約 1,037,590 件
https://w.atwiki.jp/gcproject/
gcprojectのページです！ ここでは、psp・wii・ps3・dsなどの、改造する方法を、 紹介しているページです。 実行は、自己責任で行ってください！ それでは、良い改造ライフを！ 改造に関する、質問はメールでお願いします。 pokemon_riku2009@yahoo.co.jp です。
https://w.atwiki.jp/nopu/pages/62.html
\documentclass[11pt,a4paper,fleqn]{jsarticle} \usepackage{amsmath,amssymb,amscd} \usepackage{bm} \usepackage{graphicx} \usepackage{ascmac} \usepackage{cases} \setlength{\textwidth}{\fullwidth} \setlength{\textheight}{40\baselineskip} \addtolength{\textheight}{\topskip} \setlength{\voffset}{-0.2in} \setlength{\topmargin}{0pt} \setlength{\headheight}{0pt} \setlength{\headsep}{0pt} %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 数式と図の連番 \makeatletter \renewcommand{\theequation}{ \thesection.\arabic{equation} } \@addtoreset{equation}{section} \renewcommand{\thefigure}{ \thesection.\arabic{figure} } \@addtoreset{figure}{section} \makeatother \DeclareMathOperator*{\maximize}{\mathrm{max}} \newcommand{\xx}{\mathbf{x}} \newcommand{\yy}{\mathbf{y}} \newcommand{\zz}{\mathbf{z}} \newcommand{\tht}{\mathbf{\theta}} \newcommand{\ps}{\mathbf{\psi}} %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 属性 \title{Pattern Recognition and Machine Learning 6.2.} \author{1G06Q117-5 園田 翔\thanks{早稲田大学理工学部電気・情報生命工学科 村田研究室４年}} \date{2009/6/8} %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % ここから本文 \begin{document} \maketitle \section{Constructing Kernels} \begin{itembox}[l]{Kernel function} $ \begin{array}{c c c c c c c c c} k \mathcal{X} \times \mathcal{X} \to \mathbb{R}^N \times \mathbb{R}^N \to \mathbb{R} \\ \rotatebox[origin=c]{90}{$\in$} \rotatebox[origin=c]{90}{$\in$} \rotatebox[origin=c]{90}{$\in$} \\ (\xx,\xx ) \mapsto (\mathbf{\phi(x)}, \mathbf{\phi(x )}) \mapsto \sum_{i=1}^N \phi_i(\xx) \phi_i(\xx ) = \langle \mathbf{\phi(x)},\mathbf{\phi(x )}\rangle_f \end{array} $ \end{itembox} \subsection{how to construct valid kernel functions} \begin{itembox}[l]{to construct valid kernel functions} \begin{enumerate} \item to choose a feature space mapping $ \phi(\xx) $. \item to construct $k(\xx,\yy)$ and find certain $\phi(\xx)$ \item to see if the Gram Matrices $\mathbf{K}_{ij} = k(\xx_i, \xx_j)$ for all possible $ \{ \xx_n \} $ are positive semidefinite. (necessary and sufficient condition, Shawe-Taylor and Cristianini, 2004) \item to build a kernel out of simpler ones. \end{enumerate} \end{itembox} Rem. We require that a kernel $k(\xx,\xx )$ \begin{itemize} \item be symmetric and positive semidefinite \item expresses the appropriate form of similarity between $\xx$ and $\xx $ \end{itemize} \begin{figure}[h] \begin{minipage}{0.3\hsize} \begin{center} \includegraphics{Figure6_1a.eps} \end{center} \caption{Figure6.1a} \end{minipage} \begin{minipage}{0.3\hsize} \begin{center} \includegraphics{Figure6_1b.eps} \end{center} \caption{Figure6.1b} \end{minipage} \begin{minipage}{0.3\hsize} \begin{center} \includegraphics{Figure6_1c.eps} \end{center} \caption{Figure6.1c} \end{minipage} \end{figure} \begin{figure}[h] \begin{minipage}{0.3\hsize} \begin{center} \includegraphics{Figure6_1d.eps} \end{center} \caption{Figure6.1d} \end{minipage} \begin{minipage}{0.3\hsize} \begin{center} \includegraphics{Figure6_1e.eps} \end{center} \caption{Figure6.1e} \end{minipage} \begin{minipage}{0.3\hsize} \begin{center} \includegraphics{Figure6_1f.eps} \end{center} \caption{Figure6.1f} \end{minipage} \end{figure} \begin{figure}[h] \begin{minipage}{0.31\hsize} \begin{center} \includegraphics[width=5cm, trim=60 60 60 60]{kpoly.eps} \end{center} \caption{monomial kernel} \end{minipage} \begin{minipage}{0.31\hsize} \begin{center} \includegraphics[width=5cm, trim=60 60 50 60]{kgauss.eps} \end{center} \caption{gaussiann kernel} \end{minipage} \begin{minipage}{0.31\hsize} \begin{center} \includegraphics[width=5cm, trim=60 60 60 60]{ksig.eps} \end{center} \caption{logistic sigmoid kernel} \end{minipage} \end{figure} \begin{itembox}[l]{ the followings are valid kernels.} Given $k_1(\xx,\xx ),k_2(\xx,\xx )$ to be valid, \begin{align} k(\xx,\xx ) = f(\xx) k_1(\xx,\xx ) f(\xx ) \quad \mbox{( $f$ function )} \label{eq ff} \\ k(\xx,\xx ) = c k_1(\xx,\xx ) \quad \mbox{( c positive constant )} \\ k(\xx,\xx ) = k_1(\xx,\xx ) + k_2(\xx,\xx ) \\ k(\xx,\xx ) = k_1(\xx,\xx ) k_2(\xx,\xx ) \\ k(\xx,\xx ) = q(k_1(\xx,\xx )) \quad \mbox{( q polynomial with nonnegatibe coefficients )} \\ k(\xx,\xx ) = \exp(k_1(\xx,\xx )) \label{eq exp} \\ k(\xx,\xx ) = k_3(\mathbf{\phi}(\xx),\mathbf{\phi}(\xx )) \quad \mbox{( $\mathbf{\phi}(\xx) \in \mathbb{R}^N$, $k_3(\xx,\xx )$ is a valid kernel in $\mathbb{R}^N$)} \\ k(\xx,\xx ) = \xx^\mathrm{T} \mathbf{A} \xx \quad \mbox{( } \xx \in \mathbb{R}^M, \mathbf{A} \mbox{ sym. pos. semidef. )} \\ k(\xx,\xx ) = k_a(\xx_a,\xx_a ) + k_b(\xx_b,\xx_b ) \quad \mbox{( } \xx = (\xx_a,\xx_b) \mbox{ )} \\ k(\xx,\xx ) = k_a(\xx_a,\xx_a ) k_b(\xx_b,\xx_b ) \label{eq fl} \end{align} \end{itembox} \subsection*{Proofs} %ここに証明を書く(特にexp(k)) \begin{itemize} \item[\ref{eq exp}] \end{itemize} %%% polynomial %%% \subsection*{Ex1. Polynomial kernel} \begin{itembox}[l]{Polynomial kernel} $\xx,\xx \in \mathbb{R}^N$, $c 0$ \begin{eqnarray} k(\xx,\xx ) = (\xx^\mathrm{T} \xx )^M \label{eq hom} \\ % homogeneous polynomial k(\xx,\xx ) = (\xx^\mathrm{T} \xx +c)^M \label{eq all} \end{eqnarray} \end{itembox} \begin{itemize} \item (\ref{eq hom}) contains all monomials order M. \item Whereas (\ref{eq all}) contains all terms up to degree M. \item If $\xx$ and $\xx $ are two images, it