LAPACKサンプルプログラム目次
LAPACKサンプルプログラム目次 ホーム >LAPACKサンプルプログラム目次 イントロダクション 実線形方程式 複素線形方程式 実線形最小二乗 複素線形最小二乗 実一般化線形最小二乗 複素一般化線形最小二乗 実対称固有値問題 複素エルミート固有値問題 実非対称固有値問題 複素非対称固有値問題 実一般化対称固有値問題 複素一般化エルミート固有値問題 実一般化非対称固有値問題 複素一般化非対称固有値問題 実特異値分解 複素特異値分解 実一般化特異値分解 複素一般化特異値分解 実 QR 分解 複素 QR 分解 計算ルーチン ご案内 LAPACKサンプルが付属！ Fortran Builder NAG Fortran コンパイラ Fortranコンサルティング 関連情報 サンプル実行手順 NAG数値計算ライブラリ Privacy Policy / Trademarks
数値計算 - MacWiki
数値計算ライブラリ[編集] ATLAS[編集] Automatically Tuned Linear Algebra Software (ATLAS) http://math-atlas.sourceforge.net/ https://sourceforge.net/project/showfiles.php?group_id=23725 Absoft Fortran には、ATLAS の 64bit 版が付属しているそうです。 http://www.hulinks.co.jp/software/pf_mac/section01.html Bayes++[編集] Bayesian Filtering Classes for C++ Kalman filter や各種の非線型フィルタの数値計算ライブラリ http://bayesclasses.sourceforge.net/Bayes++
幾何アルゴリズム
格子充填曲線の生成プログラム（n×n の２次元格子の、左上隅からはいり右下隅から抜ける、ランダムなハミルトン経路を生成するアルゴリズムで）
Sugihara's Integer-Arithmetic Geometric Software
幾何計算ソフトウエア（製作：杉原厚吉） 以下に掲げるコンピュータプログラムは、「暴走の心配のない幾何アルゴリズム の設計法」とその周辺技術として私たちが長年研究してきた 位相優先法、整数帰着法、記号摂動法、 遅延評価加速法などを組み合わせて作ったものです。これらは、私のコーデイングに ミスさえなければ、決して暴走しない（どんなに意地悪な入力データを与えても 正常に計算を遂行する）ことが理論的に保証されています。さらに， すべてのプログラムにおいて，オーダの意味で計算量最小のアルゴリズムを 採用しています． これらのプログラムを，下の使用条件に同意される方に公開します． 同意される方は， 同意書 をコピーし， それに氏名，連絡先などを記入して，製作者まで電子メールまたはファックス または郵便でお送り下さい．いただいた同意書に対して特にご返事は 差し上げませんが、そのあとはご自由にコピーして
固有値・固有ベクトルって何に使うの？
ふと、固有値・固有ベクトルって何がそんなに嬉しいのか？何の役に立つのか？と思っていろいろ調べていた。（対角化してべき乗計算が速くできますだけだと、ちょっと勉強する動機づけとしては弱い。。）そういえば、一年前くらいに読んだpage rankの論文に固有値・固有ベクトルが使われていたのを思い出したので、これをちょこっと紹介。（解釈に間違いなどありましたら、ご指摘ください。） まず、page rankアルゴリズムについて。これは、いわずと知れたgoogleの検索処理において中心的な役割を果たす処理です。page rankの基本的な考え方は、”たくさんリンクを張られているサイトほど重要なサイトである”ということです。つまり、たくさんリンクを張られているサイトが検索で上位に現れます。加えて、同じリンクを張られているでも、重要なページ/人気のあるページからリンクを張られているのか、重要でない/人気でな
アルゴリズムの紹介
ここでは、プログラムなどでよく使用されるアルゴリズムについて紹介したいと思います。 元々は、自分の頭の中を整理することを目的にこのコーナーを開設してみたのですが、最近は継続させることを目的に新しいネタを探すようになってきました。まだまだ面白いテーマがいろいろと残っているので、気力の続く限りは更新していきたいと思います。 今までに紹介したテーマに関しても、新しい内容や変更したい箇所などがたくさんあるため、新規テーマと同時進行で修正作業も行なっています。 アルゴリズムのコーナーで紹介してきたサンプル・プログラムをいくつか公開しています。「ライン・ルーチン」「円弧描画」「ペイント・ルーチン」「グラフィック・パターンの処理」「多角形の塗りつぶし」を一つにまとめた GraphicLibrary と、「確率・統計」より「一般化線形モデル」までを一つにまとめた Statistics を現在は用意していま
