線形代数をBlenderで、やる｜Melville
「線形代数をBlenderで、やる」とはどういうことでしょう？ とりあえずこの画像を見てください これだけではよくわからないと思いますが、 要するに下の画像と全く同じ計算をやっています 確かに「結果」がBlenderの画像で並んでいる数字と同じになっているBlenderのノードの側にもよく見ると、3,1,4…と、 WolframAlphaの画像と同じ値が並んでいるのが確認できます 左の3つのノードが左の行列を表し、右の3つのノードが右の行列を表しているさて、このBlenderのノードシステム（GeometryNodes）ですが、 本来は3DCGのジオメトリをプロシージャルに生成にするためのもので、 決して線形代数をするための機能ではありません！ しかし、それをうまく悪用すれば使えば、 上のような行列の演算をさせて線形代数遊びができます！ この記事の最後では、これを応用して次のGIFのような
米国物理学協会とIEEE computer societyによる共同誌"Computing in Science & Engineering"は、2000年第1号で「"Top 10 Algorithms of the Century"（今世紀のトップ10アルゴリズム）」という特集を組んだ。特集は、20世紀の科学技術の発展に目覚ましい成果を挙げ、関連分野の発展にも多大な貢献をもたらした10個のアルゴリズムを取り上げ、各々について3～10ページ程度の短い分量ながらも簡潔かつ丁寧に紹介したもので、当時この特集は非常に大きな反響を呼んだ。 それから20年余りが経過した。その間にも計算機分野や計算科学分野は更なる目覚ましい発展を遂げ、新たなアルゴリズムも無数に誕生した。しかし「トップ10アルゴリズム」の重要性は聊かも揺らぐことはなく、諸分野の根幹をなす不可欠な要素として未だ使われ続けている。また、1
Reading Time: 3 minutes GPU アプリケーションを高速化する方法には、主にコンパイラ指示行、プログラミング言語、ライブラリの 3 つがあります。OpenACC などは指示行ベースのプログラミング モデルで、コードをスムーズに GPU に移植し、高速化することができます。使い方は簡単ですが、特定のシナリオでは最適なパフォーマンスが得られない場合があります。 CUDA C や C++ などのプログラミング言語は、アプリケーションを高速化する際に、より大きな柔軟性を与えてくれます。しかし、最新のハードウェアで最適なパフォーマンスを実現するために、新しいハードウェア機能を活用したコードを書くことも、ユーザーの責任です。そこで、そのギャップを埋めるのが、ライブラリです。 コードの再利用性を高めるだけでなく、NVIDIA 数学ライブラリは、最大の性能向上のために GPU ハード
サイトマップ
金子研究室ホームページサイトマップ． 金子研究室ホームページでは，約2000ページを公開している．ページは，データベース関連技術，データの扱い，インストール，設定，利用，プログラミング，サポートページ，連絡先，業績に分けて構成している．サイトマップでは，ホームページ内の全てのページについてのサイトマップを示している． 【サイト構成】 人工知能 ３次元，地図 プログラミング 情報工学全般 インストール データ処理 支援 連絡先，業績など 金子邦彦研究室 ▶ サイトマップ ▶ サイト内検索 ▶ アクセスログ（直近28日分）, Google Search Console ▶ まとめページ（目次ページ） ▶ 人工知能応用，データ応用，３次元のまとめ ▶ Windows のまとめ ▶ Ubuntu の使い方 ▶ Python のまとめ（Google Colaboratory を含む） ▶ C/C++
[crypto] Simple Substitution Cipher [crypto] Substitution Cipher [crypto] Administrator Hash（NTLM hash） [crypto] Administrator Password [crypto] Hash Extension Attack [forensics] The Place of The First Secret Meeting [forensics] The Deleted Confidential File [forensics] They Cannot Be Too Careful. [forensics] The Taken Out Secrets [forensics] Their Perpetration [NW] Transfer [NW] Analysis [NW] Enu
安達知也（（株）Preferred Networks） Green500の概要 Green500は，バージニア工科大学のFeng教授を中心とするグループによってメンテナンスされている，スーパーコンピュータのエネルギー効率のランキングである．関連するランキングとしてTOP500がある．TOP500はLU分解で連立一次方程式を解くLINPACKベンチマークの実行速度を用いて1秒あたりの倍精度浮動小数点演算回数（FLOPS）を競うランキングであり，近年では富岳が4期連続で1位を獲得している．Green500は，TOP500にランクインした上位500システムのスーパーコンピュータを対象に，FLOPS値をベンチマーク実行中の平均電力で割った値，いわば電力あたりの演算性能を指標とするランキングである．筆者らは，2020年6月，2021年6月，2021年11月の3回のGreen500で1位を獲得した．
