二次計画法(Quadratic Programming)の概要とPythonソルバーcvxoptの使い方 - MyEnigma
Convex Optimizationposted with カエレバStephen Boyd,Lieven Vandenberghe Cambridge University Press 2004-03-08 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに 二次計画法(Quadratic Programming)とは？ 二次計画法のPythonソルバーcvxopt インストール方法 CVXOPTで簡単な二次計画問題を解いてみる。 cvxoptにおける等式制約の注意点 制約の緩和のためのスラック変数の導入 ∞ノルム法によるスラック変数 1ノルム法によるスラック変数 大規模な二次計画問題のベンチマークテスト 参考資料 MyEnigma Supporters はじめに 先日、Googleが開発した 非線形最適化ソルバーCeres Solverの使い方を説明し
世の中には、分布の差を表す指標が幾つかあります。それらの違いって数式ではわかるけど、実際にはどんな違いがあるかっていまいちわからないことが多いのです。なので、今回はそれらを可視化してみることにしました。 正規分布 最も基本的な分布です。平均と、平均からの散らばり具合である分散を与えることで、分布が得られます。 今回はこれを分布とします。 扱う指標(数式) Histogram Intersection 2つの分布の共通領域を算出します。 ヒストグラムのような離散値に使います。細かく空間を区切ってやれば連続値にも使えそう。 なお、次から紹介する量は差なのに対し、HIは類似度であるため、高いほうが近いというものになっています。 KLダイバージェンス 非対称(pとqは交換できない)なため、こういう表記にします。相対エントロピーなどの概念に基づき、 2つの分布間の距離を計算します。 JSダイバージェ
Universal Approximation Theoremと深層学習の有効さ - From Pure Math to Applied Math
2016 - 11 - 03 Universal Approximation Theoremと深層学習の有効さ Deep Learning 機械学習 皆さん Universal Approximation Theorem Universal approximation theorem - Wikipedia をご存知でしょうか。 もしこれを知らないで深層学習や 人工ニューラルネットワーク (ANN)を使っている(実装している)としたら、 それは 無免許運転 のようなものでしょう。 お話になりません。 数学的厳密性を犠牲にしてRoughly Speakingで説明すると、 この定理が主張するのは ””適切な活性化関数を使えば、ANNは 任意の関数 を 任意の精度 で近似することが出来る”” と言うものです。 これによってANNの ”強さ” が保証されているわけですが、、、、。 こ
新製品のコンセプト開発を進めています。ある程度精度良く、初年度の売上予測を行う事を求められているのですが、どのように計算したら良いのでしょうか？ コンセプト開発を進めている鍋用調味料があるのですが、開発推進の承認を得る為、ある程度精度良く初年度の売上予測を行う必要があり、どのような計算方法で考えれば良いか悩んでいます。ターゲットは「共働きの忙しい、でも家事はしっかりやりたい20~30代の主婦」で、調査の結果日本全国で約300万人と推定されました。その内、新製品に対して購入意向が高い人の割合は”非常に使ってみたい”＋”使ってみたい”が30%でした。価格は1本380円位を考えています。このカテゴリの調味料はおよそ1か月で消費されるので、初年度の売上予測は300万人×30%×380円×12ヶ月=41億400万円でいいのでしょうか？ 正直、そんなに売れるのかな、という予測値なのですが・・・。もっと
はじめまして。テクノロジーインテリジェンス部で主にデータ周りの業務を担当しているshmです。今回、並河さんからご指名を頂き、記事を執筆させて頂くことになりました。 さてデータといえば、最近では統計処理ソフトR、Pythonの数値計算ライブラリNumPyや機械学習ライブラリscikit-learnなど高度なデータ分析を行うための環境を簡単に（しかもフリーで！）手に入れることが出来るようになりました。以前であれば大学の研究者やアナリストといった専門家向けのマニアックなツールとして知る人ぞ知る存在だったはずですが、近年のブームの中、書籍やネットで紹介されることで、その存在が広く知れ渡るようになりました。これらのツールは一定の書式で値を入力するだけで簡単に解析結果を返してくれる大変便利なものですが、得られた結果が妥当なものであるかどうかは別途、評価しなければならないのが普通です。その際、適切な評価