クヌース–モリス–プラット法 - Wikipedia
クヌース–モリス–プラット法（Knuth–Morris–Pratt algorithm、KMP法と略記）とは、文字列検索アルゴリズムの一種。テキスト（文字列）Sから単語Wを探すにあたり、不一致となった位置と単語自身の情報から次に照合を試すべき位置を決定することで検索を効率化するアルゴリズムである。 このアルゴリズムは1977年、ドナルド・クヌースと Vaughan Pratt および（単独で）J. H. Morris が発明し、3人共同で発表した。 本項目では文字列を表すにあたって、0 からインデックスを開始する配列を用いる。従って（後述の）単語 W 内の文字 'C' は W[2] と表される。 KMP法[編集] この検索アルゴリズムの実施例[編集] 実際にこのアルゴリズムがどのように動作するかを見てみよう。このアルゴリズムの状態は二つの整数 m と i で表される。m はテキスト S 内
BLOG::broomie.net: 機械学習のアルゴリズムを解説したサンプルプログラム集
すごい、有名なアルゴリズムのサンプルプログラムがたくさんあります！ http://www.yom-tov.info/Uploads/ # Parent Directory # Ada_Boost.m # Bottom_Up_Parsing.m # C4_5.m # DHSchapter2_fixed.mat # Grammatical_Inference.m # Marginalization.m # PPT.m # SVM.m # Sequential_Feature_Selection.m # calculate_region.m だけどmatlabわからない。。。 いつか解読してみせる。
C言語による画像処理入門 その１
C言語をひと通り学ぶと、多くの人は画像処理だったりゲーム作りだったりと、目に見えるものを作りたくなるものです。しかし、画面上にHello, Worldを表示するのと、ウインドウを出すのとでは天と地ほどの開きがあるのです。Windowsでは、Windows特有の言語を使って100行近いコードを書かないと、ウインドウすら出てくれません。これでは、画像処理の勉強をしているのかWindowsプログラミングの勉強をしているのか分からなくなってしまいそうです。 たまに、C言語のみで画像処理を行なっている入門者用のサイトがあったとしても、やれSDKをインストールしろだとか、やれ自作ライブラリをリンクしろだとか、入門者には意味プーのことばっかり書いてあって心が折れてしまいそうです。また、世の中にはOpenCVというIntelが開発した天才的に楽ちんなライブラリがあるのですが、ほぼ完全にブラックボックス化さ
MapReduceできる10個のアルゴリズム - データサイエンティスト上がりのDX参謀・起業家
HadoopとMahoutにより、ビッグデータでも機械学習を行うことができます。Mahoutで実装されている手法は、全て分散処理できるアルゴリズムということになります。Mahoutで実装されているアルゴリズムは、ここに列挙されています。論文としても、2006年に「Map-Reduce for Machine Learning on Multicore」としていくつかのアルゴリズムが紹介されています。 そこで今回は、（何番煎じか分かりませんが自分の理解のためにも）この論文で紹介されているアルゴリズムと、どうやって分散処理するのかを簡単にメモしておきたいと思います。計算するべき統計量が、summation form（足し算で表現できる形）になっているかどうかが、重要なポイントです。なってない場合は、”うまく”MapReduceの形にバラす必要があります。 ※例によって、間違いがあった場合は随時
矢沢久雄の情報工学“再”入門
ITエンジニアの皆さんなら，一度は「情報工学」を学んだことがあるかもしれない。しかし，その知識をしっかり身に付けている人は少ないのではないだろうか。本連載では，プロフェッショナルの必須知識と言える情報工学の様々な理論について解説していく。 第1回 アルゴリズムと計算量---「計算量理論」を理解し，アルゴリズムを評価する 第2回 形式言語とオートマトン---「文」のルールを知り，機械に解釈させる 第3回 符号化理論---あらゆる情報を数値で扱う「符号化」理論を知る 第4回 ブール代数---論理を「1」と「0」で表す「ブール代数」を理解する 第5回 グラフ理論---要素同士のつながり方を「点」と「辺」で分析する 第6回 オペレーションズ・リサーチ(OR)---数学モデルを駆使して，経営戦略を立案する 第7回 集合論---数学の「集合論」にRDBの正体を見る 第8回 RDBの正規化理論---から
「4人のロシア人の方法」で編集距離を高速化する - EchizenBlog-Zwei
