ページランク - Wikipedia
ページランク (PageRank) は、ウェブページの重要度を決定するためのアルゴリズムであり、検索エンジンのGoogleにおいて、検索語に対する適切な結果を得るために用いられている中心的な技術。Googleの創設者のうちラリー・ペイジとセルゲイ・ブリンによって1998年に発明された[1][2]。名称の由来は、ウェブページの"ページ"とラリー・ペイジの姓をかけたものである。 PageRankはGoogleの商標であり、またPageRankの処理は特許が取得されている[3]。ただし、特許はGoogleではなくスタンフォード大学に帰属しており、Googleはスタンフォード大学から同特許の権利を独占的にライセンスされている。なお、同大学は特許の使用権と交換にGoogleから180万株を譲渡されているが、その株式は2005年に3億3,600万ドルで売却された[4][5]。 概要[編集] 発想[編集
ポケモンの最強タイプを考える【グラフ理論】 - Qiita
導入 先日、ポケモンの最新作『Pokémon LEGENDS アルセウス』が発売されました。ポケモン愛好家の中で密かに話題を集めたのが、新たに登場したポケモン「ゾロア（ヒスイのすがた）」と「ゾロアーク（ヒスイの姿）」のタイプです。なんと驚くべきことに、両者のタイプは未だ登場したことのなかった「ノーマル・ゴースト」だったのです。 ポケモンを知る人には説明不要ですが、これはノーマルタイプの唯一の弱点であるかくとう技をゴーストタイプで無効化しながら、ゴーストタイプの弱点であるゴースト技をノーマルタイプで無効化するという、非常にバランスのとれた、まさに夢のような複合タイプです。一部では、この「ノーマル・ゴースト」こそ最強の組み合わせなのではないかと噂されました。 しかし、果たして本当にそうなのでしょうか？ ポケモンのタイプは全部で18種類あり、一匹のポケモンは二つまでタイプを持つことができます。考
n-gram - Wikipedia
Six n-grams frequently found in titles of publications about Coronavirus disease 2019 (COVID-19), as of 7 May 2020 An n-gram is a sequence of n adjacent symbols in particular order. The symbols may be n adjacent letters (including punctuation marks and blanks), syllables, or rarely whole words found in a language dataset; or adjacent phonemes extracted from a speech-recording dataset, or adjacent
)
冗長性 (情報理論) - Wikipedia
冗長性（じょうちょうせい、英: Redundancy）とは、情報理論において、あるメッセージを転送するのに使われているビット数からそのメッセージの実際の情報に必須なビット数を引いた値である。冗長度、冗長量とも。大まかに言えば、あるデータを転送する際に無駄に使われている部分の量に相当する。好ましくない冗長性を排除・削減する方法として、データ圧縮がある。逆にノイズのある通信路容量が有限な通信路で誤り検出訂正を行う目的で冗長性を付与するのが、チェックサムやハミング符号などである。 定量的定義[編集] データの冗長性を表現するにあたって、まず情報源のエントロピー率（レート）が記号ごとのエントロピーの平均であることに注目する。メモリをもたない情報源では、これは単に各記号のエントロピーだが、多くの確率過程では次のようになる。 これは n 個の記号の結合エントロピーを n で割ったものの n が無限大に
確率的言語モデルに基づく多言語コーパスからの言語系統樹の再構築
本論文では, 言語のクラスタリングに関する新しい手法を提案する.提案する手法では, まず各言語の言語データから確率的言語モデルを構築し, 次に確率的言語モデルの間に導入した距離に基づき, 元の言語に対するクラスタリングを実行する.本論文では, 以上の手法をN-gramモデルの場合について詳しく述べている.また, 提案した手法を用いて, ECI多言語コーパス (European Corpus Initiative Multilingual Corpus) 中の19ヶ国語のテキスト・データから, 言語の系統樹を再構築する実験を行った.本実験で得られた結果は, 言語学で確立された言語系統樹と非常に似ており, 提案した手法の有効性を示すことができた.
