約 20,827 件
https://w.atwiki.jp/kumicit/pages/515.html
批判サイド 創造論者の主張 Claim CH504.2 In 1955, after two unsuccessful searches, Fernand Navarra found hand-hewn wood in a wall of ice at the 13,750 foot level. He retrieved a small sample of the wood, which is apparently very old. In 1969, Navarra and others found more old wood at two different sites. 2回の調査の失敗後の1955年に、Ferrnand Navarraは、人間の手で加工された木材を高度13750フィートの氷壁で見つけた。彼はその欠片を切り取った。それは明らかに非常に古いものだった。 1969年にNavarraたちは、さらに古い木材を異なる2か所で発見した。 Source LaHaye, Tim and John Morris, 1976. The Ark on Ararat, Nashville Thomas Nelson Inc. and Creation Life Publishers, pp. 129-134, 158-160. Response 1955年のNavarraが取ってきたサンプルの放射性同位元素による年代測定が5つの実験施設で行われた。そのひとつでは、サンプルが小さ過ぎたが、西暦260年±120年と推定した。他の3つの施設では西暦720~790年±90年と推定した。5つめは西暦300~700年と指定した。(文献で公表はされていない)2つの実験施設が1969年のサンプルを年代測定を行い、西暦650年±50年および西暦630年±95年と推定した。推定された年代は基本的に一致しており、2つの一致しない年代推定は疑わしい。木片はノアの箱舟に使われたとすると新しすぎる。木片は褐炭の形成度合い、木の密度、細胞の変形、色の変化、その他の方法でも年代測定された。これらの方法では5000年前という結果が出たが、これらの方法は非常に主観的であり、大きく違いがある。特に木の密度による推定では初期密度によって結果が異なる。どの種類のサンプルを使ったかが、これらの調査を行った実験施設間で一致していない。ある実験施設では、若い年齢という結果になる軽いオークを使わず、重い種類を選択的に使った。色の変化は最短100年程度で起きる[Bailey 1989]。 Navarra本人も疑わしい。木片をどこで発見したかについてのNavarraの記述はあいまいで、互いに矛盾していおり、意図的にわかりにくくしたと考えられる。1969年には少なくとも1回は、Navarraが発掘を指示した場所からしか木片が見つかっていない。Navarraは発見より前に木片を埋める機会があった。Navarraの友人の一人は、古い建物の肋材を購入しようとしたとNavarraを批判した。また他に二人が、Navarraが自分の本を売るために、箱舟の木片を採取したという詐欺な主張をしたと書いている[LaHaye and Morris 1976]。 References Bailey, Lloyd, 1989. Noah The Person and the Story in History and Tradition. Columbia, SC University of South Carolina Press. LaHaye and Morris, 1976. (see above) オリジナルページ これは Index to Creationist Claims, edited by Mark Isaak の和訳です。
https://w.atwiki.jp/gominkan/pages/169.html
シーズンオフ 週ごとの俸禄8/21~8/27(案)シーズンオフ8/21~8/27 (計7日間) 俸禄受け取り方法の選択資金で受け取りたい方はこちら(資金=推定作業時間×0.5 端数切り上げ) 個人口座へマイルで受け取りたい方はこちら(マイル=推定作業時間×1.0 端数四捨五入) 藩国口座へマイルで受け取りたい方はこちら(マイル=推定作業時間×1.0 端数四捨五入) 9/18 00 54 リストから抜けていたこんこ@たけきの藩国さんを追加 シーズンオフ 週ごとの俸禄8/21~8/27(案) シーズンオフ8/21~8/27 (計7日間) 国民番号 PC名@藩国名 実作業時間 推定作業時間 俸禄(資金) 俸禄(マイル) 備考 1800344 星月 典子@詩歌藩国 10.5 10.5 6 11 4100008 