[ログイン新規ID登録]閲覧履歴ご利用ガイド 『ゲインの選び方で音質変わりますか？』のクチコミ掲示板 ホーム > パソコン > デジタルオーディオプレーヤー(DAP) > ONKYO(オンキヨー) > rubato DP-S1(B) [16GB] > クチコミ掲示板 ONKYO rubato 2017年 3月中旬 発売 rubato DP-S1(B) [16GB] ESS社製のDAC「ES9018C2M」とアンプ「SABRE 9601K」を2基ずつ搭載により超高解像度再生を実現した、ハイレゾ音源対応のデジタルオーディオプレーヤー。 200GBまで対応したmicroSDカードスロットを2スロット搭載し、16GBの内蔵メモリーをくわえて最大416GBまで拡張可能。 画面を起動せずに直接操作できる操作ボタンと、ボリューム調整できるボリュームノブを搭載。選択型ホールドキーで誤操作を防止できる。 お
![『ゲインの選び方で音質変わりますか？』 ONKYO rubato DP-S1(B) [16GB] のクチコミ掲示板](https://cdn-ak-scissors.b.st-hatena.com/image/square/f7380b578f19fbcbf3a894776a2967627e70dc3d/height=288;version=1;width=512/https%3A%2F%2Fimg1.kakaku.k-img.com%2Fimages%2Fproductimage%2Fl%2FK0000950593.jpg)
【BTC】本当にマイニング株は伸び悩んでいるのか【MARA,RIOT】 - 日々の生活をがんばるブログ
最近よくコメント頂くのが、「マイニング株弱い！ヤバイ！」という内容。 私のマイニング株への投資方針は BTC現物より税金が圧倒的に有利である BTC現物よりボラが激しいからギャンブル感が圧倒的に増す 会社が倒産しても泣かない という感じで投資しています。 税金が圧倒的に有利×BTC現物より圧倒的に稼げるタイミングで売ったらウハウハ！でも破産は勘弁な！！！ みたいなノリです。 で、話は最初に戻って、今現在マイニング株たちが元気が無いようです。確かに毎週チェックしていますがぱっと見元気が無いように見受けられます。特にRIOT！お前だよ！！ だが果たして本当に元気が無いのでしょうか？BTC現物の値動きと比較して本当に元気が無いのか確認してみたいと思います。2023年1月からのチャートと、2024年1月からのチャート2つ見ればまぁなんか、雰囲気分かるかもしれないという感じで。 2023年1月最初か
小さなGPUのエンジニアリング。TensorFlow.js JavaScriptエンジン 次世代の WebGPU 。 - Qiita
小さなGPUのエンジニアリング。TensorFlow.js JavaScriptエンジン 次世代の WebGPU 。PythonJavaScript初心者ポエムChatGPT コードをメモ帳などのテキストエディタに貼り付け、ファイルを「index.html」などの拡張子が.htmlのファイルとして保存します。その後、保存したファイルをブラウザで開けば、コードが実行されます。 ショートストーリー: 「小さなGPUでの冒険」 GPU量子エンタングルメント 東京の繁華街に住む若いプログラマー、ケンジは、自分の小さなノートパソコンを使って驚くべき実験を行っていた。ケンジはコンピュータ科学に情熱を注ぎ、特にGPUを使った計算に興味を持っていた。今日は、自分の小さなGPUで「量子エンタングル状態」をシミュレートしようと決心していた。 「ビット列のすべての可能性をシミュレートしてみせる！」とケンジは意気
« 読了：Ljungqvist, et al.(2015) 重度の精神疾患患者に毎月お金を渡したら？ | メイン | 読了: Ronkko, McIntosh, & Antonakis (2015) PLS-SEMに怒りの鉄拳を » 2016年1月 7日 (木) Domingos, P. (2012) A Few Useful Things to Know about Machine Learning. Communications of the ACM, 55 (10), 78-87. たまたま見つけて、前半はお茶を飲みながらぼけーっと眺めていたのだけれど、途中でこりゃあ勉強になるわと気づき、心を入れ替えて真剣に読んだ。大変面白かった。 きわめてイイカゲンな訳だが、メモをとっておくと... みんな機械学習使ってますね。教科書もいっぱいありますね。でも、機械学習をうまく使うためには、知って
【BTC】2020年当時好調だった米国株と改めてバトルします(ARKK,TSLA,NVDA)2024/03 - 日々の生活をがんばるブログ
