You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
GitHub - mozilla/TTS: :robot: Deep learning for Text to Speech (Discussion forum: https://discourse.mozilla.org/c/tts)
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
東芝、“疑似量子トンネル効果”で組合せ最適化計算を高速・高精度化 「世界最速・最大規模」うたう独自の量子コンピュータ発アルゴリズムを開発
東芝は2月4日、一部の量子コンピュータが得意とする「組合せ最適化問題」を、従来のコンピュータでより高速に計算するアルゴリズムの改良版を発表した。現状の量子コンピュータを含む他の計算方式よりも速度で上回り、より大規模な問題も解けるとして「世界最速・最大規模」（同社）をうたう。2021年中に、同アルゴリズムを搭載したハードウェアやクラウドサービスの提供を目指す。 2019年に発表した、同社が研究中の独自の量子コンピュータから着想を得た「シミュレーテッド分岐アルゴリズム」（SB）を改良したもの。“疑似量子トンネル効果”を取り入れたことで、大規模な問題でも最適解を経験的に計算できるようになったという。 GPUやFPGAへの実装が可能で、GPU16台を接続した環境では100万変数という大きな問題でも約30分で事実上の最適解に到達できたという。同様の問題を解く一般的な手法として知られる「シミュレーテッ
So far in this series, we’ve discussed GC::INTERNAL_CONSTANTS, the Tri-Color Mark and Sweep algorithm, Generational GC and Incremental GC. We’ll build on what we’ve learned in this post about the newest addition to Ruby’s GC: compaction. Fragmentation Before we dive into compaction, we need to learn about fragmentation. Fragmentation is the term we use to describe memory when it’s allocated non-co
SAIGアルバイトの後藤です。業務では、アルゴリズムの知識を用いた既存処理の高速化やスケジュールの自動作成による業務の効率化を行っています。 配送計画問題など、最適化問題に属する社会課題は、部分問題に巡回セールスマン問題(TSP: Travelling Salesman Problem)を含むことが少なくありません。したがってTSPの基本的なアプローチを知っていることは重要です。TSPは組合せ最適化の代表的な問題として古くから様々なアプローチが試みられており、本記事は専門家の方にとっては既知の内容だと思いますが改めて紹介します。この記事では、2/3-optの焼きなまし法(SA: Simulated Annealing)より良い解法として2/3-optの反復局所探索法(ILS: Iterated Local Search)を紹介します(競技プログラマへ: TSPは焼きなましより山登り + K
Computing Expert Says Programmers Need More Math | Quanta Magazine
Leslie Lamport may not be a household name, but he’s behind a few of them for computer scientists: the typesetting program LaTeX and the work that made cloud infrastructure at Google and Amazon possible. He’s also brought more attention to a handful of problems, giving them distinctive names like the bakery algorithm and the Byzantine Generals Problem. This is no accident. The 81-year-old computer
人工生命の交配による優秀なAIの探究
ニューラルネットワークの構造を自動的に探索するNAS（ニューラル構造探索：Neural Architecture Search）。AI研究者の清水亮氏が、人工生命（A-Life）における遺伝的アルゴリズムにおいても、ニューラル構造探索が有効かどうかを検証した。 by Ryo Shimizu2023.01.13 15 15 最近、世の中のAI研究の流れが、急激にNAS（Neural Architecture Search）、つまり「ニューラル構造探索」に傾いているように感じる。 これまで、AIの、特にディープラーニングで用いられるニューラルネットの研究と言えば、研究者自らがニューラルネットの構造を設計し、実験しながらその性能や意味を確かめていた。 ディープラーニング以前のAIの画像認識アルゴリズムの場合は、それに加えて、人間の研究者が「特徴量」と呼ばれる量、つまり画像のどの部分を特徴としてと
現在はテスト段階なので、テスト参加者が付ける注釈はBirdwatch専用サイト（日本からは内容を見ることができない）に掲載されている。このサイトでユーザー同士が注釈を評価し、ランキングも表示される。 Twitterは良い注釈の例として、「クジラは哺乳類ではない」というツイートに、なぜそのツイートが間違っているのかをわかりやすく説明し、根拠へのリンクを添えた注釈を紹介している。 公開前の段階で、幅広い政治的スペクトルの100人以上を対象に行なった調査では、人々はTwitter自身や権威者によるものよりもコミュニティの意見を参考にすること、ラベルよりもコンテキストを参考にすることなどが分かったとしている。 Birdwatchを透明性のある仕組みにするために、投稿された注釈はすべてダウンロードできるようにする。また、Birdwatchのアルゴリズムは公開する予定だ。ランキングシステムのアルゴリズ
