[B! 数学] field_combatのブックマーク

何でも微分する

IBIS 2023 企画セッション﹃最適輸送﹄ https://ibisml.org/ibis2023/os/#os3 で発表した内容です。講演概要: 最適輸送が機械学習コミュニティーで人気を博している要因として、最適輸送には微分可能な変種が存在することが挙げられる。微分可能な最適輸送は様々な機械学習モデルに構成要素として簡単に組み入れることができる点が便利である。本講演では、最適輸送の微分可能な変種とその求め方であるシンクホーンアルゴリズムを紹介する。また、この考え方を応用し、ソーティングなどの操作や他の最適化問題を微分可能にする方法を紹介するとともに、これらの微分可能な操作が機械学習においてどのように役立つかを議論する。シンクホーンアルゴリズムのソースコード‥https://colab.research.google.com/drive/1RrQhsS52B-Q8ZvBeo57vK

field_combat 2023/11/02

リンク

セガが社内勉強会の資料を無償公開～数学は不要？断じて否、ゲーム開発ではバリバリ使うぜ！／PDFドキュメントで150ページ超の大分量。ラスボス概念「クォータニオン」に挑め！【やじうまの杜】

field_combat 2022/11/14

リンク

やる夫で学ぶディジタル信号処理

やる夫cry2 実験データの解析とかで信号処理をしなくちゃならないことが多くなってきたお… やる夫cry 数学でフーリエ解析とか習ったけど，真面目に聞いてなかったのでさっぱりわからないお… やる夫だからやらない夫に教えてもらうお! やる夫で学ぶディジタル信号処理東北大学大学院情報科学研究科鏡慎吾更新履歴 (最終更新: 2016.01.08 ) PDF版アスキーアートがないと読む気にならないという方は，ページ上部の「アイコンを表示する」をクリックしてください．アスキーアートではないけど多少は助けになるかも知れません．講演の機会を頂きました．ご関係各位に感謝します: やる夫で信号処理は学べるか ―東北大学機械知能・航空工学科における信号処理教育とウェブ教材― (依頼講演), 電子情報通信学会総合大会, AS-2-8, 九州大学伊都キャンパス, 2016年3月16日. [PDF]

field_combat 2022/09/26

数学

リンク

150 分で学ぶ高校数学の基礎

[重要なお知らせ (2023/8/12)] 現在，スライドの p.10 に不十分な記述があります．ルートの答えは 0 以上の数に限定することに注意してください (たとえば -3 を 2 乗しても 9 ですが，ルート 9 は -3 ではありません)．なお，現在筆者のパソコンが修理中でデータがないので，修正は 1 週間後となります． [目次] 第1章　数学の基礎知識（p.5～）第2章　場合の数（p.31～）第3章　確率と期待値（p.56～）第4章　統計的な解析（p.69～）第5章　いろいろな関数（p.103～）第6章　三角比と三角関数（p.141～）第7章　証明のやり方（p.160～）第8章　ベクトル（p.187～）第9章　微分法と積分法（p.205～）第10章　その他のトピック（p.240～）スライドのまとめ（p.254～）

field_combat 2022/09/07

リンク

とあるアイドルの楽曲に画像が仕込まれていた話

アイドルマスターコロムビア公式 @imas_columbia ／完全新作リミックスアルバム TO D@NCE TO TOO！発売決定🔥 ＼ 4月2日~3日開催 #シンデレラガールズ10周年記念ツアーファイナル「M@GICAL WONDERLAND」会場オリジナルCDが発売決定💿⚡️ 詳細お見逃しなく‼️💁‍♀️ columbia.jp/idolmaster/ima… #Idolmaster pic.twitter.com/9QeE0MRb65 2022-03-18 18:00:09

field_combat 2022/06/20

こんなことできるんだ

リンク

数学カフェ確率・統計・機械学習回「速習確率・統計」

The document describes various probability distributions that can arise from combining Bernoulli random variables. It shows how a binomial distribution emerges from summing Bernoulli random variables, and how Poisson, normal, chi-squared, exponential, gamma, and inverse gamma distributions can approximate the binomial as the number of Bernoulli trials increases. Code examples in R are provided to

field_combat 2022/01/13

リンク

three.jsで流体シミュレーション(stable fluids) | mofu

We create beautiful expressions through programming and deliver the best possible experiences.

