Strassenのアルゴリズム - 行列の乗算の高速化
シュトラッセンのアルゴリズム（Strassen algorithm）は、行列の積を高速に計算するアルゴリズムである。通常、行列同士の積を計算するにはの時間が必要だが、このアルゴリズムを用いると、の時間で計算できる[1]。1969年、フォルカー・シュトラッセンが開発した[1][2]。 便宜上、を偶数と考えて、以下のように部分行列に分解する。 そして、以下の七つの行列をつくる。 このとき、 の関係が成り立つ。 この関係を利用して計算すると、部分行列同士の乗算が、通常の方法では8回必要なのに、この方法では7回ですむようになり、計算時間が削減される。部分行列への分割を再帰的に行うことにより、さらに計算時間を削減することができる。
ブースティング - Wikipedia
ブースティング（英: Boosting）とは、教師あり学習を実行するための機械学習メタアルゴリズムの一種。ブースティングは、Michael Kearns の提示した「一連の弱い学習器をまとめることで強い学習器を生成できるか？」という疑問に基づいている[1]。弱い学習器は、真の分類と若干の相関のある分類器と定義される。対照的に、強い学習器とは真の分類とよく相関する分類器である。 Michael Kearns の疑問への肯定的解答は、機械学習や統計学に多大な影響を及ぼしている。 ブースティングはアルゴリズム的に制限されてはおらず、多くの場合、分布に従って弱い分類器に繰り返し学習させ、それを最終的な強い分類器の一部とするものである。弱い分類器を追加する際、何らかの方法で重み付けをするのが一般的で、重み付けは弱い学習器の正確さに関連しているのが一般的である。弱い学習器が追加されると、データの重み付
kd木 - Wikipedia
3次元のkd木。根セル（白）をまず2つの部分セルに分割（赤）し、それぞれをさらに2つに分割（緑）している。最後に4つのセルそれぞれを2つに分割（青）している。それ以上の分割はされていないので、最終的にできた8つのセルを葉セルと呼ぶ。黄色の球は木の頂点を表している。 kd木（英: kd-tree, k-dimensional tree）は、k次元のユークリッド空間にある点を分類する空間分割データ構造である。kd木は、多次元探索鍵を使った探索（例えば、範囲探索や最近傍探索）などの用途に使われるデータ構造である。kd木はBSP木の特殊ケースである。 kd木は、座標軸の1つに垂直な平面だけを使って分割を行う。BSP木では分割平面の角度は任意である。さらに一般的には、kd木の根ノードから葉ノードまでの各ノードには1つの点が格納される[1]。この点もBSP木とは異なり、BSP木では葉ノードのみが点（ま
ケンドールの順位相関係数 - Wikipedia
英語版記事を日本語へ機械翻訳したバージョン（Google翻訳）。 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。 翻訳後、{{翻訳告知|en|Kendall rank correlation coefficient|…}}をノートに追加することもできます。 Wikipedia:翻訳のガイドラインに
ネギトロ - Wikipedia
日本において、マグロを寿司ネタに用いるようになったのは、江戸時代後期の文政年間（1818年-1830年）、江戸の華屋与兵衛が握り寿司を開発し、シャリに、それに見合う大きさに切った魚介を載せた[注釈 3]。関東で醸造が行われるようになった醤油を付けて食し、マグロは一定時間それに漬けたもの（「ヅケ」）を供した[13][14][15]。 脂分が多く、日持ちしない「トロ」は廃棄されていたが、昭和時代に入ると、輸送・保冷技術の発達により、トロを食すことが一般化した[16]。 ネギトロ巻きの誕生は、1964年（昭和39年）、浅草に本店がある『金太楼鮨』とされる。三ノ輪店で残った寿司種を手巻き寿司にして賄いで食していたが、鉄火巻きに使用する中落ち・すき身にネギを加えると、マグロの脂っぽさが打ち消された。それを客に提供したところ好評で、常連客を通じて本店にも伝わり、本店のメニューに採用された[17][注釈
ラビン-カープ文字列検索アルゴリズム - Wikipedia
ラビン-カープ文字列検索アルゴリズム（英: Rabin-Karp string search algorithm）は、マイケル・ラビンとリチャード・カープが開発した、ハッシュ関数を利用してテキストからパターン（サブ文字列）を探す文字列検索アルゴリズムの一種[1][2]。1つのパターンの検索にはあまり用いられないが、理論的には重要であり、複数パターンの検索には効果的である。テキストの文字数が n、パターンの文字数が m とした場合、平均および最良の実行時間はO(n)だが、ごくまれに最悪性能として O(nm)となる（広く用いられないのはそのため）。しかし、k個の文字列のいずれかにマッチする部分を検索するのに要する時間は k によらず平均で O(n) となるという独特の利点を持つ。以下、単にラビン-カープまたはラビン-カープ法と略記することがある。 ラビン-カープの単純な応用例として、盗作の検出
キャッシュアルゴリズム - Wikipedia
この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "キャッシュアルゴリズム" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2023年8月) キャッシュアルゴリズム（英: cache algorithm）は、コンピュータ上で情報を格納するキャッシュを管理するプログラムまたはハードウェア構造を最適化するアルゴリズム群。キャッシュが一杯になったとき、このアルゴリズムで新たな情報を格納するための場所を選択し確保する。置換アルゴリズムあるいは置換ポリシーとも。 キャッシュのヒット率（hit rate）とは、探しているデータがキャッシュ上で見つかる率（頻度）である。キャッシュサイズを増やさずにヒ
Wikipedia:一覧の一覧 - Wikipedia
このページでは、日本語版における各分野の主要な一覧記事を列挙しています。記事の分類は日本十進分類法 (NDC) に基づいています。 このページではウィキペディア日本語版における主要な一覧記事を分野別に整理し、一覧の総目次として機能するように作成されたものであり、ウィキペディア日本語版に存在する全ての一覧記事を網羅したもの（総索引）ではありません。なお、ウィキペディアにある全ての一覧記事は、Category:一覧以下のカテゴリから参照できます。 その他、いずれも一覧記事ではありませんが、同名の人物・事物を羅列した記事（曖昧さ回避）の一覧はCategory:曖昧さ回避以下から、年代順の一覧である年表の体裁をもつ記事の一覧はCategory:年表以下から、各々参照可能です。 お探しの一覧記事がどこに分類されているかわからないときは、お使いのブラウザのページ内検索機能をご活用下さい。
1
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
