［CEDEC 2023］ユニットが個性を発揮し，柔軟に動くためのAIとはどのようなものなのか。「タクティクスオウガ リボーン」のAI実装事例を紹介
［CEDEC 2023］ユニットが個性を発揮し，柔軟に動くためのAIとはどのようなものなのか。「タクティクスオウガ リボーン」のAI実装事例を紹介 ライター：箭本進一 ゲーム開発者向けカンファレンス「CEDEC 2023」では「『タクティクスオウガ リボーン』のAI実装事例」と題した講演が行われ，シミュレーションRPGにおけるAIがどのように状況を判断しているのかが明かされた。同作では地形に高低差があったり，様々な能力を持つユニットたちが他のユニットを守るべき状況が発生したりと，判断すべき項目が多岐にわたる。 企画者が望む振る舞いをAIにさせる手法について，スクウェア・エニックス 第一開発事業本部 ディビジョン5 プログラマーの長谷川 誠氏が語った。 スクウェア・エニックス 第一開発事業本部 ディビジョン5 プログラマーの長谷川 誠氏 ユニットが個性を発揮し，柔軟に動くためのAIとはどのよ
ED法と3値(+1,-1,0)のアイデアを元に新しい活性化関数(ExP2)を作ってGELU、ELUと性能比較してみた。MINIST精度 99.43%以上達成 - Qiita
ED法と3値(+1,-1,0)のアイデアを元に新しい活性化関数(ExP2)を作ってGELU、ELUと性能比較してみた。MINIST精度 99.43%以上達成DeepLearningPyTorch活性化関数誤差逆伝播法ED法 追記 ELUとの比較を追加しました、金子さんのアイデアの凄さが明確に結果に出ています。 また最後にニューロンが正・負どちらに発火しているのか可視化したチャートも追加しました。 初めに 誤差逆伝播法を用いずに、興奮性・抑制性ニューロンの出力を調整することでニューラルネットワークの学習を進める金子さんの誤差拡散法はとても衝撃的でした。 しかし、誤差拡散法は現在広く使用されているニューラルネットワークのアーキテクチャとは互換性がないため、 今すでに利用されているニューラルネットワークに興奮性、抑制性ニューロンのアイデアを直接反映できません。 そのため、今の誤差逆伝播法の範囲内
同社は「日本で問われている問題の1つは、労働人口の減少と高齢化。AIの力を使って、人口構成の変化やその他の社会変化に対応しながら経済成長を促進する必要がある」と提言。一方、G7議長国として生成AIの議論のため「広島AIプロセス」を立ち上げるなど、AI問題に関する日本のリーダーシップや、模範的な行動に多くの国が期待しているとも指摘している。 関連記事 「このカップル、絵面が濃い」──オタ恋の“AI広告”が話題 運営「女性入会者数が3～7倍増えた」 そのワケは 肥満体形の男性と、女性のツーショット写真──そんな画像広告を展開するマッチングアプリ「オタ恋」のAI広告が話題だ。この広告掲載後には、男性は1.5～2倍程度、女性は3～7倍程度、入会者が増加したという。 「人を審査するAI」のリスクとは？ 現金給付アルゴリズムが“暴走”した世界銀行の事例 世界銀行は、貧困層向けの現金給付プログラムの受給
という2点が重要になってくることはご存じかと思います。このうち1番目の描画に関しては比較的簡単に行える最適化手法が色々とあるのですが、2番目に関してはネット上に情報がほとんどなく個人的には全くの手探りで行うしかありませんでした。 ただ最近になってようやく
明らかに自社サービスのニーズが大きい市場がある。そこに目掛けてマーケティング戦略を考案し、実行まで落とし込みたいが、営業の人的リソースが足りない――。BtoC（消費者向け）、BtoB（企業向け）に関わらず、多くの企業にとって一度は経験がある状況ではないだろうか。諦めて自社のリソースに合ったサイズでマーケティング戦略を展開するか、営業担当者を大規模に採用するか。経営の選択肢は大きく2つに分かれる
SHAPやLIMEなどの説明AI（XAI）のご紹介 / SHAP LIME PDP Grad-CAM
************************************************************* # 要約 ************************************************************* ・SHAP のアルゴリズムを説明 ・SHAPに近い手法「LIME」との比較及び考察も記載 ・SHAP 以外の手法で算出した Feature Importance との比較及び考察も記載 ・オープンソースのデータ及びコードを使ってハンズオン ┗テーブルデータ and 画像データに適用 ・SHAP 以外の画像説明モデル Grad-CAM, Guided Grad-CAM の紹介
A non-mathematical introduction to Kalman Filters for programmers - Pravesh Koirala
