JavaScriptの概要から始まって、フレームワークやオブジェクトなど仕様の隅々まで解説しています。 沢山のサンプルコードとテクニック集もご用意、遠慮なくご利用ください。
JavaScriptの概要から始まって、フレームワークやオブジェクトなど仕様の隅々まで解説しています。 沢山のサンプルコードとテクニック集もご用意、遠慮なくご利用ください。
少し遅れてしまったが、今年この本を読了したので、ブログにかいとこ。 ネットワーク研究で有名な増田先生の著書。 ふとネットワークに興味を持ち、輪読会形式の読書会ですべてを読破した。 複雑ネットワークに関する基本的な内容から具体的なモデルなどの詳細な説明をグッと説明していただいている。数式展開がかなりあり、なかなか読みごたえもあるし、ところどころ展開を飛ばす箇所もあり、独学するとなかなか厳しいかもしれない。 しかし、非常に勉強になるトピックが多く、引き続きレファレンスとして本棚に常備しておきたい1冊だ。 ■目次 第1章 準備 1.1 複雑ネットワークとは 1.2 グラフの基礎 第2章 ネットワークの特徴量 2.1 次数分布 2.2 平均距離 2.3 クラスター係数 2.4 次数相関 2.5 中心性 2.6 コミュニティ構造 2.7 モチーフ 第3章 実データ 3.1 人間関係ネットワーク 3.
やる夫cry2 実験データの解析とかで信号処理をしなくちゃならないことが多くなってきたお… やる夫cry 数学でフーリエ解析とか習ったけど,真面目に聞いてなかったのでさっぱりわからないお… やる夫 だからやらない夫に教えてもらうお! やる夫で学ぶディジタル信号処理 東北大学 大学院情報科学研究科 鏡 慎吾 更新履歴 (最終更新: 2016.01.08 ) PDF版 アスキーアートがないと読む気にならないという方は,ページ上部の「アイコンを表示する」をクリックしてください.アスキーアートではないけど多少は助けになるかも知れません. 講演の機会を頂きました.ご関係各位に感謝します: やる夫で信号処理は学べるか ―東北大学機械知能・航空工学科における信号処理教育とウェブ教材― (依頼講演), 電子情報通信学会総合大会, AS-2-8, 九州大学伊都キャンパス, 2016年3月16日. [PDF]
あなたは 番目のお客様です。 本書は神経心理学の入門書である。社会心理学、臨床心理学なら聞いたことがあるが、神経心理学なんて初耳だという人が多いかも知れない。町の本屋さん、あるいは図書館などでも余程大きな所でないと神経心理学書、特にその入門書を見つける事は出来ない。と書くと、神経心理学は非常にマイナーな心理学、あるいは一般の人々とは余り縁のない心理学と思われるかも知れない。しかし、神経心理学に関する国際的な専門学術雑誌は30誌を超える。心理学の諸領域の中では飛び抜けて多い。日本語の専門学術雑誌も2誌ある。これも他の領域では例を見ない。神経心理学はマイナーな心理学ではない。また、神経心理学の主要な研究テーマの一つに認知症がある。現代社会において非常に重要な問題であり、多くの人々にとって大変関心がある話題であろう。神経心理学は一般の人々とは縁のない心理学でもない。それでは何故神経心理学の入門書
オブジェクト指向の世界(31): 情報を媒体に転写する? 形相と質料 前回は、学習パターンを紹介した。今回は「転写」と「媒体(メディア)」について整理してみる。(2011/6/27) オブジェクト指向の世界(30): SFC学習パターンを新人研修に適用する- 暗黙知と形式知 前回は、フラクタルの2つの特徴を紹介した。今回は「SFC学習パターン」をテーマに、暗黙知対形式知の視点で考える。(2010/12/22) オブジェクト指向の世界(29): フラクタル - 自己相似形とべき乗則 前回は、慶応義塾大学SFCの「学習パターン」を紹介した。今回は話題を一転して、同じ図形パターンがスケールを変えて何度も現れるフラクタルについて考える。(2010/10/18) オブジェクト指向の世界(28): パターン言語事例 - 慶應SFCの『学習パターン』 学生向けに「学び方」を伝えるためにパターン言語を使っ
思いは言葉に。 はてなブログは、あなたの思いや考えを残したり、 さまざまな人が綴った多様な価値観に触れたりできる場所です。
赤池弘次氏が「応用数理」という学術誌に書かれた三本の論文へのリンクと、一部引用、筆者の覚書をつけ加えました。以下に挙げたものだけではなく、はっとするような磨かかれた言葉がたくさん書かれています。また、統計学を学びはじめてしばらくしてその意味が心に染み込んでくるようになってきました。 統計的思考と応用数理 ー 前提となるモデル化の技 1999 年 9 巻 1 号 p. 66-68 https://doi.org/10.11540/bjsiam.9.1_66 応用と言う以上、そこには数理の外に実在する対象の存在が前提される。対象についての適切なモデル化がなくては、数理の適用は不可能である。このモデル化には対象についての体感的な深い理解に基づく「技」が求められる。モデル化の技との結び付きが無くては、応用数理の展開はありえない。 ここで言われる「適切なモデル」の適切さを予測の観点で測る指標のひとつ
