ぶっちゃけqiitaで数式書けるのでqiitaで書いてスライドモードにするのがいいよ INTRODUCTION Markdownとは 文書を記述するための軽量マークアップ言語です。 要するにHTMLをもっと簡単に書けるようにしたものです。 ATOMとは Githubの開発するテキストエディタ 多くのプラグインが利用出来る https://atom.io レイテックス 数式を記述出来るマークアップ言語 厳密にはTeX+マクロと言う感じなので、Tex以上に必要とされるスキルは無い 導入 https://atom.io からATOMをダウンロードしてインストール ATOMを起動し、Preferences(設定)を開く。 Installタブに移動しmarkdown-preview-plusを検索しInstall mathjax-wrapperも検索してInstall 次にpackageタブに移動し

表示例 見出し1 見出し2 見出し3 見出し4 見出し5 見出し6 箇条書きリスト ハイフン、プラス、アスタリスクのいずれかで箇条書きリストを記述可能。 ※ハイフン、プラス、アスタリスクと箇条書きの項目の間には半角スペースを1つ入れること 記述例

Markdown記法のチートシートです。 記法はGitHub Flavored Markdownに準拠し、一部拡張しています。 Qiitaでシンタックスハイライト可能な言語一覧については、 シンタックスハイライト可能な言語 をご覧下さい。 Code - コードの挿入 Code blocks - コードブロック たとえば、「Ruby」で記述したコードをファイル名「qiita.rb」として投稿したいときは、 バッククオート（`） か チルダ（~） を使用して以下のように投稿するとシンタックスハイライトが適用されます。 コードブロック内でコードブロックを書きたい場合は異なる記号を使うことで書けます。

はじめに GitHub はじめました。 初めて使用するので、その手順を残したいと思います。 ローカル環境 Mac OSX Yosemite 10.10.1 Homebrew 0.9.5 前提条件 GitHub のユーザ登録が完了していること。 参考サイト 下記のサイトを参考にさせていただきました。感謝！ [git会準備]MacにHomebrewでgitをインストールする | e2esound.com業務日誌 GitHubにリポジトリを作成してみる - yk5656 diary

集合知プログラミング を読んでいたら、K-means 法（K平均法）の説明が出てきました。 K-means 法はクラスタリングを行うための定番のアルゴリズムらしいです。存在は知っていたんだけどいまいちピンときていなかったので、動作を理解するためにサンプルを作ってみました。 クリックすると１ステップずつ動かすことができます。クラスタの数や点の数を変更して、Restart を押すと好きなパラメータで試すことができます。 こうやって１ステップずつ確認しながら動かしてみると、意外に単純な仕組みなのが実感できました。 (追記) HTML5 版の K-means 法を D3.js でビジュアライズしてみた も作成しました。Flash を表示できない環境ではそちらをご覧ください。 K-means 法とは K平均法 - Wikipedia に詳しく書いてあるけど、もうすこしザックリと書くとこんなイメージに

バックプロパゲーション（英: Backpropagation）または誤差逆伝播法（ごさぎゃくでんぱほう）[1]はニューラルネットワークの学習アルゴリズムである[2]。 概要[編集] バックプロパゲーションは数理モデルであるニューラルネットワークの重みを層の数に関わらず更新できる（学習できる）アルゴリズムである。ディープラーニングの主な学習手法として利用される。 そのアルゴリズムは次の通りである： ニューラルネットワークに学習のためのサンプルを与える。 ネットワークの出力を求め、出力層における誤差を求める。その誤差を用い、各出力ニューロンについて誤差を計算する。 個々のニューロンの期待される出力値と倍率 (scaling factor)、要求された出力と実際の出力の差を計算する。これを局所誤差と言う。 各ニューロンの重みを局所誤差が小さくなるよう調整する。 より大きな重みで接続された前段のニ

活性化関数（かっせいかかんすう、英: activation function）もしくは伝達関数（でんたつかんすう、英: transfer function）とは、ニューラルネットワークのニューロンにおける、入力のなんらかの合計（しばしば、線形な重み付け総和）から、出力を決定するための関数で、非線形な関数とすることが多い。 概要[編集] よく使われているモデルでは、人工ニューロンは1つ以上の入力を受け取り（1つ以上の樹状突起に相当）、それらの重み付け総和から、活性化関数を通して、出力を生成する。 数式では、以下のが活性化関数。 古典的にはステップ関数が提案された。他にもいろいろと考えることはできる。1986年のバックプロパゲーションの発表以降はシグモイド関数が最も一般的だった。現在はReLU（ランプ関数）の方が良いと言われる[1]。活性化関数は単調増加関数が使われる事が多い。必ずしもそうしな

はじめに この記事では、プログラムの計算量を求める方法を説明します。プログラミングの初心者向けに、厳密さよりも分かりやすさを優先して説明していきます。 サンプルコードについて この記事のサンプルコードは、C言語（C99）で記述しています。 計算量とは？ 計算量とは、 「そのプログラムがどれくらい速いかを大雑把に表す指標」 です。 もう少し正確に言うと、 「入力サイズの増加に対して、実行時間がどれくらいの割合で増加するかを表す指標」 です。 グラフによる計算量の表現 計算量をグラフで表すと、以下のようになります。 これは、「入力サイズ $n$ が増加するにつれて、実行時間が $n$ に比例して増加する」ということを表しています。 別のグラフも見てみましょう。 これは、「入力サイズ $n$ が増加するにつれて、実行時間が $n^2$ に比例して増加する」ということを表しています。 計算量を求め

履修計画システム 履修計画システム 履修案内 学部案内（カリキュラム）に関して 履修案内 <履修登録日程・履修登録上の注意> 2024年度後期(第3, 4学期) 2024/5/29公開 (参考) 2024年度前期(第1, 2学期) *履修規程別表　第1　第2　第2の2　第3 **トラック推奨科目 課外活動コース 大学院科目の履修（対象：4年生のみ） 大学院科目履修登録用紙 シラバス 授業時間割 試験時間割 AY2023教務日程カレンダー AY2024教務日程カレンダー2023/11/8公開 授業別メーリングリスト 卒業論文 指導教員配属～審査までのプロセス 卒論配属日程 卒論指導教員 ／ フィールド　配属状況 卒業論文実施日程 提出された卒業論文 会津大学オナーズプログラム プログラムの概要 学部・修士一貫型タイプA・申請書 学部・修士一貫型タイプB・申請書 学部・修士一貫型候補者・申請書

struct f : TPPolynominal { // f(x) = x^2 - 2 in Q[x] static let value = Polynominal<Q>(-2, 0, 1) } typealias K = FieldExtension<f> // K = Q[x]/(x^2 - 2) let a = K(0, 1) // x mod (x^2 - 2) a * a // 2 mod (x^2 - 2) a * a == 2 // true! これが何のことか分からなくても、最後の1行を見てください… a * a == 2 となっています！ a は自乗して 2 になる数なんだから、これは $\sqrt{2}$ そのものです。同じように虚数単位 $i$ や $1$ の原始 $n$ 乗根 $\zeta_n$ も、近似ではない「その数そのもの」をプログラムで実現できてしまうので