先日までTexas Austinで開催されていたALENEX2010とSODA2010に参加してきました。 一緒に行った吉田さんの感想もありますのでそれも参照してください まず一応自分のALENEXでの発表資料は以下にありますので参照ください "Conjunctive Filter: Conjunctive Filter: Breaking the Entropy Barrier"論文、発表スライド(pptx pdf) 他に聞いた中で印象的だったものを下に書いてみます。ただ、大部分の発表は私の基礎知識が足りなくてついていけませんでした。残念 昨年末の研究開発セミナーでも紹介しましたが、簡潔木とよばれる限界まで圧縮した上で（ノード数がnの時2n+o(n) bit）様々な木上での操作（親を辿る、子を辿る、共通祖先を探すなど）のあらゆる操作を統一された操作の組み合わせで実現するというものの理論的
特異値分解・ QR分解の数値計算法の実際)
特異値分解・ QR分解の数値計算法の実際 細田 陽介 福井大学工学部情報・メディア工学科 はじめに 線形変換（行列）と特異値分解 悪条件問題と特異値分解 特異値分解の問題点 QR 分解と悪条件問題 特異値分解の高速化 画像計測研究会 (於・核融合科学研究所) 2005.08.25∼ 26 – p.1/40 線形方程式 (1) 線形方程式 Ax = b の係数行列 A を A ∈ Rm×n とおく． 画像計測研究会 (於・核融合科学研究所) 2005.08.25∼ 26 – p.2/40 線形方程式 (2) 一般に，m, n の大小関係に係らず，最小２乗解 min x∈Rn Ax − b 2 は常に存在する． しかし，一意とは限らない． 画像計測研究会 (於・核融合科学研究所) 2005.08.25∼ 26 – p.3/40 線形方程式 (3) 最小２乗解全体の集合を C ≡ {x | m
ICML2011のAccepted paperが公開されています． http://www.icml-2011.org/papers.php 個人的に気になった（あとで読みたい）論文リストを以下にまとめていきます． オンライン学習，多クラス分類問題，スパース化，転移学習系の論文が多めです． Efficient Sparse Modeling with Automatic Feature Grouping (Wenliang Zhong, James Kwok) ノルムとノルムを組み合わせたsparse modeling手法であるOSCARのソルバー提案． 計算量をからに改善． d:特徴次元数 http://www.icml-2011.org/papers/9_icmlpaper.pdf On tracking portfolios with certainty equivalents on
IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE)
[2015] [2014] [2013] [2012] [2011] [2010] [2009] [2008] [2007] [2006] [2005] [2004] [2003] [2002] [2001] [2000] [1999] [1998] [1997] [1996] [1995] このインデックスでは、新しい号が上になるように、発行日と逆順に 並べています。 なお、和文要約のデータそのものは、発行年ごとにファイルを分けて、 ファイル中では発行日順に並べています。 Vol.37, NO.8 August, 2015 相互情報量を用いた特徴選択の探索法に基づく半定値プログラミング 部分空間クラスタリングのための教師なし・教師あり制約の活用 構造木のforestsを用いた高速なエッジ検出 物体認識のための部分検出器の識別性能の高い組み合わせの学習 単一のレベルセット関数を用いた多領域
ユークリッド距離 - Wikipedia
数学におけるユークリッド距離（ユークリッドきょり、英: Euclidean distance）またはユークリッド計量（ユークリッドけいりょう、英: Euclidean metric; ユークリッド距離函数）とは、人が定規で測るような二点間の「通常の」距離のことであり、ピタゴラスの公式によって与えられる。この公式を距離函数として用いればユークリッド空間は距離空間となる。ユークリッド距離に付随するノルムはユークリッドノルムと呼ばれる。古い書籍などはピタゴラス計量（英: Pythagorean metric）と呼んでいることがある。 定義[編集] 点 p と q の間のユークリッド距離とは、それらをつなぐ線分 pq の長さをいう。 直交座標系において、n次元ユークリッド空間内の2点 p = (p1, p2, …, pn), q = (q1, q2, …, qn) に対して、p から q への、あ
