IBM DeveloperIBM Developer is your one-stop location for getting hands-on training and learning in-demand skills on relevant technologies such as generative AI, data science, AI, and open source.
lp_solve と C の連携 - 長靴をはいたネコ
lp_solveをC言語に組込んで使う方法についてのリクエストがあったので、簡単にですが紹介したいと思います。 単体で動作させる方法については・・・こちらを参照ください。 なお、想定している計算機環境は、以下の通りです。 ・Linux (debian) カーネル2.4 ・gcc (g++) version 2.95.4 ・lp_solve 4.0 さて、前回と同様に次のような線形計画問題(LP)を考えます。 Maxmize 2.5x1 + 5x2 + 3.4x3 Subject to 2x1 + 10x2 + 4x3 ≦ 425 6x1 + 5x2 + 8x3 ≦ 400 7x1 + 10x2 + 8x3 ≦ 600 決定変数は、x1, x2, x3 です。 あと、決定変数に非負の実数条件が付加されます。 これを行列を使って表現すると Min cx Ax ≦ b ここで、 xは決定変数を表
lp_solve - 長靴をはいたネコ
アクセス解析を見ると「lp_solve」というキーワードで飛んでくるひとが多いので、今日はその話題。簡単な使い方、例題をあげながら解説していきます。 さて、lp_solve はフリーの最適化ソルバーです。つまり、最適化問題（線形計画問題＋混合整数計画問題）をチャッチャッと解いてくれるソフトウェアです。しかも、有償ではなく無償のフリーソフトです。 単体でも動作するし、CまたはC++のライブラリとしても使うことができる優れものです。 メインはLinux版ですが、Windows版もあるようです。ただ、Windows版はあとになってからでたものなので、いまいち動作が怪しい？という噂も聞いた事があります。 ここでは、Linux版(Debian)を想定して解説します。 ちなみに、GUIは備えてないのであしからず。 まず、インストールは、rootになって以下のコマンドで。 ＞ apt-get insta
Using lpsolve from Python
Using lpsolve from Python Python? Python is an interpreted, interactive, object-oriented programming language. It is often compared to Tcl, Perl, Scheme or Java. Python combines remarkable power with very clear syntax. It has modules, classes, exceptions, very high level dynamic data types, and dynamic typing. There are interfaces to many system calls and libraries, as well as to various windowing
線形計画問題（LP）を解くためのOctave関数
標準形の線形計画問題 minimize z = c'x subject to Ax = b, x >= 0 を解くためのOctave関数を紹介します． シンプレックス法（2段階法）によるプログラム 作者：吉田和信 参考文献：[1] 坂和正敏，線形システムの最適化 <一目的から多目的へ>，森北出版，1984. lp.m の中で simplex.m を simplex.m の中で pivot.m を呼んでいます． 例題(参考文献[1]，p.39) octave:1> A = [2 5 3 -1 0 0; > 3 2.5 8 0 -1 0; > 8 10 4 0 0 -1] A = 2.00000 5.00000 3.00000 -1.00000 0.00000 0.00000 3.00000 2.50000 8.00000 0.00000 -1.00000 0.00000 8.00000 10
線形計画ソルバー - yamblog
google code jamの過去問を解いていたら線形計画のソルバーが欲しくなったのでlp_solverを入れてみた． 入れ方は sudo apt-get install lp-solver ハイフンに注意 lp_solverを使えば，例えば のような線形計画問題を解きたいときは max: 20 x + 30 y; x + 2 y <= 800; 3 x + 4 y <= 1800; 3 x + y <= 1500; をhoge.lpに保存して lp_solve test.lp とすれば Value of objective function: 13000 Actual values of the variables: x 200 y 300 のように解いてくれる． javaから使う スクリプトで処理をするよりjavaで書いた方が速い（java以外で何も見ずにかけるような言語がない）ので
mots quotidiens.
1週間ほど前に, 京大の Neubigさん から, FST上の教師なし単語分割ツール latticelm [LINK] の実装を公開した, との連絡をもらったので, 試してみました。 このツールは僕が前にやった教師なし形態素解析ができる他 (NTTではどうやっても 僕のコードは公開できないのですが), Neubigさん自身の研究 で, 音声認識結果の音素ラティスからの直接の言語モデル学習が可能なようです。 インストールには普通に OpenFST を configure; make してから, latticelm の ディレクトリでmakeを実行するだけ。以下は京大コーパスに対して実行してみた ものです。 sj205:~/work/neubig/latticelm% time ./latticelm -annealsteps 0 -unkn 5 -burnin 10 -samps 12 -p
「言語処理のための機械学習入門」勉強会を開催しました - kisa12012の日記
2010/8/6,7の2日間を用いて、「言語処理のための機械学習入門」を輪読する勉強会を開催しました。 発表者の皆様、お疲れ様でした。 以下、現時点で公開されている発表スライドを掲載します。 （発表資料に問題等あれば、TwitterのDMなどで御連絡ください。サイドバーのプロフィール欄に連絡先が記載されています。） 2章：文書および単語の数学的表現 100816 nlpml sec2View more presentations from shirakia. 4章：分類 Ml for nlp_chapter_4View more presentations from hylosy.Ml4nlp 4 2View more presentations from beam2d. 5章：系列ラベリング NLPforml5View more presentations from kisa12012.
