約 2,544,014 件
https://w.atwiki.jp/linkwith/pages/22.html
ここは パターンにどんな下位パターンが含まれるか、考えるページ 下位パターンはパターンより具体的なため、イメージがわきやすい よりイメージがわくように、下位パターンの具体例もあわせて書く 成長 力の差：いつかは追いつきたいもの強大な敵 大人と子ども 思考・思想の差：乗り越えるべきもの、けっして埋まらないギャップ大人と子ども 宗教や格差など 現象的なものの差社会 ！MECE的じゃないので、書き直し！ 自分：他者との比較のなかで能力：武力、知力 物質的なもの：財力 精神的なもの：人脈、権力、地位、名誉 外部：個々人ではなく、自他の総体（ここではわかりやすく、国として記載）能力：武力、政治力、国民 物質的なもの：経済力、資源、産業、インフラ、コミュニティ 精神的なもの：国際関係、国際的権力・地位・名誉、歴史 破滅 自分：他者を巻き込まない（巻き込んでも小規模）物質的な意味：死、再起不能、破産 精神的な意味：恥、失墜、不信、罵倒、その他の敗北 社会：不特定多数を巻き込む物質的な意味：消滅、崩壊、植民地化、荒廃、破産、首長などの死・逃亡 精神的な意味：関係性の断絶、失墜、不信 旅 目的がある物質的なもの：場所、人、財宝、人助けになるもの 精神的なもの：アイデンティティ、優位性、能力の向上、他者との関係性、権力・地位・名誉 目的がない思いつかん…… 天才 身体性の分類身体的なもの：運動能力 身体的じゃないもの：知力 発露の仕方における分類所以あり：血縁、教育、環境 所以なし 特殊キャラ 人間 人間じゃない 原作のストックが少ないから、思いつかん…… 「こんなのあるんじゃない？」というのがあれば、教えてください。 ほかに意見など、歓迎します。 名前 コメント すべてのコメントを見る
https://w.atwiki.jp/indexorichara/pages/2175.html
暗部組織『パターン』 第七学区にメイン、第二一学区の自然豊かな場所にサブ拠点を持つ。機密レベルはグループ並み。 戦闘部隊という立ち位置でなく、日常的で意外な手法により、学園都市の社会活動を監視し、依頼に基づく調査や情報工作によって問題の防止や事後処理に務める。 徹底した回りくどさを追求しつつ、一度決定した手法は「手順」として滅多なことでは変更しない。 それゆえに彼らの存在を敵として意識しないうちは機能するが、一度意識されれば力量を容易に逆算されてしまう脆い組織。 暗部の基本に忠実な組織で、いわば灯台もと暗しみたいなイメージである。 メンバー数は8人エージェント体制で、在宅勤務もあり。 リーダー 中位御枝 主要構成エージェント 稲生能華 垂衣育愛 六甲愛蘭
https://w.atwiki.jp/fxdekatu/pages/6.html
ＦＸのチャートの中で最も優先されるのは価格である。 その次が形などのパターン。次にテクニカルだろうか。だから、俺はエントリーするときにはまず価格を見る。エントリーしていい水準かどうか。 その次はパターン。次のテクニカルは自分に基準を持たせるためだけに使う。 まずパターン１ このパターンは７５ＭＡを２５ＭＡが抜けた時にもう一度戻ってきたらエントリー。できれば２５ＭＡ付近の反発を狙いたいが、短期線を使ってもいいかもしれない。 損切りは押し目抜けたらごめんなさいする。 利食いはその時々で決めるが、最初の損切り以上にする。
https://w.atwiki.jp/iti777/pages/54.html
次に解説するのは、融合パターンについてである。 ここで覚えるべきはパターン２とパターン３だけなので、 そこだけ覚えてもらえれば大丈夫である。 ◆パターン１：パターン5でできる、「昇華の～」を右にして 組み合わせた時のパターン。 ※今のところ、このパターンだとただの「融合レア」に 成り下がってしまうのでしないのが賢明。 ◆パターン２：「激レア」を左に、「失敗レア」or「パターン３レア」を 右にした組み合わせの事である。 このパターンの時が「融合激レア」である。 ◆パターン３：右の装備の属性が左の装備の弱点属性の時のみ、 このパターンとなる。 「融合激レア」を作る際には必ず通るパターンなので 覚えておいて欲しい。 マニュアルの属性を参照すると、下記のようになる。 Farland History-R マニュアル 属性 無 火 水 風 地 雷 光 闇 弱点 なし 水 雷 火 風 地 闇 光 ◆パターン４：存在の確認ができていない。 ◆パターン５：「通常レア」or｢融合レア」において同じ属性の 装備同士を組み合わせた時のパターンである。 左右入れ替えてもこのパターンは変わらない。 ◆パターン６：パターン１～５以外のもの全てのパターン