久しぶりに 研究 カテゴリーの記事 書きます．Convolution Neural Network (CNN) を画像検索に利用する話です． 画像検索（image retrieval または image search）とは，大量の画像を蓄えた「データベース (database)」の中から，検索対象（「クエリ (query)」）の画像に類似した画像を探し出す手続きのことです．ここで考えているのは画像の内容の類似性（人間の感覚的な似てる度合い）に基づく検索なので，より詳しく Content-Based Image Retrieval と言うこともあります．ちなみに，Content-Based じゃない画像検索ってのは，「猫」とか「白いもふもふ」みたいにキーワードをクエリにするとか，そういう類のやつね． 5年ほど前に Deep な CNN が画像認識で高い性能を示すことが知られるようになって以来
組込み技術者のための四元数（クォータニオン）入門（１）：基礎編
回転・姿勢を表現する方法で四元数（クォータニオン）というものを聞いたことありますでしょうか？聞いたことはあるけどよくわからないので使っていないという方も多いと思います。極力数式少なめでどんなものか説明します。今回は第一弾で基礎編です。 対象者 四元数（クォータニオン）を聞いたことがない、聞いたことがあるけどなんとなく難しそうと感じている、もしくはオイラー角 or 回転行列で間に合っているので四元数を避けている人。 主に組込み系の人に向けた入門記事ですが易しい内容なので四元数に興味のある方であれば誰でも大丈夫です。 線形代数は必須ではないですがなんとなく行列をかけて座標変換ができるくらいの認識があると良いです。 背景と目的 数年前から3軸加速度、3軸ジャイロを合わせた6軸のセンサが四元数出力に対応しているものが出てきています。私が初めて出会ったのはInvensense(現TDK)製のMPU-
<4D6963726F736F667420506F776572506F696E74202D2091E58B4B96CD88EA94CA89E6919C94468EAF82C689E6919C955C8CBB5F947A957A97702E70707478>
パターン認識・メディア理解研究会 2月17日 大規模一般画像認識と画像表現 Large-Scale Generic Image Recognition and Image Representation and Image Representation 東京大学/JSTさきがけ 原田達也 1 Flickr reached 5,000,000,000 photos on September 19, 2010. http://blog.flickr.net/en/2010/09/19/5000000000/ 2 The Growth of Flickr • Over 5,000,000,000 photos • 4,596 uploads in the last minute in last minute • 134,362,183 geotagged items http://
条件数 - Wikipedia
条件数（じょうけんすう、英: condition number）は、問題のコンピュータでの数値解析しやすさの尺度であり、その問題がどれだけ数値解析に適しているかを表す。条件数が小さい問題は「良条件 (well-conditioned)」であり、条件数が大きい問題は「悪条件 (ill-conditioned)」である。 行列の条件数[編集] たとえば という方程式の条件数は、 を近似的に求める際の不正確さの上限を与える。なお、これには丸め誤差の影響は考慮しない。条件数は行列の属性であって、計算に使うシステムの浮動小数点数の精度やアルゴリズムとは無関係である。この場合（非常に大まかに言って）、 の変化によって解である が変化する率が条件数である。従って、条件数が大きければ の小さな誤差も の大きな誤差となって現れる。一方、条件数が小さければ、 における誤差は における誤差より大きくなることはな
コーシー列 - Wikipedia
各 n に対して順番に縦軸上にプロットしたコーシー列の例。xn = 3e−0.4n sin (5n) たちは、コーシー列を成している。 コーシー列ではない例 xn = n + 2/n + 0.8 sin (5n) 解析学におけるコーシー列（コーシーれつ、Cauchy sequence）は、数列などの列で、十分先の方で殆ど値が変化しなくなるものをいう。基本列（きほんれつ、fundamental sequence）、正則列（せいそくれつ、regular sequence）[1]、自己漸近列（じこぜんきんれつ）[2]などとも呼ばれる。実数論において最も基本となる重要な概念の一つである。 コーシー数列[編集] 無限数列 (xn) について が成り立つとき、数列 (xn) はコーシ－列である（あるいはコーシー的である、コーシー性を持つ）という。有限数列 (x1 ,x2, …, xk) は xk =
ハロー！プロジェクト界隈は、判るのは、この前“再結成”が報じられた「モーニング娘。」の初期メンバーや「太陽とシスコムーン」、松浦亜弥あたりまで。最近の「娘。」のメンバーの名前なんてとんと判らない。 サンケイスポーツに載った記事から。 久住小春“農娘。”宣言「畑持ちました」 2011.1.30 05:03 ２００９年１２月にモーニング娘。を卒業したタレント、久住小春（１８）が、２月１０日に初エッセー「１７歳の転職」（ワニブックス、１５００円）を発売することが２９日、分かった。 １２歳で芸能界デビューし、１７歳でモー娘。から“転職”した久住が、生い立ち、卒業の経緯、現在の生活など赤裸々に半生を告白。サンケイスポーツの取材に「小春も１７歳で転職し、新しい夢の第一歩を踏み出したように、“何歳でも夢は叶うよ”といろんな人に伝えたくて」と執筆の理由を明かした。 現在、オーガニック食材にハマる久住は、昨