過去記事のオススメで突然こんなのが出てきた。 okometsubulog.hatenablog.com いや懐かしい。当時はARKKとTSLAがイケイケで話題が凄かった時期です。結局ビットコでいいな！ってなったのが2020年12月30日のことでした。 さて、早いものであれから3年と3ヵ月が経過しました。せっかくなので、今まさに人気絶頂であるNVDAと、ビットコ界隈でイケイケなMSTRも参戦させて比較してみましょうか。比較時期はMSTRがビットコインを購入したと言われている夏、2020年8月ぐらいから見ることにします。 参加者一覧 BTC NVDA ARKK TSLA TECL MSTR MARA 当時人気だったTECLも含めました。後ついでにマイニング企業枠で私が一点集中投資してるMARAも。ARKKやTSLAは途中でなんか暴落した時に悲鳴を聞いたことがあって「やっぱキャシーやイーロンはだ
異常巻きアンモナイト - Wikipedia
異常巻きアンモナイトの起源は古く、アンモナイト亜目のスピロセラス上科に属するものは三畳紀に出現した。一方でノストセラス科に代表されるアンキロセラス亜目の異常巻きアンモナイトは後期白亜紀の北太平洋地域において繁栄した[5]。アンモナイト全体の生息した水深は海面から10 - 200メートル程度とされており、うち異常巻きアンモナイトは先に述べたように多くが底生生活を送っていたと考えられている。しかし細かい生態については現在も謎が多い[1]。 異常巻きアンモナイトは20世紀初頭に発見された。当初から矢部長克の Yabe(1904) などで不規則な形状ではないことが指摘されていたが、当時は発見されていた個体数が少なかったため、何らかの要因で正常な螺旋に成長できなかった個体であると考えられるようになった[9]。アンモナイトという系統が寿命を迎えて衰退するにつれて生じた末期的な異常進化の結果である、とい
Mac用Logic ProのAlchemyの概要
Mac用Logic Proユーザガイド ようこそ Logic Proの新機能 Mac用Logic Pro 11の新機能 Mac用Logic Pro 10.8の新機能 Mac用Logic Pro 10.7.8の新機能 Mac用Logic Pro 10.7.5の新機能 Logic Pro 10.7.3の新機能 Logic Pro 10.7の新機能 Logic Pro 10.6の新機能 Logic Pro 10.5の新機能 Logic Pro 10.4の新機能 Logic Pro 10.3の新機能 Logic Pro 10.2の新機能 Logic Pro 10.0の新機能 Logic Proを使ってみる 使い方の概要 ワークフローの概要 「Logic Pro」のメインウインドウ プロジェクト 再生と操作 テンポ、キー、および拍子 トラック オーディオトラック ソフトウェア音源トラック トラックヘ
明治大正期北越の活版印刷事情について小泉發治（福井・金沢）にかかわることを調べ直してみたら金澤寶文堂の㋩ピンマークの思いがけない由来が見えてきた話 - 日本語練習虫
金沢「寶文堂活版製造所」製活字のピンマーク㋩は「ハ・ツ」の意匠だった模様 先週、2023年5月13日付の記事「金沢でピンマーク入り活字を鋳造販売していた宝文堂のことを #NDL全文検索 で調べてみて創業期には辿りつけないでいる話」へ、立野竜一氏からコメントを頂戴しました。筆者が「〈頭が9時の位置にあるウロボロス〉風の○にハの字のマーク」と記していた宝文堂のピンマークについて、これは往時の代表者「小泉發治」の「ハツ」ではないか、というご指摘です。 金沢宝文堂の㋩ピンマーク入り初号明朝活字（ピンマーク正面方向）金沢宝文堂の㋩ピンマーク入り初号明朝活字（ピンマーク斜め方向）なるほど、「9時の位置」で強く筆を打ち込み時計回りにぐるりと描いた円は意匠化された「ツ（つ）」の字であったわけですね。 独力で気がつきたかった！ さて、立野氏のコメントで言及頂いたように「小泉發治」については2010年10月3
《日経Robo》継続学習：過去の学習結果を忘れずに、新しいタスクを学習できるか PFN岡野原氏によるAI解説：第22回 これを最も素直に実現する方法がマルチタスク学習である。マルチタスク学習では複数のタスクの学習データを前もって用意し、それらを同時に利用して学習する。タスク間で共通した部分問題に対し共通した計算を利用できるように、ニューラルネットは入力から途中までは共有して、最後にタスクごとに分岐するようなモデルを使う。また、多クラス分類も一種のマルチタスク学習と考えられる。これも途中まで同じネットワークを共有し、最後に分岐してsoftmaxで確率を計算しているためである。 究極的には長い期間にわたって様々なタスクを学習し続ける必要が出てくる。このとき、新しいタスクが登場したり、または新しい学習データが手に入ったりした時に、最初からモデルを学習するのは非現実的であり、現在の学習済みのモデル
出来高分析（ミネさんインジケータ）｜株おじさん