Read my manifesto on Code as an alternative to Mathematics. Code for this article can be found on this Colab Notebook should you choose to follow along. Why Kalman Filters? Kalman filters are ingenius. If you have never heard of them, then a very intuitive (and arguably reductive) way to think about them is to consider them as a funnel where you pour information from multiple noisy sources to cond
「The Algorithmic Beauty of Plants(植物のアルゴリズム的美しさ)」とは、ポーランドのコンピューター科学者であるプシェミスワフ・プルシンキェヴィチ氏とハンガリーの生物学者であるアリスティド・リンデンマイヤー氏が執筆した書籍で、植物の発生と成長プロセスに現れる特定のパターンをコンピューターシミュレーションで分析した最初の包括的な本として知られています。1990年の初版発行以来繰り返し論文として引用されている他、本書で紹介された植物のアルゴリズム的美しさを、実際のプログラムで再現するといった動きも複数見られています。 (PDFファイル)The Algorithmic Beauty of Plants http://algorithmicbotany.org/papers/abop/abop.pdf 001 Algorithmic Botany: Publicati
Suppose you have an array of floating-point numbers, and wish to sum them. You might naively think you can simply add them, e.g. in Rust: fn naive_sum(arr: &[f32]) -> f32 { let mut out = 0.0; for x in arr { out += *x; } out } This however can easily result in an arbitrarily large accumulated error. Let’s try it out: naive_sum(&vec![1.0; 1_000_000]) = 1000000.0 naive_sum(&vec![1.0; 10_000_000]) = 1
この記事は自作している強化学習フレームワークの解説記事です。 はじめに 今までフレームワークを通じて様々な強化学習アルゴリズムを実装してきました。 今回その知識を生かしてオリジナルなアルゴリズムを考えてみたので記事にまとめてみます。 このアルゴリズムは以下の状況でかなりの精度を誇ります。 マルコフ決定過程なモデル 状態が離散で現実的な数 行動が離散で現実的な数 ※"現実的な数"というのは数に上限があり、その上限がそれほど大きくない場合を指します 基本アイデア 基本的なアイデアは探索（Exploration）と活用（Exploitation）の分離です。 強化学習では一般的に「探索と活用のトレードオフの問題」1があり、探索を優先すると報酬が少なくなり、活用を優先すると局所解に陥る可能性が高くなる問題があります。 私が過去に記事で取り上げた手法では、どれも探索と活用のバランスをとり学習を進めて
The first step in building my text editor is to implement the core API. If you’re wondering why I want to do this, the original article is here. I researched several data types, and I tried to be language agnostic. I wanted my decision to not be influenced by any particular language, and first see if there was a “best way” out there, solely based on operations. Of course, a “best way” rarely exist