ゆうみ@悪童同盟 7.9 9 5 9 2000381 たまき@愛鳴藩国 4 5 3 5 0600147 蝶子@レンジャー連邦 4.1 4.9 3 5 0200039 リバーウィンド@akiharu国 4 4 2 4 0100010 クレール@るしにゃん王国 2.5 3.2 2 3 1300270 竿崎 裕樹@よんた藩国 2 2 1 2 2700521 liang@ヲチ藩国 2 2 1 2 3600695 みぽりん@神聖巫連盟 2 2 1 2 3000572 双海環@芥辺境藩国 1.3 1.6 1 2 0100012 鷹臣@るしにゃん王国 1 1 1 1 2600510 こんこ@たけきの藩国 0.8 1 1 1 総計 42.1 46.2 27 47 俸禄受け取り方法の選択 ターン9第2週からの俸禄は、資金とマイルのどちらで受け取るかを選ぶことができます。 申請期限は設けませんので、受け取り方法の希望を書き込み次第、即時反映してください。 俸禄受け取り希望調査終了のため、コメント欄を閉じさせていただきました。確定したリストについてはこちらをご覧下さい。 資金で受け取りたい方はこちら(資金=推定作業時間×0.5 端数切り上げ) 俸禄を資金で受け取りたい方は、こちらのコメント欄に書き込んでください。 ありがとうございます。資金でいただきます。 -- ゆうみ@悪童同盟 (2007-09-11 10 03 26) ありがとうございます。資金でお願いします。 -- 蝶子@レンジャー連邦 (2007-09-12 01 11 23) 限りなく遅れて申し訳ありません。資金でいただきます。 -- 竿崎裕樹@よんた藩国 (2008-03-16 20 30 37) 個人口座へマイルで受け取りたい方はこちら(マイル=推定作業時間×1.0 端数四捨五入) 俸禄をマイルで個人口座へ受け取りたい方は、こちらのコメント欄に書き込んでください。 個人マイルでの受け取りを希望します。よろしくお願いします。 -- クレール@るしにゃん4級 (2007-09-18 16 14 06) ありがとうございます。個人マイルでお願いします。 -- こんこ@たけきの藩国 (2007-09-18 21 42 41) ありがとうございます。個人マイルでお願いします。 -- 星月典子@詩歌 (2007-09-19 04 18 14) 個人マイルでの受け取りを希望します。よろしくお願いします。 -- 鷹臣@るしにゃん王国 (2007-09-21 22 17 53) 藩国口座へマイルで受け取りたい方はこちら(マイル=推定作業時間×1.0 端数四捨五入) 俸禄をマイルで藩国口座へ受け取りたい方は、こちらのコメント欄に書き込んでください。 まとめ、ありがとうございます。藩国口座へのマイルでの受け取りを希望いたします。よろしくお願いします。 -- みぽりん@神聖巫連盟 (2007-09-13 02 42 21) ありがとうございます。こちら、藩国マイルでの受け取りを希望します。よろしくお願いします。 -- 双海環@芥辺境3級 (2007-09-13 23 32 39) 藩国マイルでの受け取りをさせていただきます。よろしくお願い申し上げます。 -- リバーウィンド@akiharu国/官長 (2007-09-20 22 03 11) 藩国口座での受け取りを希望します、よろしくお願いいたします。 -- liang@ヲチ藩国2級 (2007-09-30 23 47 00) ありがとうございます。藩国マイルでお願いいたします。 -- たまき@愛鳴藩国 (2007-10-08 21 15 37)
https://w.atwiki.jp/regina51/pages/288.html
1985 Toyota Sprinter Trueno GT-APEX 推定ランク D Class 277 エンジン 直4 最高速度 3.5 ハンドリング 4.4 加速(0-100km/h) 5.9 ブレーキング 4.4 最大出力 96kw(130PS) 最大トルク 15.2kgfm 参考 トヨタが1964年から2002年まで生産していたスプリンタートレノの4代目となるモデルである。GT-APEXはスポーツ性よりも実用性を意識していたため、パワーステアリングやエアコンが標準装備されていた。漫画の影響で今も人気があり、その人気はレビン以上である。マフラーを改造することによってマッスルカーのようなアイドリング音を再現できるという話があるが、そのようなアイドリング音がするのはエンジンブロックに異常があるだけなので注意する。なお、この車はロータス・エランのパフォーマンスインデックスの変更により、性能が高くなっている。本来ならば次の通り。(あくまでも推定) 推定ランク D Class 277→F Class 189 価格 6,000CR