こんにちは😊 引き続き、ミネルヴィニの投資戦略をインジケータ化する作業に勤しんでいます🥸。 ポイントになりそうなところのひとつにVCP（Volatility Contraction Pattern）というものがあります。VCPはチャートのパターンと出来高の動きから株価上昇の勢いを判断する指標で、これに必要な出来高に関する分析方法を考えています。 ミネさんは株価上昇/下落時に特徴的な株価チャートの形状として、株価と出来高の変動率が徐々に収縮してピボットポイントで一気に上昇/下落をするということを機関投資家の動きと個人投資家の動きから理論的に説明しています（※詳しくは著書を読んで下さいね）。これがVCPです。下の図では（Ａ）と（Ｂ）の動きに注目します。 VCPの説明 VCPでは株価変動と出来高変動が密接に関連していて、出来高は株価に連動して増減を繰り返します。これは機関投資家と個人投資家の
基本的な経済観念を身に付けるべく、マクロ経済学を学んでいく。テキストは古典派をしっかりと扱っているという マクロ経済学 第2版 作者:二神 孝一,堀 敬一有斐閣Amazon を用いることにする。 1. マクロ経済学の考え方 1.1 マクロ経済学とは何か 1.2 国民経済計算 1.2.1 生産面から見た経済活動 1.2.2 分配面から見た経済活動 1.2.3 支出面から見た経済活動 1.2.4三面等価の関係 1.2.5 GDPの性質 1.3 国際収支 1.4 物価水準の測定 1.5 マクロ経済分析の視点 次回 問題*1 1. 問題 2. 問題 解答 1. 解答 2. 解答 1. マクロ経済学の考え方 1.1 マクロ経済学とは何か マクロ経済学が扱うのは「集計化された経済活動」である。分析対象となる主な主体は、「家計」、「企業」、「政府」の3つである。 家計：労働を供給して所得を得て消費を行な
地震～そこが知りたい基礎知識～
地震のメカニズムを説明する前にここから行きたいと思います。 だいたい感覚的には解る人が多いと思いますが、ニュースでよく聞く、この２つの言葉。 一体どのような関係があるのでしょうか！？ まず、マグニチュード（Ｍ）というのは、地震そのものの規模を表し、震央から１００ｋｍにある標準地震計における記録紙上の最大震幅Ａ［μｍ＝マイクロメートル］によって決められます。その関係式は、 Ｍ＝ｌｏｇ１０ Ａ となり、例えば記録紙上で、最大振幅１０ミリ＝１マイクロメートルを記録した場合 Ｍ＝ｌｏｇ１０ １００００ となり、１００００＝１０の４乗・・・マグニチュードは４となります。対数のお勉強はここで扱う物ではないので、解らなければ無視してください。 そしてマグニチュードが１大きくなると、地震のエネルギーは約３２倍（ルート１０００倍）に、さらにマグニチュードが２大きくなるとエネルギーは約１０００倍になります。一
初めまして！ 株式会社 Elith で Computer Vision Reseacher をしている下村です。 今回は、Open-Vocabulary Object Detection の論文について、学習データに焦点を当てた手法を中心に概要を紹介します。本記事内で使用する図は参考文献から引用しています。 Open-Vocabulary Object Detection とは Open-Vocabulary Object Detection (OVD) は、事前に定義された物体クラスに制限されず、任意のテキスト (Open-Vocabulary) で指定された未知の物体クラスを検出するタスクです。この手法は、従来の弱教師あり学習やゼロショット学習に比べて高い精度を達成します。 この手法は、2021年のコンピュータビジョンやパターン認識に関する国際会議 CVPR(Computer Visi
フラクタルとは？ 意味や使い方 - コトバンク
〘 名詞 〙 ( [英語] fractal ) どのように分解してもその部分が元の全体と同じ形を備えていて、微分が不可能な図形。フランスの数学者マンデルブロー（B. B. Mandelbrot）がラテン語の fractas （破片・分割の意）をもとにつくった語。 数学的な形の名称。自然の中にある形は，初等幾何学で教えられた正方形，円周，三角形などとは一見かけはなれたものが多い。例えば雲の形，リアス海岸線などはこれら初等幾何の図とはおよそかけはなれている。初等幾何のほうから円周を代表にとり，自然の形の代表としてリアス海岸線をとってみよう。まず円周は次のような特徴がある。全体としては曲がっているけれども，もしこれを細かい円弧に分解すると，十分細かく分解すれば，部分である円弧は線分とほとんど見分けがつかなくなる（つまり全体として曲がっているという性質が分解で失われていく）。一方，リアス海岸のほう
読書日記: 読了：Simkin & Roychowdhury (2003) 論文を引用している人のうち何割がその論文をほんとに読んでいるかを推定する
