最近、簡潔データ構造(Succinct Data Structure)まわりの論文を色々読んでいる。その中で良さそうなものをいくつかピックアップしてみた。まだ調査中なので他に良いものがあったら教えてもらえると嬉しいです。 (1) Space-efficient Static Trees and Graphs(link) G. Jacobson; IEEE1989 まずはLOUDS論文。簡潔データ構造の元祖なので最初に読むと良さげ。 (2) Succinct Indexable Dictionaries with Applications to Encoding k-ary Trees and Multisets(link) R. Raman, V. Raman, and S. S. Rao; SODA2002 簡潔ビットベクトルは通常n+o(n)なんだけど、これをnH0+o(n)にしたよ、

グラフ探索アルゴリズムの論文紹介/手法紹介を書きます。 ここの内容を書ける人間は(うちの研究室以外)日本にそういないはず、といって煽る。 投稿する内容は optimized primarily for pedagogical reasons and may change without notice. Expect frequent rewriting and random updates. Comments and suggestions are welcome! Contributers may gain a piece of caramel. これがDLの次にあるもうひとつの人工知能だ

.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads

A Fast, Minimal Memory, Consistent Hash Algorithm ご紹介(システム系論文紹介 Advent Calendar 2014）.hashシステム系論文紹介分散ストレージjumpconsistenthash (本稿は, システム系論文紹介 Advent Calendar 2014, 12/20 です http://www.adventar.org/calendars/440) 論文は arXiv から取得できます. http://arxiv.org/abs/1406.2294 Jump Consitent Hash と呼ばれる, 分散ストレージ系で有益なハッシュ関数を求めるアルゴリズムです. 現在史上最強のハッシュアルゴリズムのひとつと言えるでしょう. 無性に分散ストレージライブラリを作りたくなってきますね! 共著者の Eric Veach にも注

Optimized pow() approximation for Java, C / C++, and C# I have already written about approximations of e^x, log(x) and pow(a, b) in my post Optimized Exponential Functions for Java. Now I have more In particular, the pow() function is now even faster, simpler, and more accurate. Without further ado, I proudly give you the brand new approximation: Approximation of pow() in Java public static double

私はあまり画像を波長空間でフィルタリングとか言うことをやらないので、実のところ、今までFFTどころか離散フーリエ変換（DFT）すらしたこと無かった。 というわけで、ちょっと調べてみたのでまとめてみようと思う。かなり長い記事になるよ。 [原理解説] 離散フーリエ変換の式(1)について考察をおこなう。 (1) 式(1)において、特に となる場合を考える。なお、nに関しては0を含んでも良い。（Nが全く見た目が変化しなかったので、英語で書いた。要するに自然数） このとき、 を満たす適当な整数j,k,l,mを定義すると、u,xは以下の様にかける (2) (3) (2),(3)を用いて式(1)を書き換えると、 (4) となる。 式(4)を展開し、整理すると、 (5) ここで、式(5)の大括弧でくくった部分は、mとkの関数と見なせるので (6) を用いると、結局式(1)は (7) (8) (9) という

VC++が定数による除算を乗算に変換する最適化をしてるのは、吐いたコードを見たことある人なら知ってることだと思うけど、なんとなく http://www.wikihouse.com/x86clocker/index.php?plugin=attach&refer=%B2%E1%B5%EE%A5%ED%A5%B0&openfile=x86%CC%BF%CE%E1%A4%CE%BD%EA%CD%D7%A5%AF%A5%ED%A5%C3%A5%AF%B7%D7%C2%AC%A5%B9%A5%EC.html このスレの400を見てて、確かに正確な変換方法は知らないので考えてみる。 mov eax, 40140141h ; r=esi/819とおく。esi=819r mul esi ;edx=205r sub esi, edx ;esi=614r shr esi, 1 ;esi=307r add es

Introduction There are two major categories of compression algorithms: lossy and lossless. Lossy compression algorithms involve the reduction of a file’s size usually by removing small details that require a large amount of data to store at full fidelity. In lossy compression, it is impossible to restore the original file due to the removal of essential data. Lossy compression is most commonly use

5. 最適化問題に定式化する ⽣生産計画問題 あるシャトーでは3種類のブドウ，カルベネ，メルロー，セミヨンを原 料料として，3種類のワイン，⾚赤ワイン，⽩白ワイン，ロゼワインを製造し ている．収益が最⼤大となる各ワインの1⽇日当たりの製造量量を求めよ． 種類 ⾚赤ワイン ⽩白ワイン ロゼワイン 最⼤大供給量量 カルベネ 2 0 0 4(t/⽇日) メルロー 1 0 2 8(t/⽇日) セミヨン 0 3 1 6(t/⽇日) 収益 3 4 2 (百万円/⽇日) →  収益を最⼤大化 →  カルベネの使⽤用量量は4t/⽇日以内 →  メルローの使⽤用量量は8t/⽇日以内 →  セミヨンの使⽤用量量は6t/⽇日以内 →  各ワインの製造量量は⾮非負 maximize 3x1 + 4x2 + 2x3 subject to 2x1  4, x1 + 2x3  8, 3x2 + x3  6, x1

1. 2013 年 3 月 20 日 ＠ NTT DATA 駒場研修センター 第 12 回日本情報オリンピオック春季トレーニング合宿 様々な全域木問題 前原 貴憲 (@tmaehara) 国立情報学研究所 2. 自己紹介 • 前原 貴憲（まえはら たかのり） • Twitter: @tmaehara • Web: http://www.prefield.com (Spaghetti Source) • 略歴： 2004 沼津工業高等専門学校卒 2007 東京大学 工学部 計数工学科卒 2012 東京大学大学院 情報理工学系研究科卒 現在 国立情報学研究所 • 専門分野：連続・離散最適化，数値計算 2/ 71