Conjugate Gradient (CG)
概要 CG法(Conjugate Gradient Methods)はM.R.HestenesとE.Stiefelによって1952年に提案された方法である[1]。 CG法は正定値対称行列に対して使われる連立一次方程式を反復法で解くための手法である。 行列の正値対称性 ベクトルの内積をのように書く。 実行列が正定値対称とは、 ということであり、が対称であるということは、 が成り立つということである。 ＣＧ法の基本原理 今、次のような線形同次方程式を解くとする。 CG法は回目の反復において、次のようにこの方程式の解や誤差を用いて定義される誤差のノルム (等号成立はのとき) を最小化するような近似解を部分空間の中から見つける方法である。但し、はクリロフ部分空間(Krylov Subspace)である。 つまりCG法は次のような連立一次方程式の近似解を探すための方法である。 このように部分空間の中
aitoの日記 | スラド
■楽器 [11:00-12:00] （1） 手回しオルゴールの魅力と脳波的考察 関 妹子，志賀 一雅 最初に手回しオルゴールの紹介。今回利用しているのはカード式。福祉施設での音楽療法（聞くことではなく，ハンドルを回して演奏することによる），保育園や美術館などでの演奏活動。カードを作るワークショップなども開いている。好評なので，手回しオルゴールの音に癒し効果があるのか調べた。効果の計測は脳波によるが，脳波の説明は嘘とは言えないがやや怪しい。脳波の計測には脳力開発研究所というところが作っているアルファテック７という機器を使っているが，これ怪しくないのかなあ。参考文献にはバイオフィードバック学会と日本サイ科学会の論文が並んでいる。演奏の実演では「こんぺいとうの踊り」の演奏を行った。オルゴールは素敵な音色。 （2） RWC楽器音データベースを利用したビブラート音の複数楽器にわたる比較分析 黒崎 友
Implicit biasによる正則化効果 - Preferred Networks Research & Development
本記事は，2019年度インターン生だった東京大学 D1 の中島蒼さんによる寄稿です．中島さんはインターンシップにおいて，畳み込みニューラルネットワークの学習について研究を行いました．この記事は，インターンシップ中に文献調査していたimplicit bias に関するレビューとなっています． NN の学習はなぜうまくいくのか 畳み込みニューラルネットワーク（Convolutional NN; CNN）は画像処理など様々な分野に応用され，大きな成功を納めています．すなわち，様々なデータについて，訓練データから学習したニューラルネットワーク（Neural Network; NN）を用いて未知のデータについての予測や分類が行われています．このようにNN の学習が上手くいく，すなわち未知データに良く汎化することは経験的には分かっていますが，理論的な説明はまだ完全には成功していません． NN に限らず
Multi-task Multi-modal Models for Collective Anomaly Detectionを読んだ - yasuhisa's blog
勤労に感謝しながら読みました(論文, スライド)。いい論文をありがとうございます。 概要 基本的にはSparse Gaussian Markov Random Field Mixtures for Anomaly Detection(ICDM 2016)の素直な拡張だと思います。式は少しゴツいですが、拡張を順番に追っていくと大丈夫。拡張のされ方は以下のようになっています。 次元数がある程度高いような場合、どの事例が外れ値か分かるだけでは不十分。どの次元がいつもと異なる動きをしているか教えて欲しい Gaussian Markov Random Field(GMRF) GMRFだけではシステムが状態を一つしか取らないような状況にしか対応できない。昼/夜、停止中/運転中/高速を運転中などいくつかの状態を通常状態として取り得る場合にも対応したい Gaussian Markov Random Fie
最近、劣モジュラ最適化と機械学習という本を買いました。その２章まで読んだので、劣モジュラ関数の最小化を試してみます。ちなみに２章は最小化、3章は最大化がテーマです。 劣モジュラ 集合を入力とする関数f()が劣モジュラ性(Sub modular)を持つのは以下の不等式を満たすときです。 $$ \begin{equation} f(S)+f(T)\geq f(S \cup T)+f(S \cap T) (\forall S,T \subseteq V) \end{equation} $$ ここでVはとりうる最大の集合で、V={1}とか{1,2}とか{1,2,3}とかです。SとTはそれに含まれる集合なのでV={1,2,3}のときS={1,2}などがあり得ます。具体的な意味は[3]がわかりやすいです。イメージとしては大きな集合を入力したときほど、新たな要素を追加しても変化が小さい関数が劣モジュラ関