« 読了：「ヘンリー四世」 | メイン | MSIが選ぶマーケティング論文：2016年秋 » 2017年1月 5日 (木) Simkin, M.V., Roychowdhury, V.P. (2003) Read Before You Cite! Complex Systems, 14(3). かつてフロイトは精神分析学を言い間違いに適用してヒトの心理を暴いた。このたび我々は統計分析をミスプリに適用し、論文の著者が引用文献をほんとに読んでいるかどうかを暴く方法を開発しました...という論文。はっはっは。 たとえば、ある有名な物理学の論文を引用している論文を4300本集めたところ、引用文献の際にミスプリがあるのが196本。ところがミスプリの異なり数は45種類で、一番メジャーなミスプリは78本もの論文でみつかった。誤りがコピペで伝染しているのだろう。縦軸に頻度の対数、横軸に頻度のランクの対数を
機械学習におけるハイパーパラメータの最適化は，高い予測性能を実現する上で重要なステップの一つである．古くは scikit-learn などでも実装されるグリッドサーチが標準的であったが，深層学習全盛の現在ではベイズ最適化に基づく最新技術を実装したパッケージがいくつも利用可能になっている． このハイパーパラメータ最適化を行う python パッケージとして日本で最も有名なものは，Qiitaで見る限りにおいては optuna と思われるが，おそらく全世界的に見れば Ray Tune だろう．PyTorchの公式チュートリアル にも採用されるなど，代表的なハイパーパラメータ最適化ライブラリとしての地位を確立しており，既存の学習用実装をそれほど大きく変更することなくハイパーパラメータ最適化が実現できるなどの御利益もあるが，残念なことに日本語の資源がほとんどない． そこでこの記事では，Ray Tun
ベイズ線形回帰 - 機械学習基礎理論独習
やりたい事 データが与えられたときに予測をしたいのですが、 そのためには、データにフィットする曲線を求めればよさそうです。 出力値が入力値の関数で表せるならば、新たな入力に対して予測ができます。 単なる点推定ではなく、不確実性を表現できると予測としては最高です。 これがベイズ線形回帰で実現できます。 概要 本記事では説明することが多いので、流れを説明します。 実際の項目とは異なります。 「モデルの決定」どんなモデルを使うか決めます。 「パラメータの導出」モデルのパラメータを訓練データから求めます。 「モデル選択」ハイパーパラメータ の値についてざっくり検討します。 「過学習と正則化」過学習と正則化について簡単に触れます。 「最尤推定」確率モデルについて最尤推定します。 「事後分布とMAP推定」事後分布を求め、MAP推定します。事前分布を2パターン設けて説明します。 「予測分布」予測分布を導
修士論文 平成9～平成13年度
秋田 光紀 2次元平面上の水面の中にある湧出点をもつ油溜の境界の動きについて 阿部 智 大域結合写像におけるカオス的遍歴について 上坂 美花 アスコルビン酸の結晶化におけるパターン形成 漆原 友人 余法束のガウス写像と部分多様体の変曲点 加藤 伸和 レウナー･ハインツ不等式について 加藤 憲義 実2次体の総虚2次拡大における相対類数について 久保 元彦 磁区クラスターとフォールドエネルギー 桑原 直人 L関数の非消滅性とその応用 齋藤 伸一 アクター･クリテイック学習法を用いたバランシングロボットの制御 塩井 明広 確率微分方程式の近似解 鈴木 雄太 モンテカルロ法によるアメリカンオプションの価格評価 高橋 雅朋 Bifurcations of Clairaut type equations (クレロー型方程式の分岐) 徳光 朋啓 志村対応と新谷対応の核関数について 鳥畑 耕平 ある楕円曲
はじめに こんにちは，東京大学大学院 修士2年の兵藤弘明です．私は2024年3月から4月にかけて，CA Tech JOBのインターンシップに参加し，株式会社AI Shift で議事録自動生成のための効果的な音声認識パイプラインの検証に取り組みました．この記事では取り組んだ内容を具体的に紹介します． タスクの背景 株式会社AI Shiftでは，オンライン会議の議事録を自動生成するシステムの技術検証を行っています．これは複数人の会話音声を入力とし，LLMを用いて会話の内容を要約し議事録のフォーマットにまとめたものを出力するシステムです． このシステムでは，入力の会話音声をテキストに書き起こしてLLMに渡します． 今回のインターンシップでは，書き起こし推定処理の現状分析と改善に取り組みました． 現状の問題点の分析 品質の高い議事録を生成するためには，書き起こしの際に以下の点を正確に推定することが
Python による確率分布の推定と描画
確率変数が与えられたとき，取りうる値の対応する事象を列挙して確率を求めるのは面倒ですし， 一般に，確率変数の数値がどのように生成されたのか，すなわち，それぞれの数値にどの事象が対応しているのかにはあまり興味がありません．代わりに，数値と確率の対応関係に注目します．確率変数の数値に対して確率を対応させる関数を確率分布と言います．例えば，サイコロの出目 X と，2 つのサイコロの出目の和 X+Y の確率分布は下図のようになります． サイコロの例では確率変数の取る値が離散的でしたが，連続値を取る確率変数を考えることもできます．離散型の確率変数では各値に確率が対応しますが，連続型の確率変数では各値に確率密度が対応します（後述）． 確率分布 本章では，連続型の確率変数を想定して理論説明を行ないます 確率変数に対応する確率の見方として，確率密度関数 (Probability Density Funct