Information and Communication Engineering Tohoku Institute of Technology 通信コース 中川研究室 研修担当:中川朋子教授 情報通信工学の技術を利用して 太陽-太陽系空間-地球磁気圏の研究を行っています。 所在地/連絡先 八木山キャンパス 3号館3階 New! 2024年2月にURL変わりました ◆卒業研修 ◆中川研の卒業研修 ◆写真で見る研究室活動 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 00 99 98 97 96 95 ◆歴代の卒業論文 ◆卒業生の風の便り ◆在学生・OB製作のページ ◆川渡ELF観測状況 ◆wakeへのイオン侵入「自己相似解」導出 ◆大学院 ◆大学院へのご案内 ◆中川研修士論文 ◆中川研大学院生
すべての評価関数に適用できる効率のよいアルゴリズムは存在しない。 “すべての評価関数”というのは上の例で言えば“すべての”ということである。 この定理を証明する前に、まずよく知られた探索アルゴリズム[5]を挙げて、探索とはそもそもどのようなものなのかを説明しよう。 探索アルゴリズム “探索”というのは問題の解の候補の中からよいものを探し出すことである(同語反復という感じだが)。ここでは次のように、評価関数が定義された問題を解く過程のことを探索と呼ぶことにする。 解の候補の有限集合を、その要素のひとつをとする。 評価関数はから有限集合への写像である(の要素のひとつをで表す)。 の最大値を与えるようなが問題の解で、それを見つけたいのである。 このような探索問題を解くためのアルゴリズムには大きく分けて次の2つがある。 アルゴリズムのように知識を用いて解を構成するもの(適切なヒューリスティックスが
「慶應オンライン」は、2024年2月29日をもって終了いたしました。 長らくご利用いただき、誠にありがとうございました。 ご住所や勤務先等の変更は、下記URLよりお届出ください。
Announcements: [11/27] Solution for homework 4 has been posted. [11/22] Last year's final exam has been posted. [11/22] The second midterm is scheduled on the 2nd of December during class. It will be an open book, open notes exam. This midterm covers the following topics: sequence classification (HMMs, log-linear sequence classification), EM for product of multinomials, forward-backward algorithm,
生物学特論A(分類系統学II)またの名を「数理生物学」と申します。 なぜ数理生物学なのかと申しますと,東京女子大学当局からこの科目の講義 依頼を受けた時には,「数理生物学」でお願いします,と言われたからです。 以来,私は数理生物学という授業を担当するものだとばかり思っていました。 他意はありません。とりあげる内容はシラバスに書いたとおりです。 科目名:生物学特論A 合同授業・共通授業:分類系統学II 科目区分:数理科学科情報理学専攻 履修年次:2,3,4 担当者:浅川伸一(あさかわしんいち)asakawa@ieee.org 開講期:前期 授業用メーリングリスト:mathbio2010@ml.twcu.ac.jp 要求される知識 PCに関する知識:あればあった方がよいですが, PCに嫌悪感を持っていない程度でよいです。 プログラミングに関する知識:まったく不要 数学に関する知識:大学一年生の
Forum for Research on the Cerebral Cortex and Associated Neural Circuits 大脳皮質を中心とする神経回路の研究フォーラム This page is written partly in Japanese. ------------------------------------------------------------------------ I) The scope of this forum このフォーラムの目的 II) Theoretical Model for the Neural Circuits of Cerebral Cortex and its Related System 大脳皮質と関連する神経領域の回路モデル (The following items are pdf files written
HMMは、不確定な時系列のデータをモデル化するための有効な統計的 手法である[4]。HMMは、出力シンボルによって一意に状態遷移先が 決まらないという意味での非決定性確率有限オートマトンとして定義される。 出力シンボル系列が与えられても状態遷移系列は唯一に決まらない。観測でき るのはシンボル系列だけであることからhidden(隠れ)マルコフモデルと呼ば れる [60]。 HMMはパラメータとして状態遷移確率、シンボル出力確率、初期状態確率を持 つ。そして、シンボル出力確率の計算方法によって離散型HMMと連続分布型HMM に別れる。また、シンボル出力確率が状態で出力されるMooreマシンと状態遷 移で出力されるMealyマシンに分類できる。以下では、Mealyタイプの離散型 HMMについて述べる[60]。なお、MooreタイプとMealyタイプは相互 に変換可能である。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
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