Windows, Python2.6, 2010/3/8の話題。 NumPyはPythonの数値計算ライブラリです。 http://new.scipy.org/download.htmlからダウンロードできます。 SourceForge site for NumPyからnumpy-1.3.0-win32-superpack-python2.6.exeをダウンロード 特に設定なしにインストールできます。 以下使い方のメモです。 配列オブジェクト 配列をベクトルとして使います。 "*"は内積ではなく、要素ごとの積をとったベクトルなので注意 from numpy import * u = array( [ 1, 2, 3 ] ) print u v = arange( 3 ) #[ 0, 1, 2 ] print v print u + v print u * v print "---" pri
LINPACK - Wikipedia
LINPACK（リンパック）は、主として線型代数の数値計算を目的とした、行列およびベクトルの演算が実装されているライブラリである。 概要[編集] MINPACK、EISPACK と同様、米国アルゴンヌ国立研究所でFORTRANライブラリとして開発された。実際に開発を行ったのは ジャック・ドンガラ、ジム・バンチ、クリーブ・モラー、ギルバート・スチュアートである。1970年代から1980年代初期のスーパーコンピュータを対象として設計され[1][2]、その後より洗練されたライブラリLAPACKに取って代わられた。 LINPACK は BLAS（Basic Linear Algebra Subprograms、基本線形代数サブプログラム群）ライブラリを使ってベクトル演算や行列演算を行う。 後述するLINPACKベンチマークは、LINPACKのユーザーズマニュアルの一部として公開されたのが最初である
1. 機械学習の二つのアプローチ 最近読んだベイズ推論による機械学習入門の中で、機械学習の代表的なアプローチが二つ紹介されていました。 機械学習スタートアップシリーズ ベイズ推論による機械学習入門 (KS情報科学専門書) 作者: 須山敦志,杉山将出版社/メーカー: 講談社発売日: 2017/10/21メディア: 単行本（ソフトカバー）この商品を含むブログ (1件) を見る 1) ツールボックスとしての機械学習 既存のアルゴリズムにデータを与えて予測するものです。 汎用的なアルゴリズムを様々なデータに使いまわせるので、比較的簡単にモデルを構築することが出来ます。 一方で高性能なモデルを手に入れるには、特徴量抽出に精を出すことや、様々なアルゴリズムを試して最も性能の良いものを選択するなどの作業が必要です。 scikit-learnなどのライブラリに含まれるサポートベクターマシン、ブースティング
理数系ネタ、パソコン、フランス語の話が中心。 量子テレポーテーションや超弦理論の理解を目指して勉強を続けています！ 年明けの記事で「今年は位相、多様体、群論、 微分幾何学、位相幾何学あたりから始めて、NHKの番組で紹介されていた非可換幾何学を目標に進んでいこう。」と書いた。 最先端物理学で予想されるミクロの空間の構造や超ひも理論（万物の理論）とアラン・コンヌ博士の非可換幾何学に密接な関係があるらしいことはNHKの「素数の魔力に囚われた人々 ～リーマン予想・天才たちの１５０年の闘い～」で紹介されたので「非可換幾何学入門：A.コンヌ」を買ってみたが今の段階ではちんぷんかんぷん。 コンヌ博士はこの画像をクリックして再生される動画の後半で紹介されている。(NHKオンデマンドの動画） この本の英語版「Noncommutative Geometry」や「Noncommutative Geometry,
たった数枚の画像で Stable Diffusion をファインチューニングできる効率的な Amazon SageMaker JumpStart の使い方 | Amazon Web Services
Amazon Web Services ブログ たった数枚の画像で Stable Diffusion をファインチューニングできる効率的な Amazon SageMaker JumpStart の使い方 2022 年 11 月、AWS のお客様が Amazon SageMaker JumpStart で Stable Diffusion モデルを使ってテキストから画像を生成できるようになったことを発表しました。Stable Diffusion は、リアルで高品質な画像や印象的なアートをわずか数秒で生成することができるディープラーニングモデルです。印象的な画像の作成は、アートから NFT など幅広い業界で活用が見込めますが、今日ではユースケースにパーソナライズされた AI が期待されています。本日、Amazon SageMaker JumpStart でカスタムデータセットでファインチューニ