Excel～回帰分析
重回帰分析２ 数量化理論Ⅰ類を利用して重回帰分析をします。 前回使ったデータを使用して数量化理論Ⅰ類を利用した重回帰分析をおこないます。 数量化理論Ⅰ類は曜日や天気など定性的なデータを使って被説明変数を説明する式を求めます。 月、火などカテゴリを数値化するために定性的データを0、1で表現しなおします。これをダミー変数と言います。 カテゴリに該当する場合は1、該当しない場合に0を入れます。 ダミー変数の例（図3-5 曜日データは月曜日から金曜日までありますが、月曜日～木曜日までの情報があれば金曜日のデータは推測できるため金曜日の列は削除しておきます。 前回使用したデータを使い実際に重回帰分析をしてみます。 説明変数（アイテム）は、DOW騰落率+0.2%以上、-0.2%以下を定性的データ、6日騰落率を定量的データとして取り扱います。（図3-6 分析結果（図3-7 決定係数は0.011398とな
WebVitalsの対数正規分布
Loading...
和歌山毒カレー事件の真相は、林家同様ヒ素を保持していた近所の一家の長男である中学生が、いたずらしたものですか？同地区では池に農薬が... - Yahoo!知恵袋
河合潤＠京都大学です．この数年間，カレーヒ素事件の鑑定書を，研究の一環として解析しています．chiebukuroのこのページのことを知らせてくれた人がありましたのでちょっと書いてみようと思います．学生に手伝ってもらってYahooになんとか登録できました． 最近(2016年9月)も和歌山地裁に意見書を提出したばかりですが，その最後で「私(=河合)の一連の鑑定書・意見書が鑑定を超えて指し示す新たな真実は，不明な動機によって4名を殺害し63名に傷害を負わせた真犯人は，凶器の亜ヒ酸を現在も所持したまま，野放しであるという事実である」と結論しました． 科警研は，カレーに亜ヒ酸を投入したとされる紙コップに付着した亜ヒ酸が，H所持の亜ヒ酸とは組成が異なることを知りながら，化学分析で得られた組成比を100万倍して対数(log)をプロットして同一であるかのように見せかけていたことを『季刊刑事弁護』誌No.8
1.背景 昨今の某SNS上ではモータ制御沼に引きずり込む沢山の手が存在しており、無事に引きずり込まれました。結果としてBLモータのベクトル制御まで一通りできたので、堅実にベクトル制御を実装する手順を残すことにしました。 なお、モータの制御理論そのものは各種専門書がありますので、ここでは実際に実装する際に必要な理論式だけを掲載しています。 ※導出の過程で躓いた部分については、別途記事に起こしてまとめるかもしれません。 これまでにもBLモータの回し方を解説した記事やサイトはたくさんありました。最近の記事では、@motorcontrolmanさんの記事などが有力です。 一方で、上記の記事を含めた多くの記事では、センサレス方式(120度駆動や正弦波駆動)が対象であり、センサード方式についてはホール素子を用いた記事が多少見受けられる程度でした。ホールセンサ式は角度検出の分解能が粗く、そのため、ベクト
Pairing
ペアリング写像 ペアリングとは ペアリングとは，2入力1出力の関数であり，双線形性を持つ関数 (写像)である． ペアリングは，最初楕円曲線暗号に対する攻撃手法として利用された．すなわち，楕円曲線上の離散対数問題の解法に用いられた．その後，ペアリングを用いた暗号方式が提案されるようになってきた．ペアリングの双線形性を利用すると，公開鍵として ID を利用する IDベース暗号や IDベース署名などが実現できる． 現在，暗号で利用されているペアリングは楕円曲線上で定義される関数であり，楕円曲線上の2点をを入力とし，ある有限体の元を出力とする関数である．楕円曲線上のペアリングには，Weil ペアリング， Tate ペアリング，およびそれらの変形ペアリングがある． ペアリング演算は，既存の公開鍵暗号におけるべき乗剰余演算や楕円曲線暗号における楕円点のスカラー倍演算などと比較してより多くの計算コストを
時系列の売り上げデータなどに、広告費などの説明変数だけではどうしても説明できない、長期的な変動が存在することがあります。このようなデータを、説明変数で説明できる変動と、説明できない長期的な変動に分解したい時、どうすればよいでしょうか。 そのような時、状態空間モデルの考え方を使って、長期的な変動をトレンド成分として推定することができます。トレンド成分とは、前の時点の値から正規分布に従って変動する成分のことです。正規分布のばらつきが小さければ、滑らかに変動していくことになります。 実際にStanを使ってこのようなモデルを推定してみましょう。まず、Rで模擬データを生成します。 generate_data.R library(ggplot2) library(reshape2) week <- seq(from = 0, to = 26) trend <- 1000 * exp(-0.1 * ti