represents a particular weighted sum of products of M pixels in the $\xx$ with M pixels in the $\xx $. \end{itemize} %（それぞれ同次式，多項式になっていることを確認） %（画像の例が本当に類似度を表しているのか確認） %%% Gaussian %%% \subsection*{Ex2. Gaussian kernel} \begin{itembox}[l]{Gaussian kernel} $\xx,\xx \in \mathbb{R}^N$ \begin{eqnarray} k(\xx,\xx ) = \exp \left( -\frac{\| \xx - \xx \|^2}{2 \sigma^2} \right) \\ = \exp \left( -\frac{\xx^\mathrm{T} \xx + (\xx )^\mathrm{T} \xx - 2 \xx^\mathrm{T} \xx }{2 \sigma^2} \right) \end{eqnarray} $\kappa(\xx,\xx )$ nonlinear kernel \begin{equation} k(\xx,\xx ) = \exp \left( -\frac{\kappa(\xx,\xx) + \kappa(\xx ,\xx )-2\kappa(\xx,\xx )}{2 \sigma^2} \right) \end{equation} \end{itembox} %演習問題（R^n上のガウスカーネルを無限次元の内積として表現する。） %（それでなんの類似度を表しているのか） %%% over sets %%% \subsection*{Ex3. Kernels over graphs, sets, strings and text documents.} \begin{itembox}[l]{The kernel defined over sets} $D$ fixed set \\ $A_1, A_2 \subset D$ \begin{equation} k(A_1,A_2) = 2^{|A_1 \cap A_2|} \end{equation} where $|A|$ denotes the number of elements in $A$ \end{itembox} \begin{itemize} \item Kernels can be defined over graphs, sets, strings and text documents. \end{itemize} %演習問題（カーネルの確認） %%% generative and discriminative %%% \subsection*{Ex4. Kernels from probabilistic generative models} \begin{itemize} \item Generative models can deal naturally with missing data, \par and in the case of HMMs it can handle sequences of varying length. \item Whereas Discriminative models generally give BETTER performance. \item In order to combine two approaches, we define a kernel using a generatibe model, and apply the kernel in a discriminative approach. \end{itemize} \begin{itembox}[l]{The kernel defined over sets} $p(\xx)$ generative model \begin{equation} k(\xx,\xx ) = p(\xx)p(\xx ) \label{eq pg1} \end{equation} $p(i)$ positive weighting coefficients, or latent variable (\S 9.2) \\ $p(\mathbf{z})$ weighting coefficients for continuous latent variable \begin{eqnarray} k(\xx,\xx ) = \sum_i p(\xx|i)p(\xx |i)p(i) \label{eq pg2} \\ \xrightarrow[i\to\infty]{} \int p(\xx|\mathbf{z})p(\xx |\mathbf{z})p(\mathbf{z}) d \mathbf{z} \label{eq pg3} \end{eqnarray} HMM (\S 13.2) \\ $\mathbf{X}=\{ \xx_1,\cdots,\xx_L \}$ input data consists of ordered sequences. \\ $\mathbf{Z}=\{\zz_1,\cdots,\zz_L \}$ corresponding sequence of hidden states. \begin{equation} k(\mathbf{X},\mathbf{X} ) = \sum_\mathbf{Z} p(\mathbf{X}|\mathbf{Z})p(\mathbf{X} |\mathbf{Z})p(\mathbf{Z}) \label{eq pg4} \end{equation} \end{itembox} \begin{itemize} \item (\ref{eq pg1}) represents that $\xx$ and $\xx $ are similar if they have high probabilities. \item (\ref{eq pg2}) is equivalent, if normalized, to a mixture distribution. \item A popular generative model for sequences