はてなブックマーク

あれ，これじゃあP(Y|X) x P(X)の結果を足しても1にならないじゃん．確率って全事象について足したら1にならないといけないんじゃないの？と思ったそこのあなた．正しいです．ベイズ論者も気がついたようです． ベイズ論者：「あー！正規化忘れてたわ笑．」 てなわけで，正規化（和が1となるように全データに平等に下駄を履かせる処理）をします． | 出た目 | P(Y|X) x P(X) 正規化前 | P(Y|X) x P(X) 正規化後 | |:-----------:|:-----------------------:|:--------:|:-----------:| | 表 | 0.45 | 0.45 / (0.45 + 0.10) ≒ 0.82 | | 裏 | 0.10 | 0.10 / (0.45 + 0.10) ≒ 0.18 | ベイズ論者：「このイカサマ師の投げたコインが表になる

※行列演算のためだけにOpenCVを使用したのは反省です...．開発当時はEiganを知りませんでした ^^; 画面構成と機能 まずは，StefAny の画面を構成する4つの主要な項目とそれらの機能について説明します． 画面要素 1: 粒子パラメータグラフ フィルタの推定に関する詳細情報（e.g. , 事前・事前推定値，粒子重み・ヒストグラムなど）を表示します．マルコフ性を仮定したモデルの解析を想定し，指定時刻とその一時刻前の情報を比較できるような画面構成としています． 画面要素 2: 時系列グラフ シミュレーションの時系列情報（e.g. , 真値，観測値，フィルタ推定値，推定誤差など）を表示します． 画面要素 3: モデル選択・フィルタパラメータ設定領域 シミュレーション時に必要となるモデルやフィルタのパラメータの設定（e.g. , 状態空間モデルの選択，PF の粒子数の設定など）を行う

本エントリの目的 この度，勉強を兼ねて，ライブラリを使わずにDeep Learning (ディープラーニング) を実装したので，ご紹介致します．言語はPythonです． ただし，参考にした書籍があります．本エントリでは，その書籍の紹介と，その書籍に記載されたJavaコードを元に，Pythonで再実装したコードについて説明をします． 背景 最近のAIブームの火付け役として，ディープラーニングが注目を浴びていることは，今更ここで述べるほどのことではないと思います．最近この手の本が大量に出版されていることを鑑みても，その注目度の高さが容易に伺えます． ただ，世の中皆が皆AIを専門に仕事をしているわけではありませんし，むしろそのような方は本当に一部の層に限定されます．多くの人は， 今ディープラーニングに直結した仕事をしているわけではないんだけど，近い将来AIがインフラとして導入されることを考えると

はじめに UbuntuでOpenVPNを使いたくなったので，設定手順をメモしておこうと思います． 私が素人だからという理由でしかないのですが，自分でOpenVPNに関して調べてみても，大群が押し寄せてくるばかりで，もう頭がパンクしてしまいました(×o×) 構成が複雑だったり，説明が難しかったりで，ド素人の私は設定に相当ハマりまして...^^; 情報が分散していたり，ある手順が抜けていたりするので，複数の文献やサイトを見ながら自分で必要な項目だけを抽出していく作業に相当な時間を要してしまいました^^; 私のオツムが足りないだけなのですが… そんな経験をした私自身が，世の中の同じような悩みをもつ方にとって少しでも参考になればと，ステップバイステップの記事を書くことにしました． 各作業の位置づけを把握できるように，随時関連イラストを挿入するようにしました． 私同じような初心者の境遇の方にとって，

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに ROSには，ロボットの自律移動を実現するNavigation Stack という枠組みが存在します． ROSのド素人である私がこれと出会ったとき，こう思いました． 「わっけわっかんねーw」 不束者の私は，経路探索，自己位置推定，地図生成などの機能に対して，種々のセンサが情報がどのように作用しているのか，中々全体像が把握できないまま何となく使わせてもらっていました． このままではいかん！というわけで，Navigation Stack のソフトウェアの構成と，各モジュールがやりとりするメッセージの関係性がある程度分かるようになるこ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに パーティクルフィルタは逐次ベイズフィルタの一種で，ロボットの位置推定や画像中の物体追跡等でよく使用されます．非線形なモデルや，非ガウス性のノイズが混入するシステムでも適用可能であるうえ，実装が容易であることから，広く使われているようです． パーティクルフィルタは「分布」を推定する仕組みなので，実用上はただ一点の推定値（点推定値）を算出する必要があります．その方法として「重み付き平均」が一般によく採用されるようなのですが，ぱっと調べたり，論文を読んだりしてみても，天下り的に使われていることが多いようでした． ところが，ど素人の私

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

はじめに ROSをいじり始めて半年ぐらいのド素人が，Learning ROS for Robotics Programming - Second Editionという本で，Chapter 10: Manipulation with MoveIt!の章を勉強をしているときに，このメモを残そうと思い立ちました． 理由は，ros_controlのControllerとHardwareInterfaceが絡むあたりで激しく混乱したからです笑． 取り敢えずチュートリアルに沿って作業をすれば動かせるけど，どういうフローでメッセージのやりとりがされていのか，パッとコードを見てもイメージできなかったのです． そこで，ちょうどこの書籍でROSを勉強していたので，そこで扱われているロボットモデルを例題に，HardwareInterface周りの処理の流れを追ってみることにしました． さて，Chapter 10