2025年11月時点における世界最高速の向聴数計算アルゴリズムを開発・実装してしまった件について - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 結論 - 2025年11月時点における世界最高速の向聴数計算アルゴリズムの実装 本稿で説明する向聴数計算アルゴリズムの実装は https://github.com/Cryolite/nyanten で公開しています．この実装による手牌1つあたりに対する向聴数計算の速度は， Intel Core i9-12900， Ubuntu 24.04.3 LTS， GCC 15.2.0 を利用して計測した結果，平均して約40ナノ秒でした．もしこの向聴数計算アルゴリズムの実装が2025年11月時点における世界最高速のものであることに異論がある場合は，
Falling Sand
This post is part of a series. Be sure to check the bottom of the article for the next post! Over the years there have been a number of projects focusing on building systems of particle materials that interact with one another. The first I saw was called "Powder Game", which had all kinds of features and was written in Java. More recently there has been Sandspiel and an entire roguelike game (igno
Remove stats collection code measuring how often Tweets from specific… · twitter/the-algorithm@ec83d01
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
はじめに この記事はUnity #3 Advent Calendar 2020の9日目の記事です。 この記事では高速フーリエ変換(FFT)を使った海洋シミュレーション、FFT Oceanについて書いていこうと思います。Unityに限らずいろんなゲームエンジンで再現できるよう理論サイドも俯瞰しつつ、私が実装を通して理解したことをまとめています。 まずはこんな感じの絵を出すところまでを目標にします。 次に発展として、法線ベクトルの算出や、より波を尖らせてそれっぽくすることをやっていこうと思います。 最終的にはこんな絵ができあがります。 FFT Oceanについて 音声信号などの波形はフーリエ変換することで周波数を得ることができます。逆に周波数情報から波形を求めることができます→逆フーリエ変換。 FFT Oceanは海面の高さを周波数から逆フーリエ変換で求めてしまおうというものです。すなわち周波
![[Unity] 海洋シミュレーションFFT Oceanを実装したい - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/f9669a37853a443530870d818e11c9e0ce3b67b6/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Fadvent-calendar-ogp-background-7940cd1c8db80a7ec40711d90f43539e.jpg%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkYwJTJGMjI3MzYxJTJGcHJvZmlsZS1pbWFnZXMlMkYxNzMxODU2MTgyP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz04NzliZmEwMjNlYWQwNmI1Yjc2MzZkNWIzMmEwYzhlYg%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Df508592d4aa00ba5199bf8d12c33b04b%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCVW5pdHklNUQlMjAlRTYlQjUlQjclRTYlQjQlOEIlRTMlODIlQjclRTMlODMlOUYlRTMlODMlQTUlRTMlODMlQUMlRTMlODMlQkMlRTMlODIlQjclRTMlODMlQTclRTMlODMlQjNGRlQlMjBPY2VhbiVFMyU4MiU5MiVFNSVBRSU5RiVFOCVBMyU4NSVFMyU4MSU5NyVFMyU4MSU5RiVFMyU4MSU4NCZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzM0EzQzNDJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPTNjYzc2ODk1OWZkZTVhYzFlMzM2ODA3OWRmMTMwNGYz%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBSZWRfQmxhY2tfR1BHUFUmdHh0LWNvbG9yPSUyMzNBM0MzQyZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz03MmEzMmU0YWQyODUzYzcxODMyYzE0MDUwMjMyODI2OA%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3De40a6c1eac0094ba4657496e9eaeb8dd)
CRDTs go brrr