このページのURIはhttp://www.oishi.info.waseda.ac.jp/~oishi/sir/index.html 概要 精度保証付き数値計算の基礎になる区間演算は九大の須永教授の発明である． また，精度保証付き数値計算という日本語は山本哲朗先生の発案である． 精度保証付き数値計算の研究はこの１０年間に大きく発展し，実用段階に発展し た．これは，本来，数値計算はその精度が保証されたものでなければならないという 必然性からも大変重要なことである． 本講義では，精度保証付き数値計算の理論と実際のプログラミングについて 基礎から第一線まで丁寧に解説を加える． 特に，精度保証付き数値計算は実際に計算してみてこそ，その偉力を感じること ができると思われるので，Scilabという数値計算言語を利用して，簡単に，しか し実用的な計算ができることを明らかにする． 最終的には，積分方程式な
はじめに こちらはFOSS4G 2016 Tokyoで発表した内容です。 Deep Learningは勉強し始めたばかりなので至らない点が多々あるかと思います。 間違っているところがあったら突っ込んでいただければ幸いです。 弊社でのDeep Learning×GISの開発事例 タイトルで「DeepPredNetで地震の予想が出来るのか検証してみた」と書いているのですが、まずは弊社での開発事例をご紹介したいと思います。 弊社では受託開発で古地図の自動分類を行っていました。 古地図の地図記号から識別し、土地利用の領域ごとに色分けして分類するニューラルネットワークの開発しました。 実装方法 ・畳み込みニューラルネットワーク（CNN）で実装 ・ Googleの機械学習ライブラリTensorFlowを使用 ・ハイパースペクトルの航空写真から土地を分類するプログラムをもとに作成 当初の予想とその結果
ガウス整数 - Wikipedia
ガウス整数とは、複素数平面では格子点に当たる。 ガウス整数（ガウスせいすう、英語: Gaussian integer）とは、実部と虚部が共に整数である複素数のことである。すなわち、a + bi（a, b は整数）の形の数のことである。ここで i は虚数単位を表す。ガウス整数という名称は、カール・フリードリヒ・ガウスが導入したことに因む。ガウス自身はガウス整数のことを複素整数（ドイツ語: Komplexe Ganze Zahl）と呼んだ[1]が、今日ではこの呼称は一般的ではない。 通常の整数は、b = 0 の場合なので、ガウス整数の一種である。区別のために、通常の整数は有理整数と呼ばれることもある。 数学的には一つ一つのガウス整数を考えるよりも、集合として全体の構造を考える方が自然である。ガウス整数全体の集合を Z[i] と表し、これをガウス整数環と呼ぶ。すなわち、 である（Z は有理整数環
四元数と三次元空間における回転 | 高校数学の美しい物語
四元数のノルム： ∥q∥=a2+b2+c2+d2\|q\|=\sqrt{a^2+b^2+c^2+d^2}∥q∥=a2+b2+c2+d2 共役な四元数： q‾=a−bi−cj−dk\overline{q}=a-bi-cj-dkq=a−bi−cj−dk 逆数（逆元）： q−1q=qq−1=1q^{-1}q=qq^{-1}=1q−1q=qq−1=1 となる元 q−1q^{-1}q−1 具体的には q−1=q‾∥q∥2q^{-1}=\dfrac{\overline{q}}{\|q\|^2}q−1=∥q∥2q とすればよい。 四元数は積に関して交換法則が成立しない， 例えば ij=k, ji=−kij=k,\:ji=-kij=k,ji=−k となっていることから分かります。 四元数は結合法則を満たす。 q1(q2q3)=(q1q2)q3q_1(q_2q_3)=(q_1q_2)q_3q1(q
RCO Study Night 「D-Waveが切り開く、量子コンピュータを活用する未来」レポート | DevelopersIO
はじめに 先日、5/12 （水）、グラントウキョウ サウスタワーでリクルートコミュニケーションズ様主催の量子コンピュータについての勉強会が開かれました! 世界初の量子コンピュータを開発したD-Wave Systems Incの方々を招き、現在動いているデバイスの仕組みや応用例を中心に紹介をいただきました。 本記事はそのレポートになります。 挨拶 [slideshare id=61936078&doc=2016511rcoshutanaka-160512074741] 田中宗 助教（早稲田大学高等研究所） Dwave: 量子アニーリングマシンを世界初で開発 組合せ最適化問題を解くために量子コンピュータを用いる 1998年、門脇西森論文から2011年のDwaveのコンピュータ開発までを今日はご紹介します。 D-Wave Systems Incの方々による講演 [slideshare id=62