https://w.atwiki.jp/touchmykatamari/pages/53.html
その他のモノ その他のモノ前作までにはなかった新しいモノ(通常ステージ) 前作までにはなかった新しいモノ(DLCステージ) 巻き込みサイズ変更 名前変更 テクスチャ変更 前作にはあったけど素敵コレクションにはなかったモノ 前作までにはなかった新しいモノ(通常ステージ) アイテム名 マキコミサイズ 詳細 ケイタイメモリー 8cm0mm デンゲンタップ 10cm7mm ディスク 11cm8mm ミニGセーラーピーチ 13cm0mm ミニGセーラーレモン 13cm0mm ミニGセーラーマリン 13cm0mm マウス 14cm9mm ケイタイゲームキ 18cm6mm ゲームザッシ 20cm5mm ゲームコントローラー 23cm6mm ヘッドセット 25cm6mm Gセーラーピーチ 26cm0mm Gセーラーレモン 26cm0mm Gセーラーマリン 26cm0mm タベカケカップメン 27cm2mm アイドルザッシ 34cm2mm チョイミニコーン 40cm0mm 40センチイジョウ 40cm0mm パソコンスピーカー 43cm5mm アニメザッシ 53cm2mm ケータイザッシ 53cm2mm パソコンザッシ 53cm2mm ミドルコーン 60cm0mm 60センチイジョウ 60cm0mm ミニノートパソコンアカ 68cm0mm ミニノートパソコンギン 68cm0mm ミニノートパソコンクロ 68cm0mm ミニウスガタテレビ 68cm8mm アオゴミバコ 70cm0mm ミニウスガタテレビギン 74cm7mm ギターアンプ 75cm0mm ヨレヨレマクラ 76cm3mm クロノートパソコン 81cm6mm アカノートパソコン 81cm6mm ギンノートパソコン 81cm6mm ディスクドラム 88cm0mm トケイタクサン 88cm0mm ゲームタバ 88cm0mm ウスガタテレビ 88cm1mm エレキギター 98cm0mm プレハブマド 1m00cm0mm プレハブマド 1m00cm0mm ビッグウスガタテレビギン 1m07cm5mm シロソウジキ 1m11cm6mm パワフルソウジキアカ 1m11cm6mm パワフルソウジキアオ 1m11cm6mm アオソウジキ 1m11cm6mm ウスガタテレビギン 1m15cm2mm オモヤマド 1m20cm0mm アオカーテン 1m20cm0mm キイロカーテン 1m20cm0mm ビッグウスガタテレビ 1m20cm0mm オタゲイショウネン 1m20cm0mm ダイニングイス 1m20cm1mm ゲームハコヅメ 1m28cm0mm ディスクハコヅメ 1m28cm0mm オリタタミイス 1m30cm1mm オンナノコイス 1m33cm0mm ハコガタロボット 1m50cm3mm オネエチャン 1m55cm2mm ピコピコゴロー 1m57cm6mm ヤマダゴロー 1m57cm6mm ジャンボウスガタテレビ 1m58cm0mm センターサン 1m60cm0mm アイドルチャン 1m60cm0mm アイドルサン 1m60cm0mm トクバイワゴン 1m60cm0mm メイドサン 1m60cm0mm チャライジョガクセイ 1m60cm0mm ギャルオネエサン 1m60cm0mm オタゲイガクセイ 1m70cm0mm オタゲイオッサン 1m70cm0mm オタク 1m70cm0mm ギャルオニイサン 1m70cm0mm チャライガクセイ 1m70cm0mm ワルロボカンバン 1m72cm0mm ロボカンバン 1m72cm0mm アイドルオッカケ 1m75cm0mm フトッチョGセーラーピーチ 1m75cm0mm オタゲイオッチャン 1m75cm0mm フトッチョアイドル 1m75cm0mm アイドルクン 1m75cm0mm モエカンバン 1m78cm0mm 2ダンレイゾウコギン 1m82cm0mm 2ダンレイゾウコシロ 1m82cm0mm アニメショップカンバン 1m89cm0mm メイドカフェノボリ 2m10cm1mm パソコンショップノボリ 2m10cm1mm プラモショップノボリ 2m10cm1mm アニメショップノボリ 2m10cm1mm ギンレイゾウコ 2m23cm5mm センベイブトン 2m30cm0mm 6ドアレイゾウコ 2m35cm0mm オカシタクサン 2m60cm0mm チョウチンタクサン 2m60cm0mm ダルマタクサン 2m60cm0mm ダイニングテーブル 2m68cm0mm チュウケン 4m70cm0mm パンダカンバン 6m58cm4mm ドウブツエンカンバン 7m20cm0mm キョダイチョウチン 8m20cm0mm チュウカモン 8m50cm0mm フェンス 9m12cm0mm イワシビル 11m40cm0mm アジビル 