is the HMM, which expresses the distribution $p(\mathbf{X})$ as a marginalization over $\mathbf{Z}$. \item (\ref{eq pg4}) measures the similarity of two sequences. \end{itemize} %%% Fisher %%% \subsection*{Ex5. Fisher kernel} \begin{itembox}[l]{Fisher kernel} $p(\xx|\mathbf{\theta})$ $\mathbf{\theta}$-parametrized generative model \\ Fisher score \begin{equation} \mathbf{g(\theta,x)} = \nabla_\mathbf{\theta} \ln p(\xx|\mathbf{\theta}) \end{equation} Fisher information matrix \begin{eqnarray} \mathbf{F} = \mathbb{E}_\xx \left[ \mathbf{g(\theta,x)} \mathbf{g(\theta,x)}^\mathrm{T} \right] \\ = \int \begin{pmatrix} \frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_1}\frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_1} \cdots \frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_1}\frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_P} \\ \vdots \ddots \vdots \\ \frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_P}\frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_1} \cdots \frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_P}\frac{\partial \ln p(\xx|\mathbf{\theta})}{\partial \theta_P} \end{pmatrix} p(\xx|\mathbf{\theta}) d \xx \end{eqnarray} Fisher kernel \begin{equation} k(\xx,\xx ) = \mathbf{g(\theta,x)}^\mathrm{T} \mathbf{F}^{-1} \mathbf{g(\theta,x )} \end{equation} \end{itembox} \begin{itemize} \item It measures the similarity between $\xx$ and $\xx $ induced by the generative model $p(\xx|\mathbf{\theta})$. \item It can be motivated from the perspective of information geometry.(Amari, 1998) \item form-invariant under a nonlinear re-parametrization $\mathbf{\theta} \to \mathbf{\psi(\theta)}$ %演習問題（変換不変を導く） [Proof.] \\ Let $f(\tht) = \ln p(\xx|\tht)$, $ \widetilde{f}(\ps(\tht)) =f(\tht) $ \begin{equation} \mathbf{g}(\tht,\xx) = \frac{\partial f(\tht)}{\partial \tht} = \frac{\partial \widetilde{f}(\ps(\tht))}{\partial \tht} = \mathcal{J} \mathbf{h}(\ps,\xx) \quad \left( \mathcal{J} = \left( \frac{\partial \ps }{\partial \tht} \right)^\mathrm{T}, \mathbf{h}(\ps,\xx) =\frac{\partial \widetilde{f}(\ps)}{\partial \ps}\right) \end{equation} Therefore, \begin{eqnarray} \mathbf{F} = \mathbb{E}_\xx [ \mathbf{g}(\tht,\xx) \mathbf{g}(\tht,\xx )^\mathrm{T} ] \\ = \mathbb{E}_\xx [\mathcal{J} \mathbf{h}(\ps,\xx) \mathbf{h}(\ps,\xx )^\mathrm{T}\mathcal{J}^\mathrm{T}] \\ = \mathcal{J} \mathbb{E}_\xx [ \mathbf{h}(\ps,\xx) \mathbf{h}(\ps,\xx )^\mathrm{T}]\mathcal{J}^\mathrm{T} \end{eqnarray} Then, \begin{eqnarray} \mathbf{g}(\tht,\xx)^\mathrm{T} \mathbf{F}^{-1} \mathbf{g}(\tht,\xx ) = \mathbf{h}(\ps,\xx)^\mathrm{T} \mathcal{J}^\mathrm{T} \left( \mathcal{J}^\mathrm{T} \right)^\mathrm{-1} \left( \mathbb{E}_\xx [ \mathbf{h}(\ps,\xx) \mathbf{h}(\ps,\xx )^\mathrm{T}] \right)^\mathrm{-1} \mathcal{J}^\mathrm{-1} \mathcal{J} \mathbf{h}(\ps,\xx ) \\ = \mathbf{h}(\ps,\xx)^\mathrm{T} \left( \mathbb{E}_\xx [ \mathbf{h}(\ps,\xx) \mathbf{h}(\ps,\xx )^\mathrm{T}] \right)^\mathrm{-1} \mathbf{h}(\ps,\xx ) \end{eqnarray} Q.E.D. \item In practice, we substitute the sample average for the proper $\mathbf{F}$. \begin{equation} \mathbf{F} \simeq \frac{1}{N} \sum_{n=1}^N \mathbf{g(\theta,x_n)} \mathbf{g(\theta,x_n)}^\mathrm{T} \end{equation} This is the covariance matrix of the Fisher scores. Thus the kernel corresponds to a whitening of these scores. % この近似はどうして成り立つのか \item or, more simply replace $\mathbf{F} \to \mathbf{I}$. This is NO MORE form-invariant. \item Fisher kernels applied to document retrieval.(Hofmann, 2000) \end{itemize} %%% Sigmoidal %%% \subsection*{Ex6. Sigmoidal kernel} \begin{itembox}[l]{Sigmoidal kernel} \vspace{-\baselineskip} % 数式だけのitemboxは一行下がってしまうので上げる \begin{equation} k(\xx,\xx ) = \tanh(a \xx^\mathrm{T} \xx + b) \end{equation} \end{itembox} \begin{itemize} \item This is NOT positive semidefinite in general. \item superficial resemblances between SVMs and NNs. \item some Baysian NNs have deeper links to kernel methods. (\S 6.4.7) \end{itemize} \end{document}
https://w.atwiki.jp/prmlword/pages/2.html
メニュー トップページ プラグイン紹介 まとめサイト作成支援ツール メニュー メニュー2 PRML word リンク @wiki @wikiご利用ガイド 他のサービス 無料ホームページ作成 無料ブログ作成 2ch型掲示板レンタル 無料掲示板レンタル お絵かきレンタル 無料ソーシャルプロフ ここを編集
https://w.atwiki.jp/bj_mobile/pages/19.html
2013-9？～2013-10-2 10 00 ★4★5カード出現率アップ
https://w.atwiki.jp/grune/pages/64.html
- Product - （生産関係） Contents ■ TopPage（トップページ） ■ Register（会員登録） ■ Login（ログイン） ■ Stetus（ステータス） ■ Ship（船体関係データ） ■ Skill（スキルデータ） ■ Product（生産関係） ■ City s（街） ■ Trade＆Recipe（交易品＆レシピ） ■ Discoverries（発見物一覧） Miner （採掘） スキル Mining 使用ツール Pick Axe 対象 Suburd（郊外）のRock（岩） 対象をWクリックすることでオート採取します。 資材が集まったらスキルのSmelting（製錬）を使いOreをMetalに加工しましょう。 Timber-Felling （伐採） スキル Timber-Felling 使用ツール Timber-Felling Axe 対象 Suburd（郊外）のTree（木） 対象をWクリックすることでオート採取します。 資材が集まったらスキルのProcessing（処理）を使いLogをTimberに加工しましょう。 Planting （農業） スキル Planting 使用ツール Hoe 対象 Suburd（郊外） Suburd（郊外）に点在するPlant（植物）を見つけ、WクリックをしてCrop（作物）とSeed（種）を手に入れます。Plant（植物）は、明け方に探すと見つかりやすい。 ある程度Seed（種）が集まったらHoe（鍬）を装備し、任意の場所でアイテム欄のSeed（種）をWクリックをして農作業開始。20分後にCrop（作物）とSeed（種）を採取できます。 Fishing （漁業） スキル Fishing 使用ツール Fishing Net （事前に船に装備する） 対象 Offshore（沖）もしくはHigh Seas（公海） Offshore（沖）に点在するShoal（浅瀬）を見つけ、Wクリックをすることで漁を開始します。レベルが低いうちはHigh Seas（公海）で漁をしても魚を獲ることは出来ません。 Foundry （鍛冶） スキル Foundry 使用ツール Hammer 対象 Article内のMetal（金属）及びTimber（木材）Black Smith（鍛冶屋）からレシピを買って覚えておく必要があります。 Alchemy （調合） スキル Alchemy 使用ツール Vessel 対象 Article内のCrop（作物）レシピを覚えておく必要があります。 Ship-Building （造船）} スキル Ship-Building 使用ツール Hammer 対象 Article内のTimber（木材）及びMetal（金属）レシピを覚えておく必要があります。 Sewing （裁縫） スキル Sewing 使用ツール Sewing Kit 対象 Article内のCrop（作物）、又はCloth（布）Tailor（服屋）からレシピを買って覚えておく必要があります。 Copyright © 2005-2006 IGG.com Co.Ltd. All rights reserved.