自己回帰モデル - Wikipedia
自己回帰モデル（じこかいきモデル、英: autoregressive model）は時点 t におけるモデル出力が時点 t 以前のモデル出力に依存する確率過程である。ARモデルとも呼ばれる。 自己回帰モデルは、例えば自然科学や経済学において、時間について変動する過程を描写している。（古典的な）自己回帰モデルは実現値となる変数がその変数の過去の値と確率項（確率、つまりその値を完全には予測できない項）に線形に依存している。ゆえに自己回帰モデルは一種の確率差分方程式の形状を取る。 自己回帰モデルはより一般的な時系列の自己回帰移動平均モデル（ARMAモデル）の特別なケースである。また、一つ以上の確率差分方程式からなるベクトル自己回帰モデル（英語版）（VARモデル）の特別ケースでもある。推計統計学・機械学習における生成モデルとしても自己回帰モデルは表現でき、古典的な（線形）自己回帰生成モデルを拡張し
自己相関 - Wikipedia
自己相関（じこそうかん、英: autocorrelation）とは、信号処理において時間領域信号等の関数または数列を解析するためにしばしば用いられる数学的道具である。大雑把に言うと、自己相関とは、信号がそれ自身を時間シフトした信号とどれくらい一致するかを測る尺度であり、時間シフトの大きさの関数として表される。より正確に述べると、自己相関とは、ある信号のそれ自身との相互相関である。自己相関は、信号に含まれる繰り返しパターンを探すのに有用であり、例えば、ノイズに埋もれた周期的信号の存在を判定したり、 信号中の失われた基本周波数を倍音周波数による示唆に基づき同定するために用いられる。 定義[編集] 自己相関は、学問領域によって定義が異なる。分野によっては自己共分散 (autocovariance) と同じ意味に使われる。 統計学[編集] 統計学において、確率過程の自己相関関数 (autocorr
エルゴード理論 - Wikipedia
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?: "エルゴード理論" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2011年12月） エルゴード理論（エルゴードりろん、英語: ergodic theory）は、ある力学系がエルゴード的（ある物理量に対して、長時間平均とある不変測度による位相平均が等しい）であることを示す、すなわちエルゴード仮説の立証を目的とする理論。この仮説は、SinaiらのDynamical billiardsの例などで正しいという証明が与えられているが、統計力学の基礎とは無関係である。また、物理学でのエルゴード性を抽象化した、数学における保測変換の理論をそう呼ぶことも
最大エントロピー原理 - Wikipedia
最大エントロピー原理（さいだいエントロピーげんり、英: principle of maximum entropy）は、認識確率分布を一意に定めるために利用可能な情報を分析する手法である。この原理を最初に提唱したのは Edwin Thompson Jaynes である。彼は1957年に統計力学のギブズ分布を持ち込んだ熱力学（最大エントロピー熱力学（英語版））を提唱した際に、この原理も提唱したものである。彼は、熱力学やエントロピーは、情報理論や推定の汎用ツールの応用例と見るべきだと示唆した。他のベイズ的手法と同様、最大エントロピー原理でも事前確率を明示的に利用する。これは古典的統計学における推定手法の代替である。 概要[編集] 今確率変数 X について、X が条件 I を満たす事だけが分かっており、それ以外に X に関して何1つ知らなかったとする。このとき、X が従う分布はどのようなものである
負の確率 - Wikipedia
他にも例として、1932年にユージン・ウィグナーが量子誤り訂正の研究[7]で提案した位相空間上の擬確率分布であるウィグナー関数が挙げられる。1945年バートレットはウィグナー分布が負の値をもつことに数理論理的な矛盾がないことを見出した[8]。ウィグナー関数は量子光学分野でよく利用され、位相空間量子化の基礎となっている。また、量子干渉のある場合に負値となることから、量子干渉があることをわかりやすく示すことができる。ウィグナー関数が負値をとる領域は、量子論の不確定性原理により直接観測することが困難なほど小さいが、可観測量の期待値を求めるときに利用されている。 ファイナンス[編集] 最近になって負の確率は数理ファイナンスに応用されるようになった。計量ファイナンスにおいてはほとんどの確率はリスクニュートラル確率として知られる正の確率や擬確率である。確率論上の一連の仮定の下で、正の確率だけでなく負の
バックギャモン - Wikipedia