13m20cm0mm スタートカンバン 14m50cm0mm ハモビル 23m20cm0mm UFO 24m08cm0mm タチウオビル 26m20cm0mm ウツボビル 28m20cm0mm オウヒゾウ 36m05cm0mm オウサマゾウ 36m05cm0mm スフィンクス 40m00cm0mm G 45m00cm0mm R 45m00cm0mm H 45m00cm0mm O 45m00cm0mm L 45m00cm0mm Y 45m00cm0mm W 45m00cm0mm D 45m00cm0mm セキユオウドウゾウ 90m00cm0mm カミナリサマ 92m00cm0mm オニガイワ 100m00cm0mm オニガシマ 120m00cm0mm リュウグウジョウ 130m00cm0mm キノコシティ 140m00cm0mm ゴローハウス 150m00cm0mm ウチュウヒコウシゾウ 180m00cm0mm リッチシャトル 190m00cm0mm ハッシャダイ 192m00cm1mm タツマキ 200m00cm0mm ジャイアントゴロー 250m00cm0mm キョジンサン 300m00cm0mm 前作までにはなかった新しいモノ(DLCステージ) アイテム名 マキコミサイズ 詳細 ワープキノコ 30cm0mm キーパーグローブ 40cm0mm以下 FCサルエンブレム 40cm0mm以下 ACクマエンブレム 40cm0mm以下 シンガード 40cm0mm以下 ドリンクボトル 40cm0mm以下 スパイクシューズ 40cm0mm以下 スパイクシューズ 40cm0mm以下 スパイクシューズ 40cm0mm以下 クッキー 40cm0mm READY! 50cm0mm キー 50cm0mm オレンジ 50cm0mm ストロベリー 50cm0mm チェリー 50cm0mm 0 50cm0mm 6 50cm0mm 3 50cm0mm ユニフォームパンツ サル 52cm5mm ユニフォームパンツ クマ 52cm5mm サッカーボール 55cm0mm サッカーボール 55cm0mm サッカーボール 55cm0mm サッカーボール 55cm0mm ミズイロビブス 55cm0mm モモイロビブス 55cm0mm レッドカード 60cm0mm イエローカード 60cm0mm ユニフォームトップ クマ 60cm0mm ユニフォームトップ サル 60cm0mm アカテモチチョウチン 70cm0mm以下 シロテモチチョウチン 70cm0mm以下 ショルダーバッグ 71cm0mm ナガマサ 71cm9mm カベノハヘン 75cm0mm ラインズマンフラッグ 75cm0mm ミニカラーコーン 77cm0mm カメタチ 80cm0mm タオルマフラー クマ 80cm0mm タオルマフラー サル 80cm0mm ビッグサッカーボール 80cm0mm ビッグサッカーボール 80cm0mm パワークッキー 82cm0mm センシュコウタイノオシラセ 82cm5mm パソコンソフトタバ 88cm0mm ケータイタクサン 88cm0mm ゲームタクサン 88cm0mm HIGH 90cm0mm SCORE 90cm0mm 1UP 90cm0mm ミニカラーコーン 95cm0mm デカビーチボール 1m00cm0mm以下 レーストロフィー ダイザ 1m00cm0mm以下 レーストロフィー テッペン 1m00cm0mm以下 レーストロフィー マンナカ 1m00cm0mm以下 ジゴクコバン 1リョウ 1m00cm0mm以下 ジゴクラーメン オニモリ 1m00cm0mm以下 オオガラス 1m00cm0mm以下 コヒノトリ 1m00cm0mm以下 アッチィ ユゲ 1m00cm0mm以下 ジゴクヨウガン 1m00cm0mm以下 ワープキノコ 1m00cm0mm テンシ 1m10cm0mm ネコタチ 1m10cm0mm オニノカナボウ 1m10cm0mm パワフルソウジキシロ 1m11cm6mm カワウィーメイドサン 1m12cm2mm トキメキステッキ 1m12cm8mm以下 ジャンボーコイン 1m13cm0mm ジゴクコバン 5リョウ 1m13cm0mm コオリスイショウ 1m15cm0mm コオリルビー 1m15cm0mm アイジョウオムライス 1m20cm0mm以下 キングサイズパフェ 1m20cm0mm以下 オンナノコタチ 1m20cm0mm オトコノコタチ 1m20cm0mm キモノクンタチ 1m20cm0mm ブルドッグタチ 1m20cm0mm コーナーフラッグ 1m20cm0mm チビッコ ピンキーファン 1m20cm0mm チビッコ ブリンキーファン 1m20cm0mm チビッコ イジケファン 1m20cm0mm トロ 1m23cm0mm クロ 1m23cm0mm ジュン 1m23cm0mm ピエール 