タグ

2015年1月26日のブックマーク (5件)

  • 第1・第3日曜はゲーム禁止 - NHK 北海道 NEWS WEB

    子どもたちの学力の低迷はゲームのしすぎにも原因があるとして、道教委などは、毎月第1・第3日曜日は子どもたちがゲームをしない、「ノーゲームデー」とするよう呼びかけています。 道内の子どもたちの全国学力テストの成績は、全国平均を下回っていて、道教委は、長時間ゲームをする子どもたちが多く、家庭学習の時間がゲームに取られてしまっていることにも原因があるとみています。 このため道教委やPTAなどで作る実行委員会は、2月から、第1・第3日曜日を「ノーゲームデー」として、大人も子どももゲームをしないよう呼びかけることになりました。 また、第1日曜日にあたる2月1日には、ゲームをしないで親子で楽しんでもらうため、道内各地で、スノーラフティングや釣りなどを体験するイベントを開くことにしています。 道教委・生涯学習課の浅井真介課長は、「ゲームから離れることで、家族との団らんや友人との体験学習の時間が増え、望ま

    第1・第3日曜はゲーム禁止 - NHK 北海道 NEWS WEB
    tomo31415926563
    tomo31415926563 2015/01/26
    非電源ゲームはゲームに入るのだろうか?
  • 誰だよ、年収1千万超えたら、かわいい彼女できるって言ったの。 できや..

    誰だよ、年収1千万超えたら、かわいい彼女できるって言ったの。 できやしねー。 深夜2時に、女の子の家でソファーベッドで肩並べて、映画を見てるときに告白したら振られたぞ! しかも一ヵ月半毎日、一緒に飲んでたのに。 あ、金鶴か! 年収1千万超えたら、彼女じゃなくて、金鶴としてみてくれる女の子ができるってことか。 あの子、そんなことをするような感じじゃなかったのに(涙 ただし、イケメンに限るって、整形するしかないのか?!

    誰だよ、年収1千万超えたら、かわいい彼女できるって言ったの。 できや..
    tomo31415926563
    tomo31415926563 2015/01/26
    それを3日にして、ふられたら次の人探そう。
  • 京大、ガラスが確かに固体であることを示す有力な証拠を発見 | 財経新聞

    1955年 Charles Frank 卿(ブリストル大学HH Wills 物理学研究所)により発見された正20面体。正3角形20枚で構成される多面体で、3次元空間では最大の面数を持つ正多面体(京都大学の発表資料より)[写真拡大] 京都大学の山量一教授らによる研究グループは、コンピュータシミュレーションと情報理論を組み合わせることで、ガラス状態にある物質中は低温・高密度になるほど固体的領域のサイズが増大し、分子がある特定の幾何学的構造に組織化されることを発見した。 固体とは、分子が規則正しい配置に収まって移動しない状態を意味しているが、ガラスの分子は規則正しい状態には収まっておらず、非常にゆっくりと移動し続けている。そのため、ガラスは個体か液体かは明確になっていない。 今回の研究では、コンピュータシミュレーションと情報理論とを組み合わせた研究を行い、ガラス状態にある物質中では固体的領域と

    京大、ガラスが確かに固体であることを示す有力な証拠を発見 | 財経新聞
    tomo31415926563
    tomo31415926563 2015/01/26
    この分野に詳しくないが「ガラスは液体」という常識が覆された?いい研究だな。
  • 「毒親」の物語ー『かぐや姫の物語』考 - 海風想

    高畑勲監督の『かぐや姫の物語』について、書こうと思う。 内容について相当ネタバレしてるので、未見の人は避けることをお薦めする。 この作品を評して、とある人がこう言った。 「何でかぐや姫は事態を改善するために何の努力もしないの?翁の仕打ちが嫌だったのならちゃんと話し合えばよかったじゃん。それもせずに文句言って逃げてたのは自分の責任だろう」 この人は、随分幸せに育った人なんだな、と思った。 この物語は、いわゆる「毒親」の物語だと私は捉えている。 「毒親」とは、「毒になる親」の略で、文字通り、「成長の妨げになるような仕打ちを繰り返す、子供にとって毒になる親」という意味だ。 しかし、「毒親」の誰もが、「子供を虐げてやろう」などという悪意を以ってなるわけではない。むしろ「子供のためを思って」振る舞ったことが、結果的に子供にとって毒になってしまった、という事の方が多いのではなかろうか。 『かぐや姫の物

    「毒親」の物語ー『かぐや姫の物語』考 - 海風想
  • PyStan で多次元混合正規分布を学習する - froglog

    このエントリについて PyStan の実行環境を用意したので、モデルパラメータ推定に使ってみました。 個人的に慣れのある多次元の混合正規分布(GMM: Gaussian Mixture Model)のパラメータを学習してみます。 GMM 複数の正規分布の重なりによって表される確率モデルです。 詳しくはググれ。 かつて音声認識仕事をしていたときによく触っていたという慣れがあり、このモデルを選びました。 通常は GMM といえば EM アルゴリズムによる学習が一般的なのかなと思います。 でも今回は MCMC。 学習データ 多次元の正規分布にもとづく学習用データを、Python機械学習用ライブラリである scikit-learn の make_classification() メソッドで用意しました。 例えば以下は2次元かつ4混合の GMM から作られたデータのプロットです。 次元相関のあ

    PyStan で多次元混合正規分布を学習する - froglog