Chain): insize = 128 def __init__(self, n_out): super(AlexLike, self).__init__( conv1=L.Convolution2D(None, 64, 8, stride=4), conv2=L.Convolution2D(None, 128, 5, pad=2), conv3=L.Convolution2D(None, 128, 3, pa
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