1m23cm0mm リッキー 1m23cm0mm スズキ 1m23cm0mm コダイギョノホネ 1m25cm0mm デカ1 1m25cm0mm デカ3 1m25cm0mm デカ5 1m25cm0mm デカ6 1m25cm0mm デカ7 1m25cm0mm デカ8 1m25cm0mm デカメロン 1m25cm0mm デカベル 1m25cm0mm デカアップル 1m25cm0mm ケーブルハコヅメ 1m28cm0mm リン 1m28cm0mm ハニートースト メガモリ 1m30cm0mm ダキマクラ 1m30cm0mm ヨウセイタチ 1m30cm0mm ジャンボサッカーボール 1m30cm0mm ジャンボサッカーボール 1m30cm0mm シマパン 1m30cm0mm マキモノ 1m30cm0mm デカクッキー 1m30cm0mm ボールカゴ 1m35cm0mm ボールカゴ 1m35cm0mm アカロードバイク 1m40cm0mm アオロードバイク 1m40cm0mm キイロロードバイク 1m40cm0mm ブブゼラ 1m40cm0mm ボールバッグ 1m40cm0mm オオキサアンナイ 1メートル 1m40cm0mm アカチョウチン 1m40cm4mm ベンチコート 1m45cm0mm ジゴクオオグモ 1m45cm0mm デカジャンボーコイン 1m46cm0mm ジゴクコバン 10リョウ 1m46cm0mm ビッグナポリタン 1m50cm0mm メイズブロック 1m50cm0mm メイズブロック 1m50cm0mm デカREADY? 1m50cm0mm デカ0 1m50cm0mm デカキー 1m50cm0mm デカストロベリー 1m50cm0mm デカオレンジ 1m50cm0mm デカチェリー 1m50cm0mm デカ1UP 1m50cm0mm デカHI 1m50cm0mm プレハブドア 1m50cm5mm オカエリナサイマセ 1m55cm5mm メイドサン ボーイッシュ 1m60cm0mm メイドサン テンネン 1m60cm0mm メイドサン オーソドックス 1m60cm0mm メイドサン キマジメ 1m60cm0mm メイドサン アネゴハダ 1m60cm0mm メイドサン オシトヤカ 1m60cm0mm コイニコイスル メイドサン 1m60cm0mm ショウジョタチ 1m60cm0mm ショウネンタチ 1m60cm0mm オオキサアンナイ 1.2メートル 1m60cm0mm クツロギコドモタチ 1m65cm0mm アニメテンチョウ 1m70cm0mm チャンピオントロフィー 1m70cm0mm イブン・セレブン 1m70cm9mm カルロス・リッチマン 1m70cm9mm クライブ・ラングレン 1m70cm9mm クリス・ファーガス 1m70cm9mm ニコラス・カーネル 1m70cm9mm ハリー・カルツ 1m70cm9mm ビリー・ワン 1m70cm9mm マルコ・シウバ 1m70cm9mm ムサシ・ミヤホン 1m70cm9mm ラーク・ダグラス 1m70cm9mm ライオン・ネッツ 1m70cm9mm ラベル・レンブラント 1m70cm9mm レミー・ピエール 1m70cm9mm ロブ・オルベイラ 1m70cm9mm ツバキ・タナカ 1m71cm5mm レフェリー 1m73cm3mm フトッチョオタク 1m75cm0mm ヤナナ 1m75cm0mm (緑のサンバサン) 1m75cm0mm (青いサンバサン) 1m75cm0mm (赤いサンバサン) 1m75cm0mm オトコアワオドリタチ 1m75cm0mm コワガリクン 1m75cm0mm カゲキヨ 1m75cm0mm フジイミドリ 1m78cm0mm ミズシナセンセイ 1m78cm0mm ペンギンタチ 1m80cm0mm ダイキチ 1m80cm0mm (だんじりの上にいる人) 1m80cm0mm ハロウインオジサン 1m80cm0mm オオキサアンナイ 1.4メートル 1m80cm0mm ジゴクドクガエル 1m80cm0mm アカオニ 1m80cm0mm アオオニ 1m80cm0mm エンマウニ 1m80cm0mm ジゴクカマドウマ 1m80cm0mm 2ダンレイゾウコ 1m82cm0mm メイブツカントク 1m88cm5mm メイドカフェカンバン 1m89cm0mm パソコンショップカンバン 1m89cm0mm チュウカカンバン 1m89cm0mm シロチュウカカンバン 1m89cm0mm クロチュウカカンバン 1m89cm0mm ハトカフェノボリ 1m90cm0mm ヤナナオミコシノボリ 1m90cm0mm ミズシナセンセイノノボリ 1m90cm0mm フジイミドリノノボリ 1m90cm0mm ダイキチノノボリ 1m90cm0mm リンノノボリ 1m90cm0mm トガッタハリ 1m90cm0mm