Review 経済・財政、環境・資源・エネルギー 政府・日銀アコードの見直しに向けて ―「3本の矢」を再考する― November 4, 2022 経済政策 財政政策 金融政策 崩壊したリフレ論者の論理 日銀の黒田総裁は、最近の記者会見などで「賃金の上昇を伴う形で物価目標を安定的・持続的に実現するため、金融緩和を継続する」という発言を繰り返している。つまり、円安等で消費者物価の上昇率が3％超になっても、なかなか賃金が上昇しない現状では、2％の物価上昇が持続するとは期待しにくいという認識である。筆者もこの判断自体は正しいと思うが、同時に指摘しなければならないのは、10年近く前に異次元緩和（QQE: Quantitative and Qualitative Monetary Easing）を開始した頃、同総裁が「物価が上がって賃金が上がらないことはあり得ない」と断言していたことだ。そして、この
はじめにこの記事は、文系出身の若手SIer社員が放送大学を活用してAI人材を目指した記録です。AI（機械学習・深層学習）を全く知らない状態からスタートして、2年間でJDLA E資格の取得と機械学習を使った論文の学会発表まで至りました。一旦AI（が少し分かる）人材のスタートラインには立てたかなと思っています。 そもそも誰？なぜ放送大学なの？というところは以前公開したこちらをご参照ください。いわゆる「文系SE」だと思っていただいて大丈夫です。 忙しい人のために：AI人材への4ステップ1.まず放送大学に入学して以下の科目を履修します。 ＡＩシステムと人・社会との関係（’２０） 計算の科学と手引き（’１９） 情報理論とデジタル表現（’１９） 入門線型代数（’１９） 線型代数学（’１７） 入門微分積分（’１６） 解析入門（’１８） 自然言語処理（’１９） データの分析と知識発見（’２０） 統計学（’
関。関連。関連といえばレコメンドですね。 というわけで今回はレコメンドエンジンに利用できそうな技術を紹介します。 MF系アルゴリズムの動的スコア計算 リブセンスでは以前から機械学習を用いたレコメンドエンジンを開発・運用しています。 ユースケースによりけりですが、最近ではMatrix Factorization(MF)系のアルゴリズムの利用が盛んです。 Non-negative matrix factorization - Wikipedia MFでは生成したユーザ・アイテムのベクトルの内積としてレコメンドのスコアを求めますが、ユーザやアイテムの数が多い場合、全てのユーザ×アイテムの組合せについてスコアを事前計算すると保持するデータサイズが非常に大きくなってしまいます。 このような場合はユーザ・アイテムのベクトルを別個に保持し、入力に応じて動的にスコア計算とソートを行ってレコメンド結果を返す
「コロナ禍」で売上を増やすには？ 「コロナ禍」という異常事態に突入してから３年目、制限に次ぐ制限でガタガタだった日本経済も少しずつ復調の兆しを見せています。 一方で「Ｋ字回復」と表現されるように、復調の傾向は業界・業種で状況が全く異なるようです。「コロナ禍」で大幅に市場が縮小した産業もあれば、むしろ大きく成長した会社もあります。 例えば、日本フードサービス協会によると21年の外食産業の市場規模は19年比で83.2％に縮小しています。親の仇の如く様々な制限が課された居酒屋カテゴリに絞って言えば19年比で26.8%、なんと4分の1です。ただし、ファストフードカテゴリに絞って言えば19年比で101.8%に拡大しています。「テイクアウト」のおかげですね。 2020年の春を境に、今まで欲しいと思っていたものが不要になったり、逆に不要品が必需品になったり、価値は大きく変わりました。私の場合、直ぐ思いつ
主成分分析（PCA; Principal Component Analysis）を丁寧に解く - Neon Lights
この間書いた記事で，codecogsのOnline Latex Equation Editorを使えば，はてなダイアリーでもキレイな数式を書けることが分かったので，昔書いたPCAの導出を載せておこうと思う． PCAは固有値分解で主成分を抽出する写像を求めることができるんだけど，多くの教科書などでは，「PCAの最適化問題が固有値問題になるよー」と書いて終わりなので，「どうして固有値問題で解くことができるのか」というところを丁寧に導出したい． 考えた結果，すごい回りくどい方法しか思いつかなかったので，他のシンプルな解説もあるのかもしれない． 特に直感的な説明などなくて式を丁寧に見ていっているだけです．たぶん間違ってたり抜けているところがあるので，見つけた人は優しくご指摘下さい．（言い訳がすごい） 主成分分析（PCA）の目的と定式化 次の観測されたN個の観測データから成るデータ集合が与えられたと
機械学習による自然⾔語処理 チュートリアル 〜PerceptronからCRFまで〜 岡野原 大輔 東京大学 Preferred Infrastructure 2008 8/3@PFI本郷オフィス 目次 • 自然⾔語処理 紹介 • 機械学習導⼊ • パーセプトロン • バッチ学習 (最大エントロピー法) • 過学習/正則化 • 多クラス分類 • 系列分類 (CRF, Structured Perceptron) このへんで 眠くなる 自然⾔語処理 (1/2) • ⾔語情報をコンピュータで処理する – コンピュータ⾔語の研究との対⽐で自然⾔語 – 世界最初のコンピュータの出現の頃から自動翻訳は 試みられている。コンピューターサイエンスの中で も歴史の⻑い分野 – 近年ビジネス的にも成功, Googleなどなど • 非常に幅広い分野と接触する、境界領域 – 処理する⼿法 = ⾔語学, 数学, 統