https://w.atwiki.jp/mazerunakikenn/pages/43.html
次に解説するのは、融合パターンについてである。 ここで覚えるべきはパターン２とパターン３だけなので、 そこだけ覚えてもらえれば大丈夫である。 ◆パターン１：パターン5でできる、「昇華の～」を右にして 組み合わせた時のパターン。 ※今のところ、このパターンだとただの「融合レア」に 成り下がってしまうのでしないのが賢明。 ◆パターン２：「激レア」を左に、「失敗レア」or「パターン３レア」を 右にした組み合わせの事である。 このパターンの時が「融合激レア」である。 ◆パターン３：右の装備の属性が左の装備の弱点属性の時のみ、 このパターンとなる。 「融合激レア」を作る際には必ず通るパターンなので 覚えておいて欲しい。 マニュアルの属性を参照すると、下記のようになる。 Farland History-R マニュアル 属性 無 火 水 風 地 雷 光 闇 弱点 なし 水 雷 火 風 地 闇 光 ◆パターン４：存在の確認ができていない。 ◆パターン５：「通常レア」or｢融合レア」において同じ属性の 装備同士を組み合わせた時のパターンである。 左右入れ替えてもこのパターンは変わらない。 ◆パターン６：パターン１～５以外のもの全てのパターンの事。
https://w.atwiki.jp/rmemo/pages/25.html
パターン１（１変数、１グループの場合） パターン１（１変数、１グループの場合）データ例（ウェイトレスの時給） Ｒにデータ入力 パターン１で使える統計処理の方法グラフ表示 基礎等計量 度数分布表とヒストグラム 母平均の区間推定 母平均の検定 石村貞夫(1994)『すぐわかる統計処理』（東京図書）トップページに戻る データ例（ウェイトレスの時給） ８００円 １０００円 １１００円 ９５０円 １２００円 ９００円 １０５０円 ８００円 Ｒにデータ入力 x - c(800,1000,1100,950,1200,900,1050,800) パターン１で使える統計処理の方法 グラフ表示 barplot(x) #棒グラフをかく 画面にグラフを出すなら上記の命令１行だけで済む。 今回はｊｐｅｇファイルを貼付けているが、 ｊｐｅｇファイルにグラフを書き出すのは以下の通り。 jpeg("myplot.jpg") #jpegファイルで出力 barplot(x) #棒グラフをかく dev.off() #出力を標準に戻す 基礎等計量 summary(x) Min. 1st Qu. Median Mean 3rd Qu. Max. 800 875 975 975 1062 1200 度数分布表とヒストグラム hist(x) 母平均の区間推定 母平均の検定 つまり今手にしたデータは、母集団から無作為抽出したものと考えるのである。 母平均の区間推定と母平均の検定の二つは、１つの命令で一気に解決する。 t.test(x,mu=975) One Sample t-test data x t = 0, df = 7, p-value = 1 alternative hypothesis true mean is not equal to 975 95 percent confidence interval 856.7688 1093.2312 sample estimates mean of x 975 95 percent confidence interval とは、母集団の平均値（母平均）がこの区間（856.7688〜1093.2312）のどこかにある確率が95％の確率ということ。逆に言うと、この区間から母平均がはみ出す確率は５％以下だということ。 サンプルの平均値975と、母集団の平均値が等しくないという対立仮説は、ｐ値＝１＞０．０５で棄却できない。 サンプルが少なすぎるのである。 石村貞夫(1994)『すぐわかる統計処理』（東京図書）トップページに戻る
https://w.atwiki.jp/constlangmajuuyu/pages/14.html