field_combat 2022/01/05

webgl
数学

リンク

【Python】専門書や論文を読みたいけど数学が苦手・わからない人向けのコードを読んで学ぶ数学教本 - Qiita

はじめにプログラミング自体は文系、理系、年齢関わらず勉強すればある程度ものになります。プログラミングがある程度できるようになるとTensorflow,PyTorchやscikit-learn等のライブラリで簡単にできる機械学習やデータサイエンスに興味を持つの必然!これからさらになぜ上手くいくのか・いかないのかの議論をしたい、社内・外に発表したい、理論的な所を理解したい、先端研究を取り入れたい、応用したい等々と次々に実現したい事が増えるのもまた必然でしょう。このときに初めて数学的なバックグラウンドの有無という大きな壁が立ちはだかります。しかし、数学は手段であって目的ではないので自習に使える時間をあまり割きたくないですよね。また、そもそも何から手を付けたら良いかわからないって人もいるかと思います。そんな人に向けた記事です。本記事の目標は式の意図する事はわからんが、仕組みはわかるという状態に

field_combat 2021/10/25

数学

リンク

Mathematical Tools for Data Science - NYU Center for Data Science

Description This course provides a rigorous introduction to mathematical tools for data science drawn from linear algebra, Fourier analysis, probability theory, and convex optimization. The main topics are covariance matrices, principal component analysis, linear regression, regularization, sparse regression, frequency representations, the short-time Fourier transf orm, wavelets, Wiener filtering,

field_combat 2021/05/24

リンク

コグニカル

コグニカルは、足りない知識をツリー構造で掘り下げられる学習サイトです。

field_combat 2021/03/16

リンク

Loading...

field_combat 2020/10/06

リンク

初学者が機械学習の勉強を進めるためには必ず手を動かす - HELLO CYBERNETICS

機械学習に必要な知識ネット上の様々な意見機械学習への携わり方と必要な数学具体的に勉強を進める簡単な問題で動作を確認プログラムを書く Kaggleはやるべき？勉強を進める上で使えるツールたち Python Jupyter Notebook scikit-learn TensorFlow 機械学習に必要な知識ネット上の様々な意見機械学習の勉強をしていく上で大事なものは何でしょうか。調べればプログラミングだとか統計だとか、解析学・線形代数学であるなど、いろいろな意見が見られます。おそらくネット上で見つかるいろいろな意見、﹁機械学習では○○を勉強すべき﹂という話は、少なくともその話を言っている人の中では真であるのだろうと思われます。要するに、その勉強をしたことによって︵あるいはその知識を持っていたことによって︶、その人は何らかの機械学習に対する知見が得られたと言っているのです

field_combat 2018/05/29

リンク

マイナンバーのチェックデジットがかなり恥ずかしい件について - CSS2017キャンドルスターセッション

This paper presents a novel design concept for hand-held VR controllers that uses haptic shape illusion. The controllers are designed to be smaller than the visualized virtual object but provide the haptic perception of its shape. The authors develop a data-driven model to represent the perceived shape based on an object's mass properties. They collect experimental data on how participants perceiv