ヒューリスティックコンテストでは、一部の数値が与えられないタイプの問題が出題されることがあります。多くの場合はインタラクティブ形式の問題で、少しずつ与えられる情報で数値を予測していくことになります。 (例：AHC003, HTTF2022予選, HTTF2023本選, AHC018) こうした推定タイプの問題では、ベイズ推定が強力な手法となることがあります。 本記事はベイズ推定を使って問題を解いてみたい方の第一歩となることを目的としています(C++での実装例も載せました)。題材はAHC003としました。問題の概要は以下です。 30×30のグリッド(上下左右が辺で結ばれている)があり、各辺の長さは与えられない。 始点と終点が与えられるので経路を出力すると、その経路の長さ(±10%の誤差を含む)が返ってくる。これを1000回繰り返す。 出力した経路が最短経路に近いほど得点が高くなる。回数を重ね
Pythonで学ぶ線形代数
【Pythonで学ぶ線形代数】講座の概要 科学技術計算に Python を活用する場合、解くべき問題は可能な限り行列（より一般的にはテンソル）で表現し、コンピュータに配列処理を実行させます。なぜなら、科学技術計算用パッケージ NumPy は、大規模な配列演算を高速処理するように設計されており、Python エンジニアはその処理速度を減速させないコードを書くことが求められるからです。 配列演算の基盤となる数学は 線形代数（linear algebra）です。NumPy および、NumPy をベースに構築された SciPy は、linalg というモジュールに線形代数演算用の関数をまとめています。 『Pythonで学ぶ線形代数』では、テーマごとに行列やベクトル演算のコードを実装しながら、線形代数の数理構造を解説します。このシリーズの記事を読み進めることによって、配列を用いたプログラミングと線形
線形代数の理論とPythonによる実践
データサイエンスを目指す人が最初に学習すべき数学が線形代数です． また線形代数は，本格的な数学を学ぶ入口としても本カリキュラムは最適です． 線形代数の最も自然な導入は，連立方程式の解法です．最初に連立方程式を古典的な解法に沿って復習します．その上で，同じことを線形代数の現代的な表現に置き換えます．現代的な解法は，ベクトルと行列を使用した方法です．連立方程式の古典的解法であるGaussの消去法が行列のLU分解に置き換わります．これにより，現代的な線形代数の意味を納得することができます． 最初は解ける連立方程式を扱いますが，その次に解けない連立方程式を扱います．解けない連立方程式は応用を考えると極めて重要です．解けない方程式を「解無し」として済ますのではなく，近似解を求める手法を展開します．その方法は最小2乗法と呼ばれる方法ですが，最小2乗法で求めた結果を整理すると，線形代数の射影の問題になり
はじめに yosupo judge データ構造やアルゴリズムが沢山集まる場所ですが、どうしてもハードルが高いので、初心者でも取っ掛かりやすいようにまとめます 間違いがあったり追加してほしい記事があればtwitterまで報告してくれると嬉しいです(Qiitaのプルリクでもいいです) テストケースを見たい方はこちらを参考にしてください yosupo judgeのテストケースを見る方法 目次 Sample Data Structure Graph Tree Math Convolution Polynomial Matrix String Sample A + B APG4b Many A + B fastIO(Codeforces) 高速I/O処理 - yaketake08's 実装メモ Data Structure Associative Array 恐らくfixed universe pr
推薦システム - 共立出版
本書で特徴的なのは、推薦システムの本質は何かということについて、予備知識がなくても理解できるように、例を用いながら要点を簡潔に述べようとしている点にある。なかでも、マトリクスの空欄を埋めるマトリクス分解アルゴリズムは本書において中心的な位置を占めている。 このアルゴリズムは、単に商品販売促進に使われているというだけでなく、感染症リスク予測や項目反応理論など医療や教育などの分野へ応用することも可能であり、本書ではさまざまな分野に応用される推薦システムアルゴリズムの多彩な姿も紹介している。そのうえで、一般的な推薦システムに使われる協調フィルタリングやモデルベース、コンテンツベース、知識ベース、アンサンブルなどについても説明している。 推薦システムは、決してある専門的な分野に特化して閉じた領域の中で成立するような固定化されたものではなく、数学、統計、情報分野のさまざまな要素がネットワークとして結
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
20世紀のトップ10アルゴリズム - 共立出版
NVIDIA 数学ライブラリによる GPU アプリケーションの高速化
防衛省サイバーコンテスト2023 Writeups - はまやんはまやんはまやん
Green500連覇への道のり｜情報処理学会・学会誌「情報処理」
ヒューリスティックコンテストでベイス推定に入門しよう - 競技プログラミング学習
【競技プログラミング】目指せ全完！！！yosupo judgeの解説記事まとめ - Qiita