https://w.atwiki.jp/nicomusicproject/pages/14.html
メンバー一覧＞本部メンバー一覧＞Akkiuz＠にこみゅP（Voc.） 名前：Akkiuz＠にこみゅP（Voc.） 性別：♂ 役職：創作側 NicoMusicProject リーダー NicoMusicProject_本部 管理人 NicoMusicProject_ピアプロ支部 副管理人 概要 主に作詞・作曲を担当。ピストンコラージュ愛用(?) 最近は歌ってみたも挑戦中。 にこみゅPとは NicoMusicProject（にこみゅーじっくぷろじぇくと）を略してNMP－にこみゅPとなった。（椿音想空菜的解釈 ちなみに９瓜Pが命名したという設定。 製作履歴 twilight memory【紅白UTA合戦2010紅組】 作詞/作曲/編曲 担当 毒花束【紅白UTA合戦2010白組】 作詞 担当
https://w.atwiki.jp/engineeringhowtos/pages/12.html
C/C++言語でのプログラミングについてのHOWTO/FAQ集。 対象とする開発環境はGNU GCC（Linux, Cygwin, MinGW）、Borland C、Microsoft Visual Studio 6.0/2005/2008 など。 目次 インラインアセンブリコードを記述する[GCC] 記述したマクロが正しいか検証する[GCC] アセンブリコードを出力する[GCC] VC++用のDLLをCygwinで使う Qt Open Source Edition for C++/Windows 4.4.0をCygwinのGCCでリンクする[Cygwin] コンパイルができない[GCC][Cygwin][Linux]エラーメッセージ中に"undefined reference to `xxxx'"とある場合 インラインアセンブリコードを記述する[GCC] 例えばx86系のCPU(IA-32アーキテクチャ)においてクロックのカウント値を得るには次のようにする． unsigned int ch = 0; unsinged int cl = 0; __asm__ __volatile__ ("rdtsc" "=a" (cl), "=d" (ch)); "rdtsc"はクロックカウント値をeaxレジスタにロードする命令（"ReaD Time Stamp Counter"）． "=a" (cl) は直前の命令の結果として得られたeaxレジスタの値を変数clに代入することを指示する．同様に "=d" (ch) はedxレジスタの値を変数chに代入することを支持する．この"=a"は大文字で"=A"と書くと意味が変わってしまうので注意（"=A"だとeaxとedxを同時に読み出し，64 bit整数に代入することになる．IA-32において32bit整数を指定していた場合は暗黙のうちにedxの内容が捨てられ，eaxの内容が代入される）． 参照 GCC Online Documentation (info gcc), "5.36.4 Constraints for Particular Machines" "Intel64 and IA-32 Architectures Software Developer’s Manual Volume 2B Instruction Set Reference, N-Z" 記述したマクロが正しいか検証する[GCC] 次のようにして，ソースファイル（test.cとする）中のマクロを展開した段階の ソースコードを出力して確認する． gcc -E test.c test_tmp.c 出力はファイルtest_tmp.cに書き込まれる． アセンブリコードを出力する[GCC] 次のように-Sオプションを指定してgccを実行する． gcc -S test.c 出力は新たなファイルtest.sに書き込まれる． VC++用のDLLをCygwinで使う 前提 シンボルが除去（strip）されていないDLLもしくはそのためのインポートライブラリがあること。 VC++用のインポートライブラリをxxxx.libとすると、次の手順により、Cygwin用のインポートライブラリを作成できる。 echo EXPORTS xxxx.def nm xxxx.lib | sed -n -e"s/.* T _//p" xxxx.def dlltool --kill-at --def xxxx.def --dllname xxxx.dll --output-lib libxxxx.a オプション"--kill-at"が必要となるのはDLL中の関数が宣言されているヘッダファイルに，次のように__stdcallもしくはAPIENTRYが付いた関数宣言， DllExport int __stdcall SomeDll_DoSomething(); or DllExport int APIENTRY SomeDll_AnotherFunc(); がある場合である． この"--kill-at"がない場合，DLLを使用するプログラムとインポートライブラリの静的リンクまでは行えるが，DLLとの動的リンクの際に失敗する（プログラムが起動中に異常終了し，エラーメッセージが出ないこともあるので注意が必要）． "kill at"の意味通り，DLLへの参照（関数名の末尾）の"@n"が消される（nは引数の合計サイズ[byte]）．ただし，インポートライブラリ中の関数名（シンボル）の末尾には"@"があり，これは消される対象でない（したがってnmコマンドが出力するシンボルには"@n"が付いている）．この"@n"表現はWindows/VC++の仕様上，必要なものである． 