![法線を正しい向きにするときなぜ逆転置行列なのか - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/74a6b64e98aaf93eebc44d2fec86fc6e7055f1f8/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwa3Rhbm9vb28mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zMiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPWRkN2JkY2M2ZTg5OWQ5M2YzMWFiM2ZlZTM2NmE3ODEy%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Da4250d6e397e0786953275ba9edd8f2f)
はじめに S3のストレージクラスを適切に設定することはコストの最適化に繋がります。 ある程度分析可能な過去データがある場合であれば、ストレージクラス分析によってライフサイクルを決定することができますが、新規構築の場面などではそれが難しく、一度運用してから調整する流れになるかと思います。 今回は事前にある程度リクエスト数を想定して、その際にどのようなS3配置を取ればいいのかシミュレーションする方法を検討してみました! 新しい技術としてAmazon Braketを使用しており、Braketの使用感を確認したい方、定式化の方法を確認したい方にもお楽しみいただける記事です。 やりたいこと 以下のようなケースを考えてみたいと思います。 総計1000GB分のオブジェクトがあり、それらをS3 Standard、S3 Standard-IA、S3 Glacier Instant Retrievalに分類す
シリーズ一覧へ このエントリでは,回転を題材としてリー群の定義を説明し,それを導入する動機と基本的な考え方を導入する. ざっくりと言うと,回転を考えるというのはある種の「曲がった空間」を考えることであって,理論上も実用上も面倒な点が多い.ところがここで,回転が「群」と呼ばれる数学的構造を持っていることに着目すると,さっきの「曲がった空間」に関する問題を,それに対応する「真っ直ぐな空間」に関する問題に置き換えて考えることができる.ここで言う「曲がった空間」がリー群であり,「真っ直ぐな空間」がリー代数と呼ばれるものであり,それらの間の対応を表すのが指数写像と呼ばれるものである,という話をこのエントリとそれに続く 2 エントリくらいを通じて見ていきたい. 何やら魔法のような話に聞こえるかもしれないが,こんな風に,ある問題をそれと対応関係にある別の問題に置き換えて考えるというのは数学ではよくある話
レコメンドにおける次元削減手法の一つであるMatrix Factorizationについてまとめた自分用メモ的なものです。 なおタイトルは「部屋とYシャツと私」にちなんだだけで、ちなんだ意味はありません。 1. レコメンドシステムにおける次元削減 1.1 レコメンドの設定と協調フィルタリング すでにレコメンドをたくさんされている方にとってはとても当たり前の話かもしれませんが一応前提をば。 今回考えるデータセットはMovieLens100kのように「ユーザ×アイテム」の行列でできているもので、例えば以下のような形のものを想定しています。 レコメンドでおなじみの協調フィルタリング1では相関係数やコサイン類似度を用いてユーザ(orアイテム)同士の類似度を出し、それを用いた評価の予測値に基づきレコメンドをするという趣旨のものでした。 この協調フィルタリングのようなレコメンド手法のことを近傍ベースア
Basic Linear Algebra Subprograms (BLAS) の 行列の積 演算が、C の for 文で率直に書いたルーチンに比べ、どれ程のものか体感してみる。 背景 深層学習の実装を理解していくにあたり、行列の積演算を高速に行いたくなった。 BLASは 行列の積演算が速いとの話を目にするが、実際に使ってみたことはなかった。 → 今回 BLAS の性能を体感してみる。 BLAS について 下記Webサイトを参考にしています。 ・Basic Linear Algebra Subprograms(Wikipedia) ・BLASの簡単な使い方 ・CUDA Toolkit cuBLAS ・インテル(R) 数値演算ライブラリ(MKL) リファレンス・マニュアル(PDF)
T-Wave開設以来、いくつかの先行研究や導入事例に関する記事が出ている中で、どのように具体的な問題をD-Waveマシンで解くのかということは皆さん気になっていると思います。本記事では グラフ分割問題 を例に、サポートツールであるqbsolvを用いてD-Waveマシンに解かせる過程を示します。 問題を解く過程の概略 一般的にqbsolvを用いてD-Waveマシンで、組合せ最適化を行う際に必要となるステップは以下の通りです。 Step 1. 問題のQUBO表現の確認(二値変数の意味、ハミルトニアンなど) Step 2. QUBO行列$Q_{ij}$の要素の計算 Step 3. quboファイルの生成 Step 4. qbsolvコマンドの実行と結果の解釈 Step 1. グラフ分割問題のハミルトニアンの確認 グラフ中のノードを2つのグループに分割(最小カット)する場合には、あるノードが所属す
物理の本を読んでいたら、 行列についての次のような公式が出てきた: 気になってネットで調べると, 行列のとき、次の関係式が成り立つのだそうだ: 一般の の場合はどうなるのか気になって考えた. 一般に, 次正方行列 は(適当に取った)ユニタリ行列 によって,対角成分が の固有値であるような上三角行列に変換できる: ユニタリ行列の性質から,任意の自然数 に対して 固有多項式はユニタリ変換で不変なので,その 次の項を比較することで次を得る: よって,行列のべき乗のトレースが固有値のニュートン多項式になっていることがわかる.ここで, 変数の 次ニュートン多項式 さて, 変数の 次基本対称式 は次のように定義されるのだった: 特に, となることに注意する.行列式もトレースも,ユニタリ変換で上三角化した行列の対角成分だけで決まる.このことから「行列式を行列のべき乗のトレースたちの関数として表す問題」は
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
処理を実行中です
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