前回の続きです 遺伝的アルゴリズムのサンプルコード 参考文献 「C言語による画像処理入門」2000/11/1 (著)安居院 猛、長尾 智晴 文献のAmazon 準備 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt from threading import Thread class threadAndReturn(Thread): def __init__(self, group=None, target=None, name=None, args=(), kwargs=None, *, daemon=None): Thread.__init__(self, group, target, name, args, kwargs, daemon=daemon) self._return = N
概要 元サイトの許諾を得て翻訳・公開いたします。 英語記事: Implementing Nearest-Neighbour Recommendations in Ruby 原文公開日: 2023/08/28 原著者: Domhnall Murphy 日本語タイトルは内容に即したものにしました。 参考: 最近傍法 - Wikipedia Webのユーザーに関連度の高いコンテンツを自動的におすすめする機能は、Webの多くの機能を成功に導くうえで欠かせません。そのために多種多様な手法が利用されており、最大規模のWebサイトや企業では、非常に高度な技術を取り入れて推奨機能を最適化しています。本記事では、基本原理に基づいた効果的な推奨システムをRubyで構築する方法について解説します。 🔗 はじめに 以前の記事では、距離測定を導入してRubyで実装する方法を紹介しました。そのときに、それらの距離測
ARIES のすごさがいまいち理解できないでいるのですが、本質的なところとしてはどういったところがすごいのでしょうか。 ARIES/IM、ARIES/KVLといった、リカバリ用途以外のアルゴリズムでも名前が入ったものがあったりするので、周辺用途でも応用が利くようなアイデアを包含するものなのではないかと思っているのですが、いかんせんそこが掴めないでおります。 熊崎 宏樹:ARIESの本質、これは僕も疑問でした。Algorithms for Recovery and Isolation Exploiting Semanticsの頭文字を取ってのARIESですが何がSemanticsをExploitしているのかという点について考えるたびに別の答えが思いつくのでまるでわかりませんでした。 そこで去年、大阪に訪問していたC. Mohan先生（ARIESの著者）に直接聞いてみました。（Mohan先生の
「貧しい家の子の成績下げる」アルゴリズムの波紋 イギリスで起きた衝撃、責任は誰にあるのか(東洋経済オンライン) - Yahoo!ファイナンス
昨今、AI(人工知能)の急激な発達が注目されている。まるで人間のように自然な会話ができるサービス「ChatGPT」が話題になったのも記憶に新しい。一方で、こうしたAIやアルゴリズム(問題解決や目標達成のための計算・処理手続き)に意志決定や判断を委ねることへの危惧も広まりつつある。イギリスでは実際に、アルゴリズムに大学入学資格の判定を任せた結果、とてつもない混乱が生じてしまったという「苦い経験」があるのだ。私たちはどのようにAIやアルゴリズムと共存していけばよいのだろうか。統計学者のジョージナ・スタージ氏が上梓した書籍『ヤバい統計』から一部を抜粋して紹介する。 ■予測よりも低い成績がつけられた アルゴリズムをつくりだすのは、アルゴリズム自体ではなく人間だ。ということは、人間はそのアルゴリズムが行ったことに対する責任がある。 2020年8月13日、「Aレベル」の結果が発表されると、多くの生徒が
NLP若手の会 (YANS) 第18回シンポジウム (2023) チュートリアル https://yans.anlp.jp/entry/yans2023 松井 勇佑（東京大学）https://yusukematsui.me/ 近似最近傍探索とは、「似ているベクトルを探す」というシンプルかつ基盤的な技術である。近傍探索技術は古くから様々な分野で研究が進められてきたが、現在でも活発に技術革新が進んでいる。近年ではCLIPを用いたマルチモーダル検索や、埋め込み探索によるLLMへの知識追加方式として、近傍探索技術は注目を集めている。本チュートリアルでは、特に2010年代後半から目覚ましく発展を遂げ、多くのVector Databaseのバックエンドにもなっている「グラフを用いた探索方式」に焦点を当て、その理論と応用について解説する。
Haskell の Array