ネクストバッター 1m93cm4mm アイオロス・カーネギー 1m96cm0mm アブドゥル・ポルナレフ 1m96cm0mm イケテル・フェルディナント 1m96cm0mm エドガー・バルテル 1m96cm0mm デーブ・トレーサー 1m96cm0mm パク・スンシン 1m96cm0mm ピーター・アイゼンバーグ 1m96cm0mm ミハエル・ヘンリー 1m96cm0mm ライアン・クリフ 1m96cm0mm ルート・ペルシ 1m96cm0mm ビッグタイヤ 1m96cm1mm キヨウナメイドサン 1m99cm8mm サンバサンタチ 2m00cm0mm サンバタイコタイ 2m00cm0mm フンバリクンタチ 2m00cm0mm アカロードバイクレーサー 2m00cm0mm アオロードバイクレーサー 2m00cm0mm キイロロードバイクレーサー 2m00cm0mm ジゴクコバン 20リョウ 2m00cm0mm デカSCORE 2m00cm0mm オンナノコヅクエ 2m03cm0mm キンニクメイドサン 2m04cm2mm カラオケ 380エン 2m05cm0mm ゲキジョウノボリ ライム 2m10cm0mm ゲキジョウノボリ ピーチ 2m10cm0mm カラオケランド ノボリ 2m10cm0mm ツッパリクンタチ 2m10cm0mm ガクセイタチ 2m10cm0mm オオキサアンナイ 1.7メートル 2m10cm0mm ハジケオニ サンナン 2m10cm0mm アンナカフェカンバン 2m15cm0mm カシャ 2m15cm0mm アブラ・カタブーラ 2m18cm3mm アベル・シウバ 2m18cm3mm エール・メスナー 2m18cm3mm カルロ・ミラ 2m18cm3mm キース・サンチェス 2m18cm3mm シャルル・ジュネ 2m18cm3mm ジョセフ・バーグマン 2m18cm3mm セルゲイ・イワノビッチ 2m18cm3mm セルジオ・リベイロ 2m18cm3mm ソーダ・レーザー 2m18cm3mm ソラシド・ピエール 2m18cm3mm デニス・ビベス 2m18cm3mm ファン・ヴィエール 2m18cm3mm ポール・ジェンキンス 2m18cm3mm マーク・ロー 2m18cm3mm ロイ・シーハン 2m18cm3mm クマフラッグ 2m22cm2mm サルフラッグ 2m22cm2mm バイクレーサー 2m25cm4mm アカサポートキット 2m30cm0mm アオサポートキット 2m30cm0mm キイロサポートキット 2m30cm0mm メガサッカーボール 2m30cm0mm デカパワークッキー 2m30cm0mm オフロードバイクレーサー 2m30cm4mm ニセミソタチ 2m35cm0mm FCサルカンバン 2m35cm0mm ACクマカンバン 2m35cm0mm エアーゴローカンバン 2m35cm0mm メイドカンバン 2m35cm0mm メイドサン ゴンブト 2m37cm1mm アオミコシオンナノコタチ 2m40cm0mm アカミコシオンナノコタチ 2m40cm0mm ジゴクツララ 2m40cm0mm オオキサアンナイ 2メートル 2m40cm0mm (大きいサンバサン) 2m50cm0mm オウエンボード 2m50cm0mm オオキイオウエンボード 2m50cm0mm ブルーサポーター 2m50cm0mm ブルーサポーター 2m50cm0mm ブルーサポーター 2m50cm0mm ブルーサポーター 2m50cm0mm レッドサポーター 2m50cm0mm レッドサポーター 2m50cm0mm レッドサポーター 2m50cm0mm レッドサポーター 2m50cm0mm リアルゴリラ 2m58cm6mm ジゴクノツイタテ 2m60cm0mm オオキサアンナイ 2.2メートル 2m80cm0mm ビッグメイドサン 3m00cm0mm オンナアワオドリタチ 3m00cm0mm ミコシホウオウ 3m00cm0mm スモウキーパー 3m00cm0mm トゲトゲテッキュウ 3m00cm0mm ファンキーファン 3m00cm0mm イジケファン 3m00cm0mm アオミコシオトコノコタチ 3m10cm0mm アカミコシオトコノコタチ 3m10cm0mm ミニサッカーゴール 3m10cm0mm オオキサアンナイ 2.5メートル 3m10cm0mm マゴコロカンバン 3m20cm0mm サッカートレーニングカベ 3m20cm0mm ツララ 3m20cm0mm カイテンオニ 3m20cm0mm スルドイハリ 3m20cm0mm オシャレキノコ 3m22cm8mm ハジケオニ ジナン 3m30cm0mm モモイロデンワボックス 3m33cm0mm ジゴクバコ 3m40cm0mm オトナタチ 3m50cm0mm ジイサンバアサンタチ 