【まだ書きかえます。どこをいつ書きかえたかを必ずしも明示しません。】 - 0 - 地学の授業の教材をつくっていて、まえから気にかかっていた次のことを思い出した。時間を横軸にとったグラフがよく出てくるが、文献によって、時間が右に進むものと左に進むものがあって、どちらが標準ともいいきれないのだ。また、何かの南北方向の分布を、緯度を横軸にとった図にすることもよくあるが、これも、左を北にすることも右を北にすることもある。図を目で見て対比するためには、どちらかを裏がえす必要があるのだ。 - 1 - 時間・空間だけでなく、数量を横軸にしめすとき、左と右のどちらが大きい数量なのか、という問題もある。数直線ならば、右に向かって大きくなるのがふつうだ。対数めもりでもそうだ。わたしは授業の教材として、対数めもりで10の整数乗だけしめしたものさしを、計算尺のように使おうと思った。松森(2007)の「数のものさし
先日行われた2024年度の東北大学の後期数学を解いてみました。 第1問 確率の問題です。 (1)つねに2を予測し続ける場合には、１ゲームあたりの得点は0点か2点です。これに注意して、5ゲームで5点以上になるには2点が何ゲーム起きないといけないかを調べましょう。 (2)得点が4点以上になるまでは、上記の通り1ゲームに付き0点か2点しか入りません。なので、初めて4点以上になる時は必ず総得点は4点になります。これに注意して、何回目で初めて4点になるかで場合分けして調べればよいでしょう。 ＜筆者の解答＞ 第2問 放物線上の頂点で作る多角形の面積に関する問題です。 (1)いわゆる公式証明の問題ですね。こういう場合は小学校時代の原点、「底辺×高さ÷2」に立ち返るとよいです。そうすると高さを表現するのに三角比が必要になるので、その情報を得るために内積を利用することになります。 (2)登場してる3点の座標
最後のRPL言語搭載グラフ電卓 HP 50g（ファームウェア編） 前回に続き2016年10月に入手したHP 50gについて書いてみたいと思います。 前回はハードウェアでしたが、今回はファームウェアについて書きます。 本レビューはファームウェアバージョン 2.15 に基いています。 目次 圧倒的な機能の多さ 煩雑なシステムフラグ設定 CHOOSEボックスとソフトメニュー 煩雑なメニュー呼出。どこに何があるのか分からない！ 煩雑なCAS（数式処理システム）の設定 コマンド/CAS関数名に酷いものがある HELP機能がCAS関数にしか対応していない 説明書にALGモードとRPNモードの説明が混在していて読み難い 2006年から修正されていない付属CD 使いにくい PC Connectivity Kit ファームウェア総評 圧倒的な機能の多さ 今までに3つ記事を書いたTI-84 Plus CEとは
TL;DR 量子化しても成績が下がりにくいモデルと、大きく下がるモデルがある 一部のモデルは量子化すると回答が極端に短くなる 量子化によって回答が短くなる度合いは、量子化前モデルの回答の長さと相関がある可能性がある はじめに 皆さんは量子化したLLMを使っていますか？ 深層学習における量子化（quantization） とは、モデルのパラメータを少ないビット数で表現することです。 通常のモデルは float32 などの高精度なデータ型を使ってパラメータを表現しますが、この精度を float16 や int8 に下げることを量子化といいます。 量子化による最大のメリットは、モデルのメモリ使用量を削減できることです。メモリの大きなモデルを動かすためには、大容量のメモリを搭載したGPUが必要ですが、量子化によってモデルのメモリ使用量を削減することで、より多くのGPUでモデルを動かすことができます
Introduction この記事は基本的に自分用のメモみたいなもので、かなりあやふやな部分もあります。間違っている部分を指摘していただけると助かります。(やさしくしてね) ネット上にLibrosaの使い方、Pythonによる音声特徴量の抽出の情報が少なかったり、難しい記事ばかりだったので、かなり噛み砕いてメモするつもりでいます。 基本的に機械学習に用いられている音声の特徴量について記述していきます。 (2019/8/20)勉強した分だけ載せました、ちょっとずつ更新していきます。 (2019/8/22)MFCCの分だけ更新しました。 (2019/8/23)ZCRについて書きました。 紹介する特徴量 MFCC log-mel spectrum HNR ZCR 1.MFCC MFCCとの出会い 音声認識に広く使われている特徴量で、だいたいの音声における機械学習の代表的な特徴量ということでだいた
マネージドルールを使ったAWS WAFの導入方法