Haskellのカレンダー | Advent Calendar 2023 - Qiita 3日目の記事です。 Haskell の Array (配列) について書こうと思います。Haskell の Array は索引が型クラスの Ix で抽象化されているため、特に配列の次元を拡張する際に柔軟性がありとても便利です。 そんな便利な Array ですが、もともと Haskell はリスト操作が強力ということもあってか、既存の参考書をみても Array の解説はほんの少しにとどまっているか、解説がないことがほとんどです。 Array が必要になる場面の多くは「リストだと !! によるインデックスアクセスで O(n) になってしまい間に合わない」という場面が多いと思います。しかし Haskell にはインデックスアクセスが O(1) の Vector (vector: Efficient Arra
「Facebookを責任追及します」と前澤友作氏が激怒……”権利侵害広告”が蔓延るワケ：本田雅一の時事想々（1/3 ページ） 怪しい金融商品や情報商材、著名ブランドをかたる偽物商品──。そんなデジタル広告を、多くの人が当たり前のように見ているのではないだろうか。あまりに日常的になりすぎて、見ていないことにしてSNSを使い続けている人もいるだろう。 ここ数カ月は著名人、特にネットで話題になりやすい人物の写真を用いた広告が頻繁に表示されていたが、詐欺商品の販売サイトなどに慣れているせいか「また新手の詐欺広告が増えた」くらいに捉えていた人も多いかもしれない。 その手段はあからさまで、テニスが好きでよく話題にしている人のところには、大坂なおみさんが呼び掛けるタイトルと写真で誘引している。投資や資産運用に興味がある人ならば、村上世彰さんの写真とともに投資関連情報と思しきサイトへの広告が。堀江貴文さん
推論能力をさらに強める戦略『AoT』で、LLMが「直感」に似た能力を示すようになった 2023/8/30 LLM 論文 AIDB Research 推論能力をさらに強化するための新しい戦略『AoT（Algorithm of Thoughts）』が登場しました。この手法によって、大規模言語モデル（LLM）が「直感」に似た能力を示すようになったとの実験結果が報告されています。この発表は、マイクロソフトの研究者をはじめとする専門家によって行われました。 この研究は、推論タスクにおけるLLMの新たな可能性を広げるものであり、計算負荷の高さや効率の低さといった従来の課題を解決する方向性を示しています。 参照論文情報 タイトル：Algorithm of Thoughts: Enhancing Exploration of Ideas in Large Language Models 著者：Bilgeh
数理最適化の練習問題をLLMを使って自動生成する
この記事は、数理最適化 Advent Calendar 2023 23日目の記事です。LLMと数理最適化を組み合わせた何かをつくろうということで、数理最適化の練習問題を生成する GPTs、Optima Practiceを作りました。 数理最適化のコミュニティCasual Optimizationを運営していく中で、「数理最適化が世の中に広まらない要因の一つに実践的な練習問題の不足があるのではないか？」という意見を知りました。数理最適化を実ビジネスで利用していく上で必須のスキルとして定式化がありますが、たしかに定式化の力をつけるのにちょうど良い、程よく実践的で複雑な練習問題は案外少ないです。しかし、練習問題を作成するのは結構大変です。そこで、LLMを使って自動化できないか、というのが本取り組みの趣旨になります。 作ったもの Optima Practice は、数理最適化の練習問題を生成する
はじめに 先日以下の記事が話題となり、とてもワクワクしたので自分も実装して色々実験してみました。 実装するうちに理解が深まったので一度、 誤差拡散法の元ネタ紹介から 数式の解説、 ED法の弱点、 行列計算を使用した実装と簡単なテスト結果、 実装上の工夫 までまとめてみたいと思います。 誤差拡散（Error Diffusion）法 もともとは画像の2値化において失われる情報を周囲のピクセルで補うことで、遠目に元の画像の濃淡が残っているように見せる技術（ハーフトーン処理の一種）です。 Error diffusion -Wikipedia（英語版） 左の画像をちょうど半分の明るさをしきい値として2値化すると中央の画像のようになりますが、誤差拡散法を適用すると2値化後も右の画像のようにある程度濃淡を保存・表現できます。 誤差拡散法（画像処理）のサンプルコード コメントアウト箇所はFloyd, St
GitHub - karpathy/minbpe: Minimal, clean code for the Byte Pair Encoding (BPE) algorithm commonly used in LLM tokenization.