field_combat 2017/10/26

リンク

標準偏差とは何か！その求め方と意味を図解で徹底解説

ここでは高校数学で登場し、統計学を学ぶ上でとても重要な役割を担う﹁標準偏差﹂について、図解を駆使し、その求め方と意味について解説していきます。標準偏差の求め方や意味を理解するには、以下の4つのSTEPを踏めば簡単に理解することができます。標準偏差は﹁式を覚える﹂のではなく﹁イメージ化﹂することがとても重要です。4つのSTEPを本質的なイメージで捉えることで﹁標準偏差とは何か﹂や﹁標準偏差はどうやって求めるのか﹂がスッキリ頭に入ってきますので、ぜひ最後までお付き合い下さい。標準偏差の求め方標準偏差を求める式がこちらになります。いきなりかなり難しい式が登場してきました︵汗この式を覚えることはなかなか厳しいですよね。ただ、この式の記号のひとつひとつをイメージ化しながら読み解くことで、この難しい式が実はとてもストーリー性のある面白い構造をしていることが分かってきます。ここではその

field_combat 2017/04/10

数学

リンク

まさかのNP困難？「九九って36種類しか数がないの不思議だよな」から始まる数学談義

maki @maki_glenscape $ python3 -c 'print(len(set([x * y for x in range(1, 10) for y in range(1, 10)])))' 36 へぇ、ほんとだ twitter.com/motcho_tw/stat… 2017-04-06 01:53:53

field_combat 2017/04/10

数学

リンク

点をぐるぐる回してどんどん重ねると楽しいな〜と思ってたらまたフィボナッチかよ！！ - アジマティクス

点を用意してxy平面上でぐるぐる回します。その1段上︵つまり高さ方向に1進んだ地点︶に、1つめの点が1周する間に2周するような点を用意します。3段目には、1つめの点が1周する間に3周するような点を置きます。段目には周するような点を、そうですね、60個程度重ねてみましょう。ウオエアなんだこれ！！！　めっちゃきもい！！！　楽しい！！！！！隣の点を線分でつないでみるとこんな感じになります︵gifアップロード容量制限により途中まで︶。う〜ん気持ち悪いですねぇ〜特にこの、動き始めの部分がめっちゃきもいほら。ニュンってなってきもいそれぞれの点は、単にずっと同じ速度で回転しているだけです。ただそれだけなのにこんなに気持ち悪くなるなんて面白さを感じます。キャンプファイヤーみたいなやつ今回の制作物は3Dで、めずらしくz軸があるんですよねえ。いままでフーリエ装置や人体模型などいろいろな

field_combat 2017/03/09

数学

リンク

機械学習に本気で取り組むためにやった数学周り前半戦結果 - きのこる庭

自分と同じようなバックグラウンドで﹁機械学習周辺の数学まわりの勉強をしたい﹂という人の助けに少しでもなれればと思い、半年間の勉強の軌跡を公開することにした。 ● 前提・数学の勉強と言える勉強は高校数学で言う所の数II・Bまでしかやってこなかった。・数学が超得意だったかというとそういうわけではなく、まあ普通なライン。・大学は情報系で文理一緒だけど、正直大学数学らしい数学はあまりやってこなかった。・社会人になって以来ずっと数学コンプレックスで﹁大学の時もっと理系の勉強をしておけばよかった﹂と後悔する日々だった。・﹁とにかくツールとか沢山触りまくって慣れた方が良い﹂という意見も沢山頂いていたのだけど、 – やはり専門の文献を読むとブワーッと数式が出て来て﹁うっ﹂となる自分が情けなく感じる経験をした – このまま勉強しないで年をとった後に﹁あの時やっておけば﹂という後悔はしたくなかった

field_combat 2017/01/23

数学

リンク

高校数学の美しい物語 | 定期試験から数学オリンピックまで800記事

f(x)=ax3+bx2+cx+df(x)=ax^3+bx^2+cx+df(x)=ax3+bx2+cx+d が極大値と極小値を持つとき，その差は ∣a∣(β−α)32\dfrac{|a|(\beta-\alpha)^3}{2}2∣a∣(β−α)3 である。ただし，α,β (α<β)\alpha,\beta\:(\alpha<\beta)α,β(α<β) はf′(x)=0f'(x)=0f′(x)=0 の解。