目次 配置パターン概要区画計算の方法 配置パターン 読み順 仕切り 配置パターン概要 配置パターンとは、マジューユの文字が区画内で取りうるすべてのベース配置を縦横値が(1,1)である「・」で表したものです。なお、これはIME制作や造語の際に用いるものであり、マジューユを言語として学ぶときにこれらを厳密に覚える必要はありません。 読み順がわからない時は役立つかもしれませんが、基本は左上から読むという規則とちょっとのプラスアルファで済ませられるはずです。 どのような配置の文字も本項に示す配置パターンのいずれかに該当します。 ↓ ↓ ↓ ↓ というような感じです。 区画計算の方法 配置パターンを文字の区画計算に利用します。 前述したように、どの文字にも対応する配置パターンがあるので、該当パターンの「・」に縦横値を代入して行と列の最大値を求めます。 その結果が限界収容区画を超える文字は作れません。 インとレイヤー化が起きている構成要素は少し特殊な扱いとなります。 インが起きているベースの扱い インベースのサイズがどれだけ大きかろうと、まずは一つの「・」として扱います。 ↓ ↓ ↓ 区画計算の方法は、インベースにもう一度配置パターンを適用するという方法を取ります。 レイヤー化が起きているベースの扱い こちらも同じように、アンダーベースの大きさによらず一つの「・」として扱います。 インとの違いは、レイヤーベースの縦横値が区画計算に与える影響が画一的でない点です（要詳細）。 区画計算の方法は、アンダーベースにもう一度配置パターンを適用する方法を取ります。 空白ベース 空白ベース自体の縦横値は(0,0)ですが、ベース使用数は１つとしてカウントされるため、配置には以下のようにして影響を与えます。 Note インに関しては、アウトベースを無視してインベースを直接配置パターンに組み込む方が良いかもしれません。要検討です。 配置パターン 点の位置がベースの位置となります。 これを基にして方向や仕切りも作っています。 （6，7はまだ作成途中です） ベース数１ ベース数２ ベース数３ ベース数４ ベース数５ ベース数６ ベース数７ (作成中) 読み順 読み順の指標です。矢印の方向に読み進めていきます。 以下に暫定の表記法を示します。 これは、ある点を起点として次の点に行くときの方向を大まかに記号化したものです。 原点を中心として、 右上の方（緑の領域）に行くときは"a" 真右に行くときは"b" 右下の方（青の領域）に行くときは"c" 真下に行くときは"d" 左下の方（赤の領域）に行くときは"e" と表すということです。 例えば、 であれば、「起点→左下→真右→右上」の順で読むので、"eba"ということになります。 なお、あとでわかったのですが右下に行くことはないようです。なのでcは出てきません。 また、配置パターンは同じで読み順が異なる場合、画像内に①や②などの番号が振ってあります。対象性の高い配置でよく現れます。 その場合は、読み順は異なるが同じ配置があるということを示すために、語末に"-s(N)"とつけています。s は same の s ですがまあ暫定の命名ですので参考程度に。 逆に、読み順は同じで配置パターンが異なる場合もあります。 この場合は、読み順のあとに、大きな塊の数を方向とともに示しました。 例えばこの２つ。 読み順はどちらも"adeb"で同じなのですが、配置パターンは異なります。 このような場合、後の「仕切り」でも言及しますが、大まかな塊ごとに分けて識別します。 左側の画像の場合、真ん中に縦線を引いて、左１/右４の塊に分けます。 右側の画像の場合、真ん中に横線を引いて、上３/下２の塊に分けます。 そして、その塊すらも一つの配置単位と捉えます。 すると左側画像はある種の"b"と捉えることができ、右側画像はある種の"d"と捉えることができます。このような一つ大きなスケールの方向は大文字で示しました。 左側画像で言えば、大きな塊２つは左から右に読み、塊ごとのベース数は1個と4個であるということになります。 結局、左側画像はadeb-B14、右側画像はadeb-D32と表されます。 