Minimal, clean code for the (byte-level) Byte Pair Encoding (BPE) algorithm commonly used in LLM tokenization. The BPE algorithm is "byte-level" because it runs on UTF-8 encoded strings. This algorithm was popularized for LLMs by the GPT-2 paper and the associated GPT-2 code release from OpenAI. Sennrich et al. 2015 is cited as the original reference for the use of BPE in NLP applications. Today,
マルチエージェント経路計画の紹介
グラフ上の複数エージェントに対し, 互いに衝突のない経路を計算する問題は マルチエージェント経路計画 (Multi-Agent Path Finding; MAPF) と呼ばれる. MAPF はロボット群による倉庫内での荷物搬送など, 多数の魅力的な応用があり, 2010年代前半から人工知能・ロボティクス分野で盛んに研究が行われている. 本記事は日本語のチュートリアルを提供する. お断り: 正確な話をすることが目的ではないので, 多少の不備には目を瞑ってほしい. 問題定義# まずは, どのような問題が対象か, はっきりさせておこう. 文献によってバリエーションがあるのだが, 基本的なフォームは次の通り. MAPF 問題はグラフ $G=(V, E)$, エージェントのチーム $A= \lbrace 1, 2, \ldots, n\rbrace $, 各エージェント $i \in A$ に対し
「ポスト量子暗号アライアンス」をAWS、Google、NVIDIA、シスコ、IBMらが設立。ポスト量子暗号の採用促進のため
AWS、Google、NVIDIA、シスコ、IBMをプレミアメンバーとする「Post-Quantum Cryptography Alliance」（ポスト量子暗号アライアンス）がLinux Foundation傘下で設立されました。 ポスト量子暗号とは、量子コンピュータによる暗号解読攻撃に耐性があると期待されるアルゴリズムを採用した暗号のことです。 量子力学を利用した量子コンピュータは、ある種の計算に関して従来のコンピュータとは比較にならないほど劇的な計算能力を有するため、その計算能力を暗号解読に用いることで現在利用されている暗号は短時間で解読されてしまう可能性が高いと考えられています。 そのため今後も安全な暗号化通信などを行うためには、量子コンピュータが本格的な実用に入る前に量子コンピュータをもってしても解読が困難な、量子コンピュータへの耐性を備えた暗号アルゴリズムの開発と普及が求められ
【極を計算せずに制御系の安定性をチェック】ラウス・フルビッツの安定判別法（基本手法と応用） - 制御工学ブログ
この記事ではラウス・フルビッツの安定判別法についてまとめます。制御システムの安定性について説明した動画や関連記事リンクは最下部に置いています。 伝達関数の安定性 ラウスの安定判別法 フルビッツの安定判別法 低次システムの安定性について 例題 ラウスの安定判別法の応用例 安定性の動画・関連記事 伝達関数の安定性 入出力伝達関数が与えられたとき、その安定性を判別するには、の分母多項式の係数に着目する必要があります。 \begin{equation} G(s) = \frac{N(s)}{D(s)} \end{equation} 分母多項式の係数を確認して安定性を調べます。まず、の係数を確認したとき、全ての係数が同じ符号である必要があります。例えば、が \begin{equation} D(s) = s^3 -3s^2+4s+2 \end{equation} と与えられると符号が異なる係数がある
Collaboratively editing strings of text is a common desire in peer-to-peer applications. For example, a note-taking app might represent each document as a single collaboratively-edited string of text. The algorithm presented here is one way to do this. It comes from a family of algorithms called CRDTs, which I will not describe here. It's similar to the approaches taken by popular collaborative te