ちょっと前に「4人のロシア人の方法(Method of Four Russians)」というのを論文で見かけて面白かったので紹介しておく。 簡単に言ってしまうと、ある処理を高速化したい時にデータ全体を小さなブロックに分割してブロック単位での結果を事前に計算したテーブルで持っておくよ、というアルゴリズム。 名前は知らなくてもアルゴリズム自体は知ってる人は多いかもしれない。 Method of Four Russians - Wikipedia, the free encyclopedia アルゴリズム自体は汎用的なものだが編集距離の高速化を例として説明するのが一般的なようなのでそれに倣う。 文章で書くとごちゃごちゃするのでスライドで。もっふる。 http://www.scribd.com/doc/94190119/MoFR ※追記：↑のスライド、正直自分でもわかりやすいとは思えないので余裕が
決定木メモ - Negative/Positive Thinking
はじめに 決定木についてちょっと調べてみたので、メモ。 決定木(decision tree)とは 木構造(多分木)を使って、分類・回帰問題を解く root(根)を含む各内部ノードは、「変数」を表す leaf(葉)は、変数に対する「予測値、分類値」を表す 入力xを、ルートからスタートし各ノードの条件に従って葉に来て出力yが決まる 連続if-thenだと見ると理解しやすい 出力yは、分類ならクラス、回帰なら定数値などになる 訓練データD={(x,y)}から木構造を構築することを「決定木の学習」という 見た目にもわかりやすく、扱いやすい、比較的単純な機械学習法の一つ サイズが小さめならば。 精度はあまりでない(らしい) 空間を矩形領域でしか区分しないと考えるとそんな感じもする 問題点 多くの学習方法では、特徴空間の軸に平行(x_0<3.0など)なため、平行でないような場合(x_1>2x_0+3な
Graph Classes and Algorithms
[概要] 計算機で扱う問題は，多くの場合グラフ上の問題として定式化できる． 計算量の理論により，これまで多くの問題が``手に負えない''ことが示されてきた． 一方でこうした問題に対する現実的なアプローチがいくつか提案されてきた． 本稿ではグラフに制限を加えるアプローチについて解説する．DNA の切片間の関係などは， モデル化すると特別なグラフになる．こうしたグラフ上では， これまで手に負えないとされてきた問題が効率良く解けることがある． 本稿では，代表的なグラフクラスと，関連したアルゴリズムの最近の研究動向を解説する． [キーワード] アルゴリズム，グラフクラス，計算の複雑さ，理想グラフ [お断り] このページは，電子情報通信学会に掲載予定の同名の解説論文を加筆修正したものです． せっかく書いたので，より広く公開して，かつ，ときどきは更新して行こうかと思っています． リンクも少しずつ充実さ
リンク解析とか: 重要度尺度と von Neumann カーネル - smly’s notepad
NAIST の入学手続を終えた. 残りの期間はサーベイするぞーということで shimbo 先生の講義資料「リンク解析とその周辺の話題」を読んでいます. 一日目, 二日目の資料は PageRank, HITS, SALSA などの重要度尺度の紹介と, von Neumann Kernels と HITS の関係についてのお話が中心. これらを実装してみた. 後半に進むほど力尽きて記述が適当になってます:)PageRankポイントはランダム遷移行列による random walk では定常分布に収束しない (エルゴード性 (ergodic) を満たさない) という点. どうして満たさないかというと. sink (出次数のない節点) が存在するとき, 明らかに既約 (irreducible) でないのでエルゴード性を満たさない. 複数の強連結成分を持つケース => 周期性を持つと考えてよい? 周期
Tumblr
「JPEG Tilt」というページを公開しました。MotionJPEG Builder を作った時に、JPEG のヘッダを読み込む処理を作ったので（結局これは使わなかったんですが）圧縮データの読み込み部分も作ってみようか、という気になって作ったのがこれです。JPEG ファイルで画像が圧縮される様子を視覚的に表現する…… という目標だったのですが、どうでしょうか。まあ内容が内容なので説明無しではさすがに意味が分からないと思います。 ということで、JPEG Tilt の見方を以下で簡単に説明します。 図1は、JPEG Tilt の画面です。画像が iTunes の CoverFlow のように並んでいますが、これの左側は画像の低周波成分のみを抜き出した物で、右に行くとより高周波の成分も含めるように並んでいます（低周波、高周波という言葉の意味はこの先で出てきます） 画像の上にマウスカーソルを乗せ
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
アルゴリズムとデータ構造編 トップページ●Programing Place
TOKUTEI: algorithm
Algorithm Database
CV Tutorial