ベース数2 b d ベース数3 ad bb be da dd eb ベース数4 abe ada-s2 add ade aeb bad bbb bbe bea beb-s1 bed dab dad-s2 dae dda ddd deb ead eba ebb ebe-s1 eda ベース数5 aade abbe abea abeb-s1 abed abee adab adad-s2 adae adda-s2 addd adde adea adeb-B14 adeb-D32 aded aead aeba aebb aebe aeda babe bada badd bade baeb bbad bbbb bbbe bbea bbeb bbed beab bead-B32 bead-D23 beae beba-s1 bebb bebe-s1 beda-B41 beda-D23 bedd beeb-s1 daad-s2 dabb dabe-B23 dabe-D41 dada-s2 dadd dade-s2 daea daeb ddae ddda dddd ddeb dead deba debb debe deda eabe eada eadd eaeb ebad-B32 ebad-D14 ebba ebbb ebbe-s1 ebea ebeb-s1 ebed edaa edab edad-s2 edda eeba 仕切り なぜその読み順になるのかがこれで多分わかります。 大まかな塊ごとに仕切りを作って、その中から左上から読むみたいな感じが伝わると嬉しいです。 仕切られた塊から塊への移動も前項の読み順"abcde"と同様に表せそうだったので、同じ感じで大文字の"ABCDE"を語頭に置きました。 その後についている数字は、塊ごとに含まれるベースの小計です。 また、仕切り方が同じでかつ仕切られた空間内のベースの小計が同数の場合、表記名が同じになるので、その場合は語末に前項の読み順を付して区別しています。 ベース数5~7は製作途中です。 ※分ける必要がないものは飛ばしています。 ベース数3 B12 D21 B21 D12 ベース数4 AD112 AD121 B13 B22-bad B22-dab B22-dad B31 BB121 BE121 BE211 D13 D22-beb D22-bed D22-deb D31 DA121 DA211 DD121 EB112 EB121
https://w.atwiki.jp/srwogskouryaku/pages/315.html
能力値成長パターン LV99までの上昇量累計 味方成長パターン早見表 能力値成長パターン 成長パターン 上がりやすい能力 上がりにくい能力 備考 標準 特になし 特になし 全体的に成長率低め。一般兵とサブパイロット用。 格闘･標準 格闘 射撃 回避 格闘が伸びる。 格闘･万能 格闘 技量 防御 (射撃) 回避 格闘、技量、防御が伸びる。 格闘･射撃 (格闘) 防御 回避 格闘、射撃ともに平均並。回避が低い。 格闘･防御 格闘 防御 射撃 (技量) 回避 格闘、防御が伸びる。特機系ユニットに最適。 格闘･晩成 格闘 防御 (SP) (射撃) (回避) 低LV時の成長率が低め。全成長パターンで格闘が最も伸びる。 射撃･標準 - 格闘 技量 防御 命中 成長率低め。命中が特に伸びにくい。 射撃･万能 射撃 技量 回避 (格闘) 防御 射撃、技量、回避が伸びる。回避系ユニットに最適。 射撃･格闘 (格闘) (射撃) (防御) 格闘、射撃ともに平均並。防御が若干低い。 射撃･防御 (射撃) (格闘) 防御が射撃系の中では珍しく平均並。 射撃･晩成 射撃 回避 (SP) 防御 低LV時の成長率が低め。全成長パターンで射撃が最も伸びる。 射撃･限界 (技量) SP 格闘 防御 (回避) (命中) 成長率低め。基本的に敵専用。 万能･標準 (格闘) - 標準型より一回り成長率が高い。制御兵など終盤の一般兵はこれ。 万能･晩成 SP - 低LV時の成長率が低め。SPが大きく伸びる。 SP重視 SP 格闘 射撃 技量 防御 回避 命中 戦闘能力全般が上がりにくい。SPは大きく伸びる。 ()内の能力は少しだけ上がりやすい、または上がりにくいもの。 