可逆計算(かぎゃくけいさん、英: Reversible computing)とは、可逆な、すなわち計算過程において常に直前と直後の状態が一意に定まる計算。可逆計算は、計算過程において情報が消失しないため非破壊的計算(Non-destructive computing)としても知られている。 この目的のために特に重要な、密接に関連する2つの主要な可逆性のタイプがある。それは、物理的可逆性と論理的可逆性である。[2] あるプロセスが物理的に可逆であると言われるのは、それが物理的エントロピーの増加をもたらさない場合である。これは等エントロピーであることを意味する。この特性を理想的に示す回路設計のスタイルは、チャージリカバリ論理、断熱回路、または断熱計算と呼ばれる(断熱過程を参照)。実際には、どんな非定常な物理プロセスも完全に物理的に可逆または等エントロピーにすることはできないが、システムの進化を
ヒストグラムと箱ヒゲ図は、両方とも分散あるいは標準偏差の状況を 視覚的に解りやすく表現したものである。 ヒストグラムは、全体的な分布の形を視覚化し、 データの偏り方を視覚化する。 一方、箱ヒゲ図は、全体的な分布の範囲を四分位で表し、 データの偏り方を視覚化する。 分散や標準偏差というのは、全体のバラツキの程度を指標化しているだけ。 それに対して、箱ヒゲ図やヒストグラムは、全体のデータの偏り方を観察できる。 また、標準偏差からの乖離の程度を見たり、 あるいは、対応する分布を考えるためにも用いる。 これらは、統計においては、非常に重要なことである。 さて、今回は、この辺りの話には深入りせず、 もう少し、データのバラツキの可視化方法について考えてみる。 「箱ヒゲ図」と「ヒストグラム」の両方の特性を併せ持った可視化方法がある。 ここで紹介する方法は、かなり魅力的。利用価値も高い。 それにも関わらず
試験の点数から○○大学に合格(T)か不合格(F)かを予測したいときや,検査値から病気(T)か健康(F)かを判断したいときなどがあります。要するに,与えられた値から,真(TRUE)か偽(FALSE)かを判断したいわけです。 例として右の表のような場合を考えましょう。 与えられた値をどこで切っても,TとFは完全には分離できません。例えば11で切って,11以上を陽性(positive),11未満を陰性(negative)とした場合,10個のTのうち5個がpositiveに入りますので,true positive(真陽性)の割合は0.5です。また,5個のFのうち1個がpositiveに入りますので,false positive(偽陽性)の割合は0.2です。そこで,(0.2, 0.5) をプロットします。このように,区切る値(閾値,カットオフポイント)をいろいろ変えて,横軸にfalse positi
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