はじめに 数ヶ月前に、このツイートが目に留まりました。 非常に魅力的で、自分でも作りたいと思ったのですが、アルゴリズムや実装が公開されているにもかかわらず、実際にやっている人が少ないようでした。 そこで、本記事では、Pythonの画像処理ライブラリPillow(PIL)を使用して、四分木の中で最も複雑な領域を分割し続けるアートの実装方法について解説します。 アルゴリズム 以下の操作を再帰的に繰り返します。 キャンバス上のすべての矩形領域の中から、最も複雑な領域を選んで四分割する。 新しくできた矩形領域において画像の複雑度(score)と平均色を求め、領域を平均色で塗りつぶす。 詳しくは元記事を参照してください。 実装 Rectクラス Rectクラスは、長方形のフレームの座標情報を保持するクラスです。 calc_areaは長方形のフレームの面積を計算するメソッドです。 class Rect:
はじめに 非同期処理はアプリケーション開発においてほぼ必須となっていますが、プログラミング言語やライブラリによってその実現方法は大きく異なります。 この記事では、以下の言語における非同期処理の実現方法を調査し、分類した結果をまとめたものです。 JavaScript/TypeScript(Promise) Kotlin(Coroutines) Java(Reactor Core/Completable Future) Python(asyncio) Golang(goroutine/conc) Haskell(async) Rust(tokio) 非同期処理の分類 構文 async/await 採用している言語: JavaScript/TypeScript/Python/Kotlin/Haskell/Rust もっとも代表的な非同期処理の構文です。 asyncとawaitという対になる二つの
影響が出ているのは、三菱UFJ銀行、りそな銀行、埼玉りそな銀行、関西みらい銀行、山口銀行、北九州銀行、三菱UFJ信託銀行、日本カストディ銀行、JPモルガン・チェース銀行、もみじ銀行、商工組合中央金庫。 関連記事 「払い戻しは○○ペイで行います」に要注意 ネットショッピングに新手の詐欺 国民生活センターは、ネットショッピングで決済アプリを使った新手の詐欺について注意喚起する声明を発表した。返金手続きを行う際、販売業者から「払い戻しは○○ペイで行います」と誘導され、返金ではなく送金をさせるという。 「人を審査するAI」のリスクとは？ 現金給付アルゴリズムが“暴走”した世界銀行の事例 世界銀行は、貧困層向けの現金給付プログラムの受給者を自動的に選別するアルゴリズムを開発した。しかし、アルゴリズムに不備があり、本来受け取れる人たちも選ばれない事態に。AIの暴走を防ぐためにも重要なのが「透明性」の確
12.6. B-Trees — CS3 Data Structures & Algorithms
12.6.1. B-Trees¶ This module presents the B-tree. B-trees are usually attributed to R. Bayer and E. McCreight who described the B-tree in a 1972 paper. By 1979, B-trees had replaced virtually all large-file access methods other than hashing. B-trees, or some variant of B-trees, are the standard file organization for applications requiring insertion, deletion, and key range searches. They are used
鉄道・道路・電力などあらゆる種類のネットワークについて最小のコストで最大のトランスポートフローを最高速で計算できるアルゴリズムが爆誕
スイス連邦工科大学チューリッヒ校のラスムス・キン氏率いる研究チームが鉄道、道路、電力など、あらゆる種類のネットワークにおいて最小のコストで最大の輸送フローを計算するほぼ完璧なアルゴリズムを作成しました。計算速度は、「数学的にこれ以上は不可能」という速さだとのことです。 Researchers at ETH Zurich develop the fastest possible flow algorithm | ETH Zurich https://ethz.ch/en/news-and-events/eth-news/news/2024/06/researchers-at-eth-zurich-develop-the-fastest-possible-flow-algorithm.html 輸送フローアルゴリズムとは、例を挙げると東京から大阪までできるだけ多くの商品を輸送できる最速かつ最安
For this second post in Zed Decoded, our blog & video series in which we're taking a closer look at how Zed is built, I've talked to Zed's three co-founders — Nathan, Max, Antonio — about the data structure at the heart of Zed: the rope. Companion Video: Rope & SumTree This post comes with a 1hr companion video, in which Thorsten, Nathan, Antonio, and Max use Zed to look at how Zed uses the Rope a