5000x faster CRDTs: An Adventure in Optimization July 31 2021 A few years ago I was really bothered by an academic paper. Some researchers in France put together a comparison showing lots of ways you could implement realtime collaborative editing (like Google Docs). They implemented lots of algorithms - CRDTs and OT algorithms and stuff. And they benchmarked them all to see how they perform. (Cool
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
画像データベースの想定外使用がAIアルゴリズムにバイアスをもたらす恐れ――米大学研究チームが明らかに
画像データベースの想定外使用がAIアルゴリズムにバイアスをもたらす恐れ――米大学研究チームが明らかに：MRIへのAI適用上の問題点を実証 「オープンソースデータセットが想定外の方法でAIアルゴリズムのトレーニングに適用されると、そのアルゴリズムは、機械学習のバイアスに影響されて整合性が損なわれ、出力の精度が低くなる恐れがある」。カリフォルニア大学バークレー校とテキサス大学オースティン校の研究者のチームが、新しい研究によって明らかにした。 2022年3月21日付（米国時間）で米国科学アカデミー紀要オンライン版に掲載された研究結果は、あるタスクのために公開されたデータが、別のタスクにおけるアルゴリズムのトレーニングに使用された場合に生じる問題を浮き彫りにした。 研究チームは、医療用画像処理に関する研究で有望な結果を再現できなかったときに、この問題に気付いた。「数カ月にわたる研究を経て、論文で使
ゴールデンウィーク(2021-05)に、お勉強を兼ねて React + TypeScript で「ふっかつのじゅもん」の作成ページをGithub Pages 上に作りました（１の方です）。 じつは大昔に、復活の呪文の解析をした日記/作成できる CGI を公開していたことがあります。 （現在は、サイトが消滅して Internet Archive の中だけに存在する） その時のプログラム（＋α）をもとに実装しました。 ついでなので、大昔に書いた「復活の呪文の解析日記」を少しリライトしたものも置いておきます。 ちなみに、ROMの解析などはしておらず、普通に遊んでいる範囲の情報をあつめて帰納的に推測したものです。 プログラムの不具合の究明や何かの調査をする場合に、仮説検証を繰り返して解き明かすことはエンジニアであればだれでも多少は行うことがあると思うので、何かの参考にはなるかと思います（と、かなり
![[ネタ]復活の呪文を解析してみたよ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/fb4cfe54d05bc94bd5caf95c7cfcc3daba089219/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkYwJTJGOTczNTAlMkZwcm9maWxlLWltYWdlcyUyRjE3NDQyMDk4NTg_aXhsaWI9cmItNC4wLjAmYXI9MSUzQTEmZml0PWNyb3AmbWFzaz1lbGxpcHNlJmJnPUZGRkZGRiZmbT1wbmczMiZzPTM3YjRkYzhiMjg2YTEyZDdkZGFmNGJmM2I5MjBlN2Vl%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dfc4186c050626b1e6746d813f5eec926%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCJUUzJTgzJThEJUUzJTgyJUJGJTVEJUU1JUJFJUE5JUU2JUI0JUJCJUUzJTgxJUFFJUU1JTkxJUFBJUU2JTk2JTg3JUUzJTgyJTkyJUU4JUE3JUEzJUU2JTlFJTkwJUUzJTgxJTk3JUUzJTgxJUE2JUUzJTgxJUJGJUUzJTgxJTlGJUUzJTgyJTg4JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LXBhZD0wJnM9MjY0MzExNGFjZTZiODUzMDkwNjM4ZTc3ZjBhYmUyNTA%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDB5b3NoaTM4OTExMSZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPTlhNWI3Y2IyNGVlYWMxODcxMGFlNjBjM2FlMDU5YmQz%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D74cea4eab28352ddb0cea5e2a75a3a5f)
「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。 — Neon Noroshi
「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
過去のテストの実行時間を利用してテストの sharding を効率化する Tenbin というツールを作りました。 この記事では Tenbin が解決する課題と内部実装の詳細について解説します。ツールの使い方などは、リポジトリの README をぜひ読んでもらえればと思います。 Tenbin が解決する課題 テストの実行時間を削減するために、CI などではテストを sharding (分割) して実行することがあると思います。フロントエンドでよく使われる Jest、Vitest、Playwright などのツールでは、実際に sharding の機能を提供しています。 確かに sharding はテストの実行時間を削減できるのですが、分割のアルゴリズムがいまいちで shard 毎の実行時間に大きく差が出てしまった経験はないでしょうか？[1]Tenbin は、この問題を過去のテストの実行時間