LDPCはしばらくお休み（基本的に優先順位が低い）．今日はTV（Total Variation）の実装について書く． 神奈川大の斉藤先生が国内では精力的に研究していらっしゃる．どうにも魅力的なツールに見えるのだが，意外と名前負けしている（すなわち，ネーミングセンスが抜群）感が拭えない．曰く，画像を骨格画像とテクスチャ画像に分離する手法である．なんとか実装が出来たので，公開しておく．ただし，まだ国際的な最前線はおろか，斉藤先生にも追いついていないことは明記しておく． まず，TVとは何か，これを使うと何が出来るかについてざっくり話す．さらに，文献を挙げておく．最後に実装の方針とソースコードを載せる． TVとは，不連続を許す空間におけるノルムのはかり方です（多分）．不連続だから微分が出来ないところがあります．逆に，値が連続的でない場合も扱えます．実は，画像データはエッジが含まれているので，不連続
相関係数･COS類似度 - メモ帳の日記
（１）COS類似度 文章の類似度を測る尺度としてCOS類似度がある。クラスタリングの素性だとかに使われるようで、簡単な式で算出できるのでとっても便利である。 具体例で考えてみる。 文書x:「私は本格的に頭の悪い生徒です。」 文書y:「私は本当に頭の良い生徒です。」 この二つの文書は類似しているだろうか？ ぱっと見似たような文章だがまあ、言いたいことは違うし逆だ。（この文書の類似度を求めることに意味はあるだろうか？） このとき、文書を単語1語の生起回数を要素としたベクトルにしてみよう。（ベクトルと書いたがこれを単純に、要素を並べたもの、と思ってもこの範囲では問題ない。と書けば予防線が張れるのか。） まず全文書の単語をならべたベクトルを用意する。 {私,は,本格的,に,本当,頭,の,悪い,良い,生徒,です} 読点は今要らない情報ではないので無視する。 さて、このベクトルに生起回数を入れてみよう
成定 薫（1994）「科学社会学の成立と展開：客観主義的科学観から相対主義的科学観へ」（『科学論（岩波講座現代思想第10巻）』
はじめに－－客観主義 vs 相対主義 Ｒ・Ｊ・バーンスタインは、『科学・解釈学・実践－－客観主義と相対主義を越えて』で、 哲学、倫理学、人類学、さらには社会学において今世紀になされてきた多くの論争に通底する ものとして「客観主義と相対主義の対立」があると指摘している（１）。バーンスタインが言 うところの「客観主義」とは、 不変にして非歴史的な母型ないし準拠枠といったものが存在し（あるいは存在せねばなら ず）、それを究極的なよりどころにして、合理性・知識・真理・実在・善・正義などの本性を 決定することができるとする、そうした基本的な確信……（２） を支えている考え方であり、一方「相対主義」とは、 合理性・真理・実在・正義・善・規範など、そのいずれであれ、これまで哲学者たちが最 も基本的なものと考えてきた概念をひとたび吟味しはじめると、そうした概念はすべて、つま るところ特定の概念図式・理論的
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
【可視化】カルバックライブラーなど分布の差を表す指標の違い - プロクラシスト
調査手法 | 売上予測の為の市場調査 「売上・販売量予測モデルの作り方」 -市場調査クリニック
特異値分解と行列の低ランク近似 - astamuse Lab
SODA2010 ALENEX2010＠テキサス - DO++
ICML2011気になった論文リスト - kisa12012の日記
CNNで抽出した特徴を使った画像検索 - まんぼう日記
元モーニング娘。・久住小春の発言を検証してみる - あべしの裏側
劣モジュラ関数最小化のお勉強(Minimum Norm Point) - wildpieの日記
NumPyを使ってみる - white wheelsのメモ
「ツールボックスとしての機械学習」のアプローチ - 川雲さんの分析ブログ
コンヌ博士の非可換幾何学へはどうたどり着けばいいのだろう？ - とね日記
精度保証付き数値計算
DeepPredNetで地震の予想が出来るのか検証してみた - Qiita
政府・日銀アコードの見直しに向けて ―「3本の矢」を再考する― | 研究プログラム | 東京財団政策研究所
放送大学からはじめるAI（が少しわかる）人材への道｜lumpsucker
Facebookの高速ベクトル計算ライブラリfaissをレコメンドAPIに使ってみる - Qiita
ド短期で売上高めるにはエクストリームユーザーの行動パクるのが1番説｜松本健太郎
Microsoft PowerPoint - 2008-08-03-crf.ppt
Total Variation Minimization - タンタン的思考