Pike VMとEarley法の関係についてRubyで実装して考えてみる | makenowjust-labs/blog
正規表現マッチングの実装手法の1つとしてPike VMと呼ばれるものがあります。 これはGo言語の正規表現実装やRustのregex crateで使われている手法であり、正規表現rrrと入力文字列wwwに対してO(∣r∣×∣w∣)O(|r| \times |w|)O(∣r∣×∣w∣)の計算量でマッチングができるのが特徴です。 Earley法はJay Earleyの提案した文脈自由文法 (CFG) の構文解析手法の1つです。 すべてのCFGを構文解析できる手法で最悪計算量はO(∣w∣3)O({|w|}^3)O(∣w∣3)ですが、無曖昧であればO(∣w∣2)O({|w|}^2)O(∣w∣2)で、決定的であればO(∣w∣)O({|w|})O(∣w∣)で構文解析ができます。 実装してみると分かりますが、Pike VMとEarley法には類似している点があり、Earley法をPike VMの発展系の
最初に 決定木の理論とフルスクラッチ実装とその解説というと、既に使い古された話題の様に感じてしまいますが、今回の記事から派生して、ランダムフォレスト、GBDT、XGboost(LightGBMは扱わないつもり)、因果木、因果フォレスト、ランダムフォレスト-learnerの理論とできる部分はフルスクラッチ実装、めんどくさいものは、理論と解説に抑えて扱っていこうと考えており、そのまず初めとして、決定木自体の理論に触れないことは、できないなと思い、決定木の記事を書こうと思った次第です。(めんどくさくなって書かないパターンも全然あり得るのでご了承ください)他の記事との差別化は、数式を含めた解説と、フルスクラッチ実装のコードと数式を絡めた解説みたいな感じで、初心者に超優しい解説記事みたいな感じで仕上げて見せると、書き始めは思っております。書いていくうちに、初心者に超優しくないじゃんみたいなことになっ
Ruby: 機械学習などで使われる距離測定アルゴリズムをRubyで実装する（翻訳）｜TechRacho by BPS株式会社
概要 元サイトの許諾を得て翻訳・公開いたします。 英語記事: Common Distance Metrics Implemented in Ruby 原文公開日: 2023/07/22 原著者: Domhnall Murphy 日本語タイトルは内容に即したものにしました。 metricsの訳語は原則として「測定」としています。 機械学習や人工知能の分野は、基本的に2点間の距離（distance）を測定する機能に依存しています。本記事では、よく用いられる測定方法のいくつかを紹介し、それらの解釈について説明するとともにRubyで実装する方法を示します。 🔗 はじめに 機械学習がらみのタスクの多くは、エンティティを「特徴（features）のセット」という観点で記述することから始まります。 たとえばテキストベースの学習タスクであれば、おそらく語（word）ごとの出現頻度が特徴となるでしょうし、
「Steam Storeがゲームをピックアップする仕組み」をVALVEが日本語で解説。内容をまとめ、補足してみました。 — NeonNoroshi
「Steam Storeがゲームをピックアップする仕組み」をVALVEが日本語で解説。内容をまとめ、補足してみました。 2か月前、VALVEがSteamでゲームが目立つ位置に表示されるための表示アルゴリズム、仕組みを説明する資料を公開したため、要点を日本語でまとめたものをNeon Noroshiで公開しました。 STEAM上でゲームが目立つ位置に表示するアルゴリズム・仕組みをVALVEが公開。英語資料の要点を日本語でまとめました。 その後、VALVEに資料の日本語訳を公開する許諾を求めていたのですが「日本語版を公開する予定があるから出さないで欲しい」と止められ……日本語版がやってきました。 日本語字幕対応の動画で。 以下に公開されているので、日本でSteamの開発に興味がある皆さん、マーケティング担当の皆さんはぜひご覧ください。 さて、この動画の元になった文書を紹介したとき、「この資料は有
AI技術の開発と普及が加速し、その中心で大きな役割を担う機械学習は社会になくてはならない技術となりました。一方、既存のIT技術を大きく変えると言われている量子コンピューティングでも大きな進歩があり、商用量子コンピューターの提供も始まっています。しかし、現代の量子コンピュータは商用であっても大きな欠点があり、まだまだ普通のコンピュータのようには使えません。そこで注目されるのが「量子コンピューティング」と「機械学習」を組み合わせた「量子機械学習」の分野です。これにより、量子コンピュータはその欠点を克服できるだけではなく、古典的な機械学習アルゴリズムが抱える欠点を量子アルゴリズムで克服することができるようになります。互いを補い合うことで、可能性を広げる量子機械学習に関連する基本用語とその特性について簡単に解説していきます。 合同会社Noteip代表。ライター。米国の大学でコンピューターサイエンス