AWS Direct Connect でのアクティブ/パッシブ BGP 接続の構築 | Amazon Web Services
Amazon Web Services ブログ AWS Direct Connect でのアクティブ/パッシブ BGP 接続の構築 この記事は Creating active/passive BGP connections over AWS Direct Connect を翻訳したものです。 お客様のデータセンターを AWS に接続する方法はたくさんあります。本記事では AWS Direct Connect (DX) を用いてネットワークを構築する際に、お客様からよくご質問いただく、オンプレミスと AWS との間で Direct Connect 経由のアクティブ/パッシブ Border Gateway Protocol (BGP) 接続を構築する方法について解説します。 冗長性を確保し、高いキャパシティを得るために、多くのお客様が 2 つ以上の DX 接続をデプロイしています。この場合のよ
米Twitterのイーロン・マスクCEO（＠elonmusk）は3月18日（現地時間）、ツイートを「おすすめ」欄などで優先表示する機能に関する全コードを公開すると発表した。米国時間の3月31日に実施すると予告。 マスクCEOは全コード公開の経緯について「コードの透明性を提供することは、最初はとても恥ずかしいと思う。しかし、レコメンド機能の品質の急発展につながるはずだ。そして何より、皆さんの信頼を得ることができればと願っている」と説明している。 コード公開後、ユーザーからの指摘があった場合の対応に関しては「私たちの『アルゴリズム』は非常に複雑で、内部で完全に理解されていない。人々はたくさんのばかげたことを見つけるでしょうが、問題が見つかったらすぐに修正する」と宣言。
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
最初に 決定木とは 1.決定木の基本構造 2.不純度 3. 情報利得 注意して欲しいこと 4. 最適分割点の選択 5. 再帰的な木の成長 6. 停止条件 7. 枝刈り（オプション） フルスクラッチ実装 最後に 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
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 最近、C++を書いていない。 Pythonで書いていることが多いからだ。 C++を書けるということをどういう意味で期待していますか？ C言語のレガシーがコードの安全性を損なっている。 C++言語はC言語の拡張という枠組みになっています。そのため、C言語ヘッダファイルをinclude することができてしまいます。 C言語では、ヘッダファイルのincludeする順序で動作が変わってしまうこと ヘッダファイル中の書かれているdefine マクロが、あなたの書いたソースコードを書き換えてしまうのです。 有名なところではwindows.h のmi
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
GitHub - scandum/fluxsort: A fast branchless stable quicksort / mergesort hybrid that is highly adaptive.
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Writing a document database from scratch in Go: Lucene-like filters and indexes | notes.eatonphil.com
Writing a document database from scratch in Go: Lucene-like filters and indexes In this post we'll write a rudimentary document database from scratch in Go. In less than 500 lines of code we'll be able to support the following interactions, inspired by Elasticsearch: $ curl -X POST -H 'Content-Type: application/json' -d '{"name": "Kevin", "age": "45"}' http://localhost:8080/docs {"body":{"id":"5ac
1.「はてなブックマークガイドライン」公開 先日、はてなから「はてなブックマークガイドライン」が公開された。 b.hatena.ne.jp 冒頭で「表現の自由や意見の多様性を大事にする」一方、「安全性、健全性を保つことも不可欠」という大方針が示されている。 双方が必要であるという大枠部分に関しては賛同する。 特に、他者へのリスペクトを忘れず、コメントの表現に気配りせよという指摘は重要だ。 はてなユーザーの中には、相手を批判する際に人格否定のような言葉を付記する人が散見される。 私は相手に面と向かって同じことを言えるのか、と考えてから書き込むよう心掛けている。 基本的には良いガイドラインだと思う。 2.アルゴリズムによる掲載順位の調整 ただし、アルゴリズムによる掲載順位の調整には反対だ。理由は現状ではアルゴリズムより人間の集合知の方が賢いからだ。 ガイドラインでは「建設的な情報に多くの表示機
Ask HN: What are some cool but obscure data structures you know about? | Hacker News