AWS WAFを利用するにはWeb ACLを作成し、Web ACLに関連づけるルールを作成する必要があります。ルールはAWSが提供するルールとサードパーティのセキュリティベンダーが提供するルール、そして自分でルールを作成するカスタムルールがあります。 今回はAWSが提供するマネージドルールでWeb ACLの作成手順を解説します。 ステップ1 AWSコンソールからWeb ACLを管理画面を開きます。 クラウドフロントの場合はリージョンをグローバルにしてアクセスできます。 https://console.aws.amazon.com/wafv2/homev2/web-acls?region=global ALBやAPIゲートウェイ、AppSyncの場合はそのリソースが存在するリージョンでWeb ACLを作成する必要がありますので適切なリージョンを選択してWeb ACLの管理画面を開いてください
$\log_{10} x$の導関数を計算できますか？ 常用対数から自然対数への変換 一般的な底の変換 一般的な微分公式 常用対数から自然対数への変換常用対数$\log_{10} x$はよく使われますが，例えば微分したいときに困ります．$\ln x = \log_{e}x$の導関数は\begin{aligned} \frac{\mathrm{d}}{\mathrm{d}x} \ln x = \frac{1}{x} \end{aligned}ですが，常用対数については成り立たないからです． まず，常用対数 \begin{aligned} \log_{10} x \end{aligned}を，自然対数 $\ln x$を使って表すことを考えてみましょう． 手始めに \begin{aligned} \log_{10} x = y \end{aligned}とおくと，対数の定義から\begin{ali
高校までの極限の問題点とε-δ論法
高校までの極限は曖昧数Ⅲを勉強した方なら、極限という概念については勉強したと思います。ここでは、高校における極限の定義を確認し、その問題について議論していきます。 高校における極限の定義 関数$f(x)$おいて、$x \neq a$を限りなく$a$に近づけたときに、$f(x)$が特定の値$\alpha$に限りなく近づくとする。このとき、$x \to a$において$f(x)$は$\alpha$に収束するといい、$ \displaystyle{\lim_{x \to a}} f(x)=\alpha$と表す。 この定義は数Ⅲで習うものであり、覚えている人も多いと思います。また、この定義を感覚的に理解することはできるかもしれません。しかし、この定義には問題点があります。その問題点をこの次の節で解説していきます。 高校における極限の定義の問題点この極限の最大の問題点は、「限りなく近づく」という表現の
Mac用Logic Proのグローバルコマンドのキーコマンド
Mac用Logic Proユーザガイド ようこそ Logic Proの新機能 Mac用Logic Pro 11の新機能 Mac用Logic Pro 10.8の新機能 Mac用Logic Pro 10.7.8の新機能 Mac用Logic Pro 10.7.5の新機能 Logic Pro 10.7.3の新機能 Logic Pro 10.7の新機能 Logic Pro 10.6の新機能 Logic Pro 10.5の新機能 Logic Pro 10.4の新機能 Logic Pro 10.3の新機能 Logic Pro 10.2の新機能 Logic Pro 10.0の新機能 Logic Proを使ってみる 使い方の概要 ワークフローの概要 「Logic Pro」のメインウインドウ プロジェクト 再生と操作 テンポ、キー、および拍子 トラック オーディオトラック ソフトウェア音源トラック トラックヘ
【’23/3/15 CBT】統計検定準一級合格までの道のり【40代初心者】 | 40代からのLIFE SHIFT BLOG
こんにちは、3/15の統計検定準一級CBTに無事合格することができました。 合格するまでの勉強法や参考にした参考書などについて紹介します。私と同じく、ワークブックをはじめて見て圧倒された人に参考にしていただくと嬉しいです。 バックグラウンド 地方国立大学、建築系の大学院修了。（大学数学の履修は不真面目だったため皆無） 大学院修了以降、20年超、数学学習には触れていない。 統計検定二級は2022年11月に取得。 育休リスキリング中のため、日中は試験勉強に時間を充てることができた。 なぜ統計検定準一級を取得しようと思ったか。 IT学習者の身で、統計検定2級をとったあと、しばらくコーディングの勉強をしていました。いずれは機械学習もやりたいと思っていたので、機械学習をやるのなら、統計検定準一級は必須と耳にし、チャレンジすることにしました。 統計検定準一級の響きの憧れもありました。 合格までのみちの
LaTeXで図を直接描けるTikZの使い方３｜グラフの描き方