LV99までの上昇量累計 格闘 射撃 技量 防御 回避 命中 SP 標準 格闘･標準 格闘･万能 86 59 82 82 164 196 163 格闘･射撃 79 74 74 81 163 196 163 格闘･防御 84 49 65 98 163 196 164 格闘･晩成 89 60 74 84 182 195 172 射撃･標準 59 73 64 59 196 164 163 射撃･万能 66 85 82 59 215 196 163 射撃･格闘 79 81 73 62 196 196 163 射撃･防御 65 82 74 73 196 196 163 射撃･晩成 71 88 73 52 208 198 172 射撃･限界 59 73 78 58 187 181 180 万能･標準 79 74 73 73 196 196 163 万能･晩成 76 76 72 73 192 195 207 SP重視 49 49 55 59 162 166 196 味方成長パターン早見表 赤字は成長パターンが変わってるキャラ、青字はOG1、またはOG2/2.5のみ参戦のキャラ。 成長パターン OG1 OG2/2.5 標準 - エイタ 格闘・標準 カイ - 格闘・万能 キョウスケ ゼンガー イルムリュウセイ キョウスケ ゼンガー イルムウォーダン 格闘・射撃 ブリットリオ カイ 格闘・防御 タスク ラッセルジャーダ タスク ラッセル 格闘・晩成 クスハ アラド 射撃・標準 ダイテツ テツヤ ショーン アヤ ダイテツ テツヤ ショーン アヤゼオラツグミ 射撃・万能 ライ エクセレン レオナ リューネカチーナ ライ エクセレン レオナ リューネヴィレッタリースレイ 射撃・格闘 マサキ マサキリオカチーナユウキ 射撃・防御 イングラム カーラ 射撃・晩成 レフィーナヴィレッタ レフィーナアイビス 射撃・限界 - アルフィミィ 万能・標準 ギリアム エルザム リンラトゥーニ ギリアム レーツェル リンリュウセイブリットクスハリョウトマイラミアアクセルオウカ 万能・晩成 リョウト ラトゥーニシャインラウルフィオナ SP重視 ラーダガーネット ラーダ ※ツグミ、ラウル、フィオナ、OG2.5で参戦するキャラの成長パターンが不明。わかる方いたら修正をお願いします。
https://w.atwiki.jp/sims3pc/pages/35.html
パターン作成 * Sims3のパターンはDDS(DirectDraw Surface)フォーマットです。 本来RGBAの4チャンネルを赤、緑、青、アルファ値として扱うところですが、Sims3ではそれぞれのチャンネルを任意4色の色情報としてレイヤーのように扱っているようです。したがってアルファチャンネルはアルファチャンネルとしてではなく4色目の色情報として機能します。 パターン作成のためのツール パターン作成のチュートリアル Delphy s Pattern Packagerを使う 簡単そうな作成方法 パターン作成のためのツール * Create a Pattern Create a Pattern - The Game - Community - The Sims 3 (The Sims3 公式ページ要ログイン) 公式のパターン作成ツール。通称CAP。英語や複数の言語を選べるが日本語は無し 使用できる画像形式 BMP / PNG / JPG TSR Workshop TSR Workshop 様々なCC作成のためのツール。英語 使用できる画像形式 DDS / PNG / BMP Delphy s Pattern Packager Delphy s Pattern Packager パターン作成ツール。英語 使用できる画像形式 DDS パターン作成のチュートリアル * Drip-Dry Polka | Create a Pattern (外部リンク)CAPの操作説明 Create A Pattern Tool | Sakura Sims (外部リンク)CAP使用 自作パターンとっかかり | 蛇足 (外部リンク)TSR Workshop使用 Delphy s Pattern Packagerを使う * Delphy s Pattern Packager GIMP フリーの画像編集ソフト。使い方はこの辺とかこの辺で。 GIMP DDS plugin GIMPでDDSの書き出しをする。日本語パスを扱うとエラー出るかも？ 簡単そうな作成方法 * 赤、緑、青の3色で何か適当に作る。出来合いの画像をWindows付属のペイント使ってバケツで塗りつぶすもよし。 GIMPで読み込んで[ファイル]-[名前をつけて保存]。 "画像の保存"ダイアログでファイルタイプをDDSに指定。 保存ボタンを押すと"Save as DDS"ダイアログが開くのでFormatを"RGBA8"に指定。 