I'm very interested in what types of interesting data structures are out there HN. Totally your preference.I'll start: bloom filters. Lets you test if a value is definitely NOT in a list of pre-stored values (or POSSIBLY in a list - with adjustable probability that influences storage of the values.) Good use-case: routing. Say you have a list of 1 million IPs that are black listed. A trivial algor
はじめに Haskellでは、ListやTreeがよく取り上げられる一方で、グラフの話題はあまり出てこないことがあります。これは、ListやTreeには適切な始代数があり、それに応じたコンストラクタ（パターンマッチング）がうまく機能するためです。しかし、グラフ構造でも実はmatch関数を使ったパターンマッチングで、驚くほど簡潔に各種のアルゴリズムを実装できます。 グラフの基本構造 まず、グラフの基本構造を以下に示します。 import Data.List import Data.IntMap.Strict (IntMap) import qualified Data.IntMap.Strict as IM type Gr a b = IntMap (a, IntMap b) type Node = Int type LNode a = (Node, a) type Edge = (Node
うさぎでもわかるアルゴリズム 動的計画法
こんにちは、ももやまです。 動的計画法は、アルゴリズムでもかなり重要な内容です。AtCoderやらプログラミングコンテストとかでもよく出てきます。 ですが、動的計画法は「アルゴリズムを学ぶ上での壁・登竜門」とも呼ばれるとおり、かなり難易度の高いアルゴリズムとなっています。どの参考書を見てもなかなかわかりやすくは書かれていません。 そんな動的計画法を今回はうさぎでもわかるようにわかりやすくかみ砕いて説明したいと思います。 １．動的計画法とは 動的計画法とは、 問題をいくつかの簡単で小さな問題に分割 それぞれの問題の計算結果を表に記録 同じ問題に対しては表から計算結果を参照する の3つの特徴を持ったアルゴリズムです。 といきなり言われてもわけがわからないと思うので、動的計画法のイメージを説明しましょう。 動的計画法のイメージ 例えば、\[ 28 \times 37 \]の計算を解きなさい。 と
Nospare on Twitter: "カルマンフィルターについて解説します！ https://t.co/HCtnAo6KJZ"
カルマンフィルターについて解説します！ https://t.co/HCtnAo6KJZ
Goga is a genetic algorithm solution written in Golang. It is used and configured by injecting different behaviours into the main genetic algorithm object. The main injectable components are the simulator, selector and mater. The simulator provides a function that accepts a single genome and assigns a fitness score to it. The higher the fitness, the better the genome has done in the simulation. A
脱Google。試す価値がありそうな検索エンジン8選
脱Google。試す価値がありそうな検索エンジン8選2023.02.06 18:0022,751 Lucas Ropek - Gizmodo US ［原文］ （ 岩田リョウコ ） Googleから離れられなかったあなたへ。 1日中してしまうウェブサーフィング。検索ひとつで、ニュースもドラマも、かわいい猫の動画でも何でも見られるし、子どもの名前決め、レシピ、何でも教えてくれます。 そんな何でも教えてくれるウェブ検索ですが、みなさん、いつもたったひとつの会社の検索エンジンしか使ってないんじゃないでしょうか？ そう、Googleです。 ある調査ではGoogle.comの市場占有率は92%。キング・オブ・検索エンジンです。でも自分の検索のすべてがGoogleって考えてみるとちょっと分散させたいような気もしませんか？ というわけで、抵抗してるわけじゃないですけど、Google以外の検索エンジンのチョ
フェイスブックの元プロダクトマネージャー、フランシス・ホーゲン氏による社内資料に基づく告発が、同社に対する世界的な批判を、新たなレベルに引き上げている。
You’ve reached computer programming nirvana. Your journey has led you down many paths, including believing that God wrote the universe in LISP, but now the truth is clear in your mind: every problem can be solved by writing one more compiler. It’s true. Even our soon-to-be artificially intelligent overlords are nothing but compilers, just as the legends foretold. That smart contract you’ve been wr
はじめに この記事では基本的なアルゴリズムの一つである、ソートアルゴリズムを例にとってアニメーションを使って、アルゴリズムの計算量をみることを目的としています！ アルゴリズムを勉強していく中で、計算量という言葉を目にすることが多いと思います。 しかしながら、計算量について実際に、アルゴリズムごとでどの程度違うのか、ということは直感的に分かりにくいと思います。 そこで！ 直感的に分かりやすいように、ソートアルゴリズムをこのようにアニメーションを使って可視化させてみたので、勉強の参考であったり、通勤中の暇つぶしなどに活用してみてください！ アニメーション例（クイックソート）↓ 最初に計算量について解説するので、アニメーションだけ見てみたいという方は 実際に比較してみる 全体比較 をご覧ください！ ソートアルゴリズムについて ソートアルゴリズムとは、名前の通り「ソート（並び替え）」を行うアルゴリ