TikZでは$y=x^2+x$や$y=\sin{x}$などといった$y=f(x)$の陽関数だけでなく，媒介変数表示された点$(x(t),y(t))$のグラフを描くこともできます． 関数のグラフを書くための三角関数，指数関数，対数関数のコマンドも用意されており，初等関数はほぼ問題なく描くことができます． もちろん前回の記事で説明した線のスタイルの変更もできるので，重要なグラフは太くするといった描画も可能です． また，極座標表示も可能なので，極方程式のグラフも描くことができます． なお，本稿では以下のように３つのライブラリ”intersections”, “calc”, “arrows.meta”を用います．
テキスト複素解析 - 共立出版
テキスト執筆に定評のある小寺平治先生の好評シリーズ第4弾。理工系で必須となる、複素解析のエッセンスを簡潔明瞭に、数値的具体例をつけて丁寧な解説を行った。学生の学力低下に対応して、導入部分の章を工夫し、工学部でも無理なく複素解析学を学べるように配慮した。適切な例題に明確な例題解答、さらに演習問題をこれまでよりも多めにして、さらに解答もこれまでどおり、手を抜かずに詳解している。［本文2色刷り］ Chapter 1 複素数と複素関数 §1 複素数と複素平面・1 §2 複素数と複素平面・2 §3 複素関数 §4 指数関数・対数関数 §5 三角関数 Chapter 2 正則関数 §6 複素関数の微分法・1 §7 複素関数の微分法・2 §8 複素積分 §9 コーシーの積分定理 §10 コーシーの積分公式 Chapter 3 級数展開 §11 ベキ級数・テイラー展開 §12 ローラン展開と特異点 §13
M5StickCの内蔵マイクを使って騒音計を作るのはなかなか難しい。マイクからの入力を既知の単位、例えばdB(デシベル)に変換する方法が自明ではなく、実際に実装してみたというサンプルもあまり見ない。そこで遊び半分に次のようなブートストラッピングを試してみたところ、意外とちゃんとした数値が出るようになったので紹介してみることにする。 とにかく音圧またはパワーを(単位不明でよいので)数値化して表示するアプリ(初期騒音計)を作る。 それをスマフォのdB表示騒音計と並べて比較して対応を取り、変換式を検討する。 その変換式を用いて初期騒音計をdB表示騒音計にアップグレードする。 完成品の動作の様子: 完成品のソースコード: ステップ1: 初期騒音計の作成 スケッチ例 "Microphone" を用いたサンプリング M5StickCのマイクと言えばみなさんおなじみ、入力波形を表示するスケッチ例 Mic
オシレータ
Mac用Logic Proユーザガイド ようこそ Logic Proの新機能 Mac用Logic Pro 11の新機能 Mac用Logic Pro 10.8の新機能 Mac用Logic Pro 10.7.8の新機能 Mac用Logic Pro 10.7.5の新機能 Logic Pro 10.7.3の新機能 Logic Pro 10.7の新機能 Logic Pro 10.6の新機能 Logic Pro 10.5の新機能 Logic Pro 10.4の新機能 Logic Pro 10.3の新機能 Logic Pro 10.2の新機能 Logic Pro 10.0の新機能 Logic Proを使ってみる 使い方の概要 ワークフローの概要 「Logic Pro」のメインウインドウ プロジェクト 再生と操作 テンポ、キー、および拍子 トラック オーディオトラック ソフトウェア音源トラック トラックヘ
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
『ゲインの選び方で音質変わりますか？』 ONKYO rubato DP-S1(B) [16GB] のクチコミ掲示板
読書日記: 読了：Domingos(2012) 機械学習について知っておきたい12の事実
《日経Robo》継続学習：過去の学習結果を忘れずに、新しいタスクを学習できるか
マクロ経済学（1/17）マクロ経済学の考え方 - 「大人の教養・知識・気付き」を伸ばすブログ
Open-Vocabulary Object Detection の研究動向
深層学習のハイパーパラメータを Ray Tune で最適化 - Qiita
議事録自動生成システムにおける音声の書き起こし機構の改善 | 株式会社AI Shift
BLモータのベクトル制御を実装する手順 - Qiita
状態空間モデル | ブログ一覧 | DATUM STUDIO株式会社
紙面・画面上で、数値が大きくなる向き、時間が新しくなる向き - macroscope
令和の東北大理系後期数学 -2024年- - ちょぴん先生の数学部屋
最後のRPL言語搭載グラフ電卓 HP 50g（ファームウェア編） [電卓喫茶]
日本語LLM 9種を量子化して回答内容を比較調査してみた - Qiita
機械学習のための音声の特徴量ざっくりメモ (Librosa ,numpy) - Qiita
常用対数から自然対数への変換（log10からlnへの変換） - Notes_JP
M5StickCでdB(デシベル)表示の騒音計を作る - Qiita