3m50cm0mm オオキサアンナイ 3メートル 3m50cm0mm ジゴクブロック 3m50cm0mm ジゴクモン 3m60cm0mm レースファン 3m64cm0mm レースファン 3m64cm0mm レースファン 3m64cm0mm レースファン 3m64cm0mm ダイツララ 3m70cm0mm ベージュコンパクトカー 3m80cm0mm ピカピカ メイズブロック 3m85cm0mm ピカピカ メイズブロック 3m85cm0mm メイズブロック 3m85cm0mm サカモトショウテンミコシ 4m00cm0mm ミドリコンパクトカー 4m00cm0mm アオコンパクトカー 4m00cm0mm コオリノカベ 4m00cm0mm ハジケオニ チョウナン 4m00cm0mm オオキサアンナイ 3.2メートル 4m00cm0mm ドラゴンボディ 4m00cm0mm グラグラバシ 4m00cm0mm ゴールボード 4m10cm0mm ゴールハンテイ 4m10cm0mm ドラゴンレッグ 4m20cm0mm ドラゴンテイル 4m25cm0mm オミコシ ダイザ 4m30cm0mm ジテンシャレーサータチ 4m30cm0mm ジゴクラーメン ジゴクシテン 4m31cm2mm トゲトゲダイテッキュウ 4m40cm0mm キョクダイツララ 4m40cm0mm ドラゴンヘッド 4m40cm0mm ジゴクノロードローラー 4m45cm0mm アカチカラジマンタチ 4m50cm0mm アオチカラジマンタチ 4m50cm0mm シロチカラジマンタチ 4m50cm0mm ジテンシャカンバン 4m70cm3mm キモノセイタカマンタチ 4m75cm0mm セイタカマンタチ 4m75cm0mm パックマンファン 4m89cm0mm アカチョウチンザオ 5m00cm0mm シロチョウチンザオ 5m00cm0mm ワープキノコ 5m00cm0mm アカサポートカー 5m43cm0mm アオサポートカー 5m43cm0mm キイロサポートカー 5m43cm0mm オマツリカー 5m44cm4mm ヒガシニホンタクシー マチダ 5m70cm0mm ミニダンジリ 6m80cm0mm アカアーチ 19m99cm9mm ワープキノコ 20m00cm0mm デスバレー 41m04cm0mm以下 ジャンボヒマワリ 252m74cm8mm以下 イッパイ ノギクズ 252m74cm8mm以下 イッパイ コンギクズ 252m74cm8mm以下 イッパイ コスモスズ 252m74cm8mm以下 ジャンボラフレシア 252m74cm8mm以下 ジャンボコスモス 252m74cm8mm以下 ジャンボヒマワリノハナ 252m74cm8mm以下 ジャンボヤシ 252m74cm8mm以下 ティラノサウルス 252m74cm8mm以下 ステゴサウルス 252m74cm8mm以下 プテラノドン 252m74cm8mm以下 フラミンゴタチ 252m74cm8mm以下 トンデル フラミンゴタチ 252m74cm8mm以下 パンダタチ 252m74cm8mm以下 シマウマタチ 252m74cm8mm以下 ラクダタチ 252m74cm8mm以下 キリンタチ 252m74cm8mm以下 ヌータチ 252m74cm8mm以下 サカナタチ 252m74cm8mm以下 ゾウタチ 252m74cm8mm以下 アカキノコズ 252m74cm8mm以下 キイロキノコズ 252m74cm8mm以下 シロキノコズ 252m74cm8mm以下 デカペンギン 252m74cm8mm以下 デカラッコ 252m74cm8mm以下 デカカニ 252m74cm8mm以下 デカサソリ 254m86cm4mm以下 デカウシ 257m48cm8mm以下 オバケクラゲ 265m48cm9mm以下 ビッグサボテン 268m41cm8mm以下 シロクモ 273m53cm4mm以下 ミドフウセン 289m30cm8mm以下 アカフウセン 289m36cm3mm以下 キフウセン 289m37cm9mm以下 モモフウセン 289m37cm9mm以下 アオフウセン 289m38cm2mm以下 デカアマガエル 302m26cm9mm以下 ブロントサウルス 302m68cm1mm以下 デカラクダ 314m54cm9mm以下 デカシマウマ 315m79cm8mm以下 デカヒツジ 317m79cm2mm以下 デカキリン 318m06cm6mm以下 デカアカパンダ 321m81cm0mm以下 デカパンダ 321m83cm9mm以下 デカマンボウ 324m08cm0mm以下 デカゴリラ 331m30cm5mm以下 アオビッグキノコ 344m18cm2mm以下 ビッグシロクモ 350m07cm2mm以下 ビッグアマグモ 350m14cm7mm以下 ミカクニンセイブツ 355m43cm1mm以下 