バックギャモン（Backgammon）は、基本的に2人で遊ぶボードゲームの一種。盤上に配置された双方15個の駒をどちらが先に全てゴールさせることができるかを競う。世界最古のボードゲームとされるテーブルズ（英語版）の一種である。西洋双六（せいようすごろく）ともいう。日本には飛鳥時代に伝来し、雙六・盤双六の名で流行したが、賭博の一種であるとして朝廷に禁止されている。 サイコロを使用するため、運が結果に対する決定因子の一つであるものの、長期的には戦略がより重要な役割を果たす[1]。プレイヤーはサイコロを振るたびに着手可能な選択肢の中から、相手の次の可能性のある手を予測しながら自手を選択し、自分の駒を移動させる。現代のルールは20世紀初頭のニューヨークを起源とするとされ、ゲーム中に勝ち点の点数（後述）をレイズする（上げる）ことができる（ダブリングキューブを参照）。 チェスと同様に、計算機科学者の興
等確率の原理 - Wikipedia
平衡系の統計力学において、等確率の原理（とうかくりつのげんり、英: principle of equal a priori probabilities[1]）あるいは等重率の原理（とうじゅうりつのげんり、英: principle of equal a priori weights[1]）は、ミクロカノニカル分布では、許される系の量子状態はどれも等しい確率で現れるという定義[2]または原理[3]または作業仮説。 平衡熱力学との関係[編集] 平衡熱力学からのアプローチ[編集] 平衡熱力学はそれ自体で閉じた体系であり、現代的には平衡熱力学の関係式を認め、それらから平衡統計力学の関係式を導くのが主流である。[4] したがって、以下ではそのように考察する。 定義および定理[編集] ある孤立系について、の量子状態の総数を固定する。まず、ミクロカノニカル分布は以下のように定義される。
ポアソン分布とは何か。その性質と使い方を例題から解説 【馬に蹴られて死ぬ兵士の数を予測した数式】｜アタリマエ！
1年あたり平均0.61人の兵士が馬に蹴られて死ぬ軍隊において、「1年に何人の兵士が馬に蹴られて死ぬかの確率の分布」を求める。 それが、歴史上で初めてポアソン分布が使われた事例だと言われています。 以来、ポアソン分布は主に「ランダムに起きる事故・病気の発症」などにおいて「特定の期間中に何回起こる確率が何%あるのか」を可能な限り正確に把握することで、適切なリスク管理を行うのに活躍しています。 photo credit:Moyan Brenn ポアソン分布とは？ポアソン分布とは、(どの時点でも同様な起こりやすさでランダムに起こる現象と仮定した場合に)「単位時間あたりに平均 λ 回起こる現象が、単位時間に k 回起きる確率」を表すのに使われる確率分布のこと。 この「単位時間あたりに平均 λ 回起こる現象が単位時間に k 回起きる確率」は多くの場合、以下の式で表されることが分かっています。 この式は
確率と相対度数の違いを教えてください。 - 相対度数とは、『あることがらの起こった回数の全体の回数に対する割合』と、教科書に... - Yahoo!知恵袋
確率と相対度数の違いを教えてください。 相対度数とは、『あることがらの起こった回数の全体の回数に対する割合』 と、教科書に書かれています。 求め方は、あることがらの起こった回数÷全体の回数です。 ただ、これは私には確率を求める時と同じ計算をしているように見えます。 しかし、必ず違いというものがあると思います。 知っている方がいましたら、教えてください。 お願いします。
サンクトペテルブルクのパラドックス - Wikipedia
ダニエル・ベルヌーイ サンクトペテルブルクのパラドックス (St. Petersburg paradox) は、意思決定理論におけるパラドックスの一つである。極めて少ない確率で極めて大きな利益が得られるような事例では、期待値が発散する場合があるが、このようなときに生まれる逆説である。サンクトペテルブルクの賭け、サンクトペテルブルクの問題などとも呼ばれる。「サンクトペテルブルク」の部分は表記に揺れがある。 1738年、サンクトペテルブルクに住んでいたダニエル・ベルヌーイが、学術雑誌『ペテルブルク帝国アカデミー論集』の論文「リスクの測定に関する新しい理論」で発表した。その目的は、期待値による古典的な「公平さ」が現実には必ずしも適用できないことを示し、「効用」（ラテン語: emolumentum）についての新しい理論を展開することであった。 パラドックスの内容[編集] 偏りのないコイン[注釈 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
イラストで学ぶ 音声認識
マルコフ情報源
発表論文集.indd
確率共鳴による超微弱通信 - Yamazato Laboratory
https://www.sk.tsukuba.ac.jp/~kiyoshi/pdf/stochasticProcessShort.pdf