このときファイル名・フォルダ名に日本語が含まれてるとエラーかも。 Delphy s Pattern Packagerを起動。最初の起動では作者名を入れて"I Agree"。 [File]-[New Pattern]で新規作成。必要な情報を入れてソースとして作成したddsを選択。 Number of recolourable palettesで必要な色数にチェック。3色なら3。 Palette 1〜4でデフォルトの色を設定。右側のImage Previewで"Preview Output"ボタンを押すとプレビュー。 できたら[File]-[Save as...]でpackageファイルを保存。完成品をModsフォルダにコピーして起動。 ゲーム内で使う。
https://w.atwiki.jp/novpat/pages/31.html
パターン認識 機械学習 パターン認識と回帰分析 ベイズ推定法 最近傍法NN法 K-NN法 サポートベクトルマシン（SVM）概要 線型非分離な問題への対策 パターン認識 入力変数を、出力変数をとしたとき、学習データセットからとの間に存在する規則性を見つけ出し、新しく観測されたに対応するを求めることをパターン認識という。なお、出力変数が連続値の場合は回帰分析と同等である。 機械学習には、大きく分けてパラメトリックなアプローチとノンパラメトリックなアプローチとがある。パラメトリックなアプローチでは、確率分布関数を一次独立な関数の線型（非線型）結合によって表現し、そのパラメーターを推定する。一方、ノンパラメトリックなアプローチでは、データ集合から直接に目的の確率を計算する。 ある入力に対して出力が，にしたがって決まるとする．このとき，学習セットの集合から関数を推定することを機械学習と呼ぶ．が有限離散数の場合は，関数が入力の分類器の役割を果たすのでパターン認識と呼ばれ，が有限離散数の場合は回帰と呼ばれる．なお、出力変数が連続値の場合は回帰分析と同等である。 機械学習 入力変数を、出力変数をとしたとき、学習データセットから条件付き確率分布を推定することを機械学習という。無作為抽出されたサンプル集団から（母集団の）確率分布を推定することになるので、機械学習は推測統計学と関係が深い。実際、機械学習で使う技法の多くは推測統計学のものである。なお、出力変数が連続値の場合は回帰分析と同等である。 機械学習には、大きく分けてパラメトリックなアプローチとノンパラメトリックなアプローチとがある。パラメトリックなアプローチでは、確率分布関数を一次独立な関数の線型（非線型）結合によって表現し、そのパラメーターを推定する。一方、ノンパラメトリックなアプローチでは、データ集合から直接に目的の確率を計算する。 パターン認識と回帰分析 ある入力に対する出力が，関数にしたがって決まるとする．このとき，入力と出力（教師）の組の集合（学習データセット）から関数を推定することを機械学習とよぶ．パターン認識の場合は、が有限離散変数であり、関数はクラス分類をおこなう。一方，回帰分析の場合は、が連続変数である． ベイズ推定法 確率的情報処理をパターン認識に適用する． ベイズ推定法から前述のNN法を導出することもできるため，一般的なパターン認識法の一般的な表現ともいえる？？ 学習のメカニズムを説明するのにも適している？？ 最近傍法 NN法 入力ベクトルとプロトタイプベクトル（クラスを代表するベクトル）の距離を測り，もっとも近いプロトタイプの属するクラスを認識結果として出力する方法を最近傍法（NN法）と呼ぶ． まず，分類するクラスが個あるとして，それぞれをで表すとする． 特徴ベクトルが次元であるとすると，クラスのプロトタイプは以下のように定義される． このとき，入力ベクトルとプロトタイプとの距離は次式によって求められる． この距離を最小にするプロトタイプの属するクラスが識別器の出力となる． （余談：２クラス問題のNN法はパーセプトロンと数学的に等価である．《(参考)フリーソフトでつくる 音声認識システム》） K-NN法 NN法では，最近傍のプロトタイプベクトルにより，入力ベクトルの識別をおこなった． k-NN法では，最近傍の個のプロトタイプベクトルにより，入力ベクトルの識別をおこなう． 最近傍の個のプロトタイプベクトルを探し，その中で多数を占めたクラスを識別結果とする． サポートベクトルマシン（SVM） 概要 線型非分離な問題への対策