ビッグヒラキノコ 356m29cm2mm以下 アカビッグキノコ 359m04cm8mm以下 デカライオン 365m63cm6mm以下 デカフラミンゴ 368m09cm6mm以下 デカモモイロサンゴ 369m94cm6mm以下 デカゾウ 370m24cm7mm以下 ジャンボハスハッパ 394m22cm9mm以下 ビッグイワイワ 400m17cm9mm以下 デカヒトデ 408m53cm1mm以下 セツリン 412m45cm6mm以下 キモリ 412m49cm3mm以下 シンリン 412m77cm4mm以下 コウヨウ 412m78cm7mm以下 サクラモリ 412m79cm6mm以下 デカマルサンゴ 415m00cm0mm テンシ 423m04cm5mm以下 スイセイ 432m23cm8mm以下 ジャンボシロクモ 440m00cm0mm以下 ジャンボアマグモ 440m21cm4mm以下 メイオウセイ 471m10cm5mm以下 オーロラ 499m02cm9mm以下 チョウビッグニジ 500m17cm3mm以下 デカシマガメ 521m74cm9mm以下 ジャンボバオバブ 530m11cm3mm以下 デカマンタ 537m86cm8mm以下 チョウデカカニ 550m27cm7mm以下 オアシス 551m34cm7mm以下 カセイ 553m87cm9mm以下 チョウビッグキリン 555m90cm2mm以下 エンペラーイカ 563m99cm9mm以下 チョウビッグミカクニンセイブツ 568m97cm3mm以下 キョダイUFO 570m00cm0mm以下 キンセイ 571m57cm5mm以下 ウスイジャンボシロクモ 572m71cm4mm以下 オバケダコ 576m94cm8mm以下 クモニュウドウ 582m00cm0mm キノコキャッスル 600m00cm0mm テンノウセイ 603m00cm0mm チョウビッグゾウ 603m42cm2mm エクセレントキノコ 609m03cm4mm ファンタスティックキノコ 609m03cm4mm チョウビッグウシ 612m46cm9mm カイオウセイ 621m00cm0mm チョウビッグアカパンダ 623m74cm6mm モクセイ 624m82cm0mm オバケクジラ 642m89cm8mm ドセイ 653m31cm6mm オウヒ 699m99cm9mm ワープキノコ 700m00cm0mm イギリスフウノコドモ 推定765m00cm0mm イヌイットフウノコドモ 推定765m00cm0mm インドフウノコドモ 推定765m00cm0mm エクストリームキノコ 推定765m00cm0mm オランダフウノコドモ 推定765m00cm0mm カンコクフウノコドモ 推定765m00cm0mm サウジアラビアフウノコドモ 推定765m00cm0mm ジャンボアカパンダ 推定765m00cm0mm ジャンボウシ 推定765m00cm0mm ジャンボキリン 推定765m00cm0mm スイスフウノコドモ 推定765m00cm0mm スウェーデンフウノコドモ 推定765m00cm0mm スペインフウノコドモ 推定765m00cm0mm タイフウノコドモ 推定765m00cm0mm チェコフウノコドモ 推定765m00cm0mm チュウゴクフウノコドモ 推定765m00cm0mm チョウビッグコスモス 推定765m00cm0mm チョウビッグヒマワリノハナ 推定765m00cm0mm デカタカ 推定765m00cm0mm デンマークフウノコドモ 推定765m00cm0mm ドイツフウノコドモ 推定765m00cm0mm ニホンフウノコドモ 推定765m00cm0mm ネイティブアメリカンフウノコドモ 推定765m00cm0mm ハワイフウノコドモ 推定765m00cm0mm ビッグナス 推定765m00cm0mm フランスフウノコドモ 推定765m00cm0mm ブルガリアフウノコドモ 推定765m00cm0mm ベトナムフウノコドモ 推定765m00cm0mm マサイフウノコドモ 推定765m00cm0mm マタドールフウノコドモ 推定765m00cm0mm メキシコフウノコドモ 推定765m00cm0mm モンゴルフウノコドモ 推定765m00cm0mm ロシアフウノコドモ 推定765m00cm0mm ワンダーキノコ 推定765m00cm0mm オウサマ 推定850m00cm0mm ロイヤルチェアー 推定850m00cm0mm デカタタミ ? デカペンキ ? デカペンキハケ ? トナカイクビ ? ビッグユノミ ? フカフカユキ ? 巻き込みサイズ変更 アイテム名 マキコミサイズ 変更前 ミニセントウイン 13cm0mm 10cm5mm ミニVブルー 13cm0mm 11cm0mm ミニVレッド 13cm0mm 11cm4mm ミニVイエロー 14cm0mm