Text editors can be an interesting challenge to program. The types of problems that text editors need to solve can range from trivial to mind-bogglingly difficult. Recently, I have been on something of a spiritual journey to rework some internal data structures in an editor I have been building, specifically the most fundamental data structure to any text editor: the text. Table of Contents Resour
Raft
グーグルの研究チームが、検索エンジンの根本的な改修案を発表した。20年以上にわたって使われてきた『索引付け・回収・順位決定』という仕組みの代わりに、インターネット上の膨大な文書で訓練した大規模言語モデルを使って、ユーザーの問い合わせに自然な言葉で回答するようにしようというものだ。 by Will Douglas Heaven2021.05.17 94 13 16 1998年、スタンフォード大学の大学院生2人が新たな種類の検索エンジンについて説明した論文を発表した。「本論文で私たちは、ハイパーテキストに見られる構造を活用した、『グーグル（Google）』という大規模な検索エンジンの試作型を提示します。グーグルはWebを効率良く移動して索引を付けることで、既存のシステムよりもはるかに満足度の高い検索結果を生み出すように設計されています」。 論文の柱となるイノベーションは「ページランク（Page
テラーノベルで機械学習を中心に担当している川尻です。最近、グラフニューラルネットワーク(GNN)に注目してサーベイしています。今回は、実際のテラーノベルのデータを簡単なモデルに適用してみたので報告します。 グラフニューラルネットワーク (GNN) グラフニューラルネットワーク（GNN）とは、グラフ理論において対象を「ノード」と「エッジ」からなる「グラフ」として扱うためのニューラルネットワークの一種です。例えば、テラーノベルにおいては、ノードがユーザーや作品の一つ一つを表し、エッジが「読んだ」「いいね」「フォロー」などを表します。ディープラーニングの発展に伴い、GNNの研究も盛んになっており、大規模なデータや様々なタスクに適用されるようになっています[1]。 テラーノベルでのグラフの例 arxivで投稿された年ごとの「Graph Neural Network」がタイトルに含まれている件数 G
はじめに平素は大変お世話になっております。 クイックガードのパー子です。 弊社ではお客様のメール環境の管理をお任せいただく案件も多く、送信ドメイン認証として必ず DKIM (DomainKeys Identified Mail) を設定するようにしています。 Amazon SES や SendGrid などのモダンなメール送信サービスでは、その仕組みを知らなくてもガイダンスにしたがってセットアップするだけで簡単に DKIM を有効化できます。 このように DKIM を利用しやすい状況が整っているのはとてもよいことなのですが、詳細を知らずにただ使うのではインフラを扱う者の心構えとしては不充分です。 そこで本記事では、DKIM がどのような仕組みで動いているのか理解するために、手動での DKIM のセットアップと署名付与にチャレンジしてみました。 DKIM の大まかな仕様一般財団法人インターネ
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
Ruby Garbage Collection Deep Dive: Compaction
巡回セールスマン問題(TSP)の基本的な解き方(ILS) | フューチャー技術ブログ
Twitter、偽情報対策「バードウォッチ」のテスト公開 コミュニティ主体でツイートに注釈追加
[Unity] 海洋シミュレーションFFT Oceanを実装したい - Qiita
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
[ネタ]復活の呪文を解析してみたよ - Qiita
テストの sharding を効率化する Tenbin というツールを作った
Twitter、“おすすめツイート”選出アルゴリズムを公開へ マスクCEOが予告
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
決定木の理論とフルスクラッチ実装とその解説 - tomtom58’s blog
C++で実装するなら(2023年時点での考え） - Qiita
アルゴリズムによる掲載順位の調整に関する提言 - 東雲製作所
Haskellでグラフアルゴリズムを攻略する(WIP)
GitHub - tomcraven/goga: Golang Genetic Algorithm
Facebookが「社会を悪くする」のを止めるために必要な、これだけのこと
The life and times of an Abstract Syntax Tree
アニメーションでみるアルゴリズムの計算量 - Qiita
Text Editor Data Structures
グーグル「次世代検索エンジン」案、研究チームが考案
グラフニューラルネットワーク(GNN)を使ったタグ分類
DKIM の署名を手動で付与してみる - QG Tech Blog
suzuri.jp
newswitch.jp
www.ikujineko.com
news.yahoo.co.jp
plea5station.com
youtu.be