Preferred Infrastructureの夏期インターンに行ってきました - kisa12012の日記
8月の上旬から9月の下旬までの2ヶ月間、Preferred Infrastructure(PFI)の夏期インターンに参加してきました。 今回のインターンを振り返りつつ、ブログ記事を書きたいと思います。 PFIでのインターン PFIのインターンでは、インターン生1人1人が各自に定めたテーマに沿って開発を行うというスタイルをとっており、この点で講義や課題形式で行われるインターンとは大きく異なるところだと思います。 2ヶ月間のインターン中に、一定の成果を出すことが目標となります。 各自が取り組むテーマは、インターン生のバックグランドやPFIの事業分野を前提とした上で、インターン生の希望に合わせて定められます。 例として、PFIで現在提供しているソフトウェアを改良するために、今取り組むべき問題を解決する、またはPFIで過去に開発したライブラリを利用して、新しいソフトウェアやサービスを創り上げる事を
Compressive Sensing Resources |
The dogma of signal processing maintains that a signal must be sampled at a rate at least twice its highest frequency in order to be represented without error. However, in practice, we often compress the data soon after sensing, trading off signal representation complexity (bits) for some error (consider JPEG image compression in digital cameras, for example). Clearly, this is wasteful of valuable
Machine Learning (Theory) ? How is Compressed Sensing going to change Machine Learning ?
How is Compressed Sensing going to change Machine Learning ? Compressed Sensing (CS) is a new framework developed by Emmanuel Candes, Terry Tao and David Donoho. To summarize, if you acquire a signal in some basis that is incoherent with the basis in which you know the signal to be sparse in, it is very likely you will be able to reconstruct the signal from these incoherent projections. Terry Tao,
Oprofileでカーネルプロファイリング - ログ日記
etchのメモ。 http://lists.debian.or.jp/debian-users/200805/msg00042.html Debianではvmlinuxを自作する必要がある？ make-kpkg buildapt-get install oprofile modprobe oprofile opcontrol --vmlinux=/usr/src/linux-source-2.6.18/vmlinux opcontrol --start # hogehoge opcontrol --stop opcontrol --dump 今ある環境で試した。 作業ログ。 insmod myfs.ko opcontrol --start ~/mount -t myfs -o dir=/srv/nfs/data 192.168.11.152:/srv/nfs/data /srv/nfs/d
Linux 備忘録 OProfile インストール（ソースより）
http://prdownloads.sourceforge.net/oprofile/oprofile-0.9.5.tar.gz OProfile 0.9.5 http://xenoprof.sourceforge.net/oprofile-0.9.5-xen.patch パッチファイル OProfileディレクトリ内で patch -p1 < oprofile-0.9.5-xen.patch ./congfigure --with-kernel-support → make → make install configure: error: popt library not found # aptitude install libpopt-dev configure: error: liberty library not found # aptitude install binutils
OpenOpt使ってSVM書いた - きちめも
追記(5/19):ガウスカーネル2乗してなかった。コード書き忘れ訂正--); ついでに画像も変更 SMO法使った前のエントリは、殆どpureにpythonでコード書いてたせいか、結構時間がかかっててイライラ。ということでOpenOptの二次計画のソルバー使って手抜きに疎な解を求めてみたの巻。 結果はテストデータ200個の↓の図だと200倍の差が…。scipy+OpenOptぱない コーディングもあっと言う間だし…その…何というか…一昨日の努力は…一体…。まぁデータ200個と少なきゃメモリにのるしね…。 以下適当に書いたpythonのコード。相変わらずグラフの描画とかのコードの筋が悪い気がしてもにょいぜ。 #!/usr/bin/python # -*- coding: utf-8 -*- from scipy import * from scipy.linalg import norm fr
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
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
lp_solve command
moca & colon » 線形計画法(lp_solve)
OpenOptにlpsolveソルバーをインストール - 犬ブログ
ディスクキャッシュを簡単にクリアする - 射撃しつつ前転 改