現地時間の2024年6月7日(金)、ニューヨーク州議会が「ソーシャルメディアプラットフォームが子どもに対して中毒性のある推奨アルゴリズムを使用すること」を禁止する法案を可決しました。 New York passes legislation that would ban 'addictive' social media algorithms for kids https://www.nbcnews.com/tech/social-media/new-york-passes-legislation-ban-addictive-social-media-algorithms-kids-rcna155470 Prodded by fed up parents, some in Congress try to curb kids’ use of social media - Nextgov/FCW
SIEVE: an Efficient Turn-Key Eviction Algorithm for Web Caches - SIEVE is simpler than LRU
SIEVE is simpler than LRU¶ Caching is a method of storing temporary data for quick access to keep the online world running smoothly. But with limited space comes a critical decision: what to keep and discard. This is where eviction algorithms come into play. Our team recently designed a new cache eviction algorithm called SIEVE: it is very effective and simple with just one queue. Website Paper Up
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
Microsoft、日本のAIガバナンスに関するレポート公開 「日本のリーダーシップを多くの国が期待」
【Unity】「八分木空間分割」と「Addressables」を使ってオープンワールドゲームを最適化する方法
三井住友カード、DM発送でAI活用 見込み客獲得率4.5倍 - 日本経済新聞
植物の成長システムをシミュレーションして3Dモデリングに反映した書籍「植物のアルゴリズム的美しさ」とは？
Taming Floating-Point Sums | orlp.net
ぼくのかんがえたさいきょうの強化学習アルゴリズム（古典強化学習編） - Qiita
Text Editor: Data Structures
遺伝的アルゴリズムに並列化プログラミングの実施と考察 - Qiita
Raspberry Pi 5にM.2 NVMe SSDを2基増設できる拡張ボード
Ruby: 最近傍法による推奨アルゴリズムを実装する（翻訳）｜TechRacho by BPS株式会社
ARIES のすごさがいまいち理解できないでいるのですが、本質的なところとしてはどういったところがすごいのでしょうか。 ARIES/IM、ARIES/KVLといった、リカバリ用途以外のアルゴリズムでも名前が入ったものがあったりするので、周辺用途でも応用が利くようなアイデアを包含するものなのではないかと思っているのですが、いかんせんそこが掴めないでおります。 | Mond - 知の交流コミュニティ
グラフを用いた近似最近傍探索の理論と応用
「Facebookを責任追及します」と前澤友作氏が激怒……”権利侵害広告”が蔓延るワケ
推論能力をさらに強める戦略『AoT』で、LLMが「直感」に似た能力を示すようになった | AIDB
金子勇さんのED法の解説と弱点、行列積を使用した効率的な実装 - Qiita
CRDT: Text Buffer - Made by Evan
【Python】四分木の中で最も複雑な領域を分割し続けるアートを実装してみた - Qiita
各言語の非同期処理の仕組みまとめ - Qiita
全銀ネットでシステム不具合 三菱UFJやりそななど、11の銀行で振込できず 原因、復旧時期不明
Zed Decoded: Rope & SumTree - Zed Blog
決定木の理論とフルスクラッチ実装とその解説 - tomtom58’s blog
量子機械学習とは何か？「量子技術」と「AI技術」の可能性をグッと広げる理由とは
18歳未満に対して「中毒性」のある推奨アルゴリズムをソーシャルメディアが使用することを禁止する法案をニューヨーク州が可決