参考文献 Charles Petzold, プログラミングWindows第5版,アスキー（DLLの仕様はWindows98/NT4.0の頃から基本的には変わっていないので古い版にも同様の記述があるはず） Qt Open Source Edition for C++/Windows 4.4.0をCygwinのGCCでリンクする[Cygwin] Qtのインストール先のディレクトリをC \Qt\として説明する． （インストール先がこれと異なる場合は，適宜下記の説明中の該当部分を置き換えること） 1. Qtをインストールする．MinGWのインストール先についてのQtインストーラからの問い合わせ/警告は無視してよい 2. QtのツールがあるディレクトリへのパスC \Qt\4.4.0\binを環境変数PATHに追加する 3. 次のファイル C \Qt\4.4.0\mkspecs\default\qmake.conf の以下の行 QMAKE_MOC = $ $[QT_INSTALL_BINS]$${DIR_SEPARATOR}moc.exe QMAKE_UIC = $ $[QT_INSTALL_BINS]$${DIR_SEPARATOR}uic.exe QMAKE_IDC = $ $[QT_INSTALL_BINS]$${DIR_SEPARATOR}idc.exe を次のように変更する． MYQTDIR = /cygdrive/c/Qt/4.4.0/bin QMAKE_CXXFLAGS += -mno-cygwin QMAKE_LFLAGS += -mno-cygwin QMAKE_MOC= $$MYQTDIR/moc.exe QMAKE_UIC= $$MYQTDIR/uic.exe QMAKE_IDC= $$MYQTDIR/idc.exe 4. qmakeを直接使わず，以下に示す，スクリプトファイルを用いる． これはqmakeが出力したMakefile中のパスの形式をMinGWの形式から，Cygwinの形式に変換するためのスクリプトである． #!/usr/bin/bash echo "calling qmake..." qmake $* /dev/null 2 1 || echo "Error occured in qmake Check your .pro file" # unique name to avoid overwriting another file with the same name TMPFILE="qmake_cyg_tmp_Makefile" echo "converting Makefiles..." for f in Makefile*;do cat $f |sed -e"s/\(C\|c\) [\/\\]/\/cygdrive\/c\//g" $TMPFILE; mv $TMPFILE $f; done rm -f $TMPFILE コンパイルができない[GCC][Cygwin][Linux] エラーメッセージ中に"undefined reference to `xxxx "とある場合 /cygdrive/c/DOCUME~1/Admin/LOCALS~1/Temp/cc668dxb.o test.c (.text+0x92) undefined reference to `_xxxx collect2 ld returned 1 exit status これを解決するには、関数xxxxが定義されているファイル、またはライブラリをGCCに対して指定する。 ライブラリ名が不明の場合、次のコマンド行により検索する（シェルがBash、かつ関数名がxxxxとする）。 for f in /usr/lib/*.a; do nm $f|grep "T .*xxxx" echo Found in $f; done 典型的な結果は次のようになる。 00000310 T _xxxx Found in /usr/lib/libyyyy.a ここで"Found in "の右側が、関数xxxxを定義しているライブラリへのパスである。見つかったライブラリ名をlibyyyy.aとすると、GCCのコマンド行に指定すべきオプションは-lyyyyである gcc -o test test.c -lyyyy
https://w.atwiki.jp/nicomusicproject/pages/15.html
メンバー一覧＞本部メンバー＞椿音想空菜 名前：椿音想空菜＠９瓜P（キュアドリーム♪） 読み：つばきねそらな＠きゅうりぴー 性別：♀ 役職：創作側 NicoMusicProject 副リーダー NicoMusicProject_本部 副管理人 NicoMusicProject_ニコニコミュニティ支部 管理人 NicoMusicProject_ピアプロ支部 管理人 概要 主に調教と動画を担当。UTAUを所持。１月中にVOCALOID導入…らしい。 瓜音ウリの中の人をやっていたり、友人の音源を作っていたりする。 色んなことに挑戦しようとして自分の首を絞めているので「ドM」と思われがちだが、実際には「S」に分類される。 両声類目指し中。 ９瓜P（きゅうりぴー）とは 重音テトコミュニコ生『テト瓜配信』にて「瓜音ウリ...？」とコメント、 ↑の次回配信にてコメ番９より瓜音ウリをコメントで作り上げていこうとし、最終的には瓜音ウリ中の人になった人。 ニコ生にて瓜ウリPが「９瓜？」といったことから９瓜Pと名付けられた。（当時実績無し） ちなみにきゅうりぴーの読みは９瓜P本人の勝手な解釈。 製作経験 twilight memory【紅白UTA合戦2010紅組】 桃音モモ調声/動画/うｐ 担当 毒花束【紅白UTA合戦2010白組】 MIX/エンコード 担当
https://w.atwiki.jp/nicomusicproject/
NicoMusicProject@wikiへようこそ ここはNicoMusicProjectのあれこれをまとめる@wikiです。 まだ未完成ですが、宜しくお願い致します。 編集メンバー急募 本部に入っている方で、４人まで。 詳しくは→更新について
https://w.atwiki.jp/animesongs/pages/3810.html
くっつきぼし くっつきぼし オリジナルサウンドトラック くっつきぼし オリジナルサウンドトラック(Amazon) 発売元・販売元 株式会社プリマステア 発売日 2010.08.28 価格 1000円（税込み） 内容 アーヤ 初恋の実験 夏が始まる 私たちの城 恋人時間 初恋加速空間 歌：川上紀衣子（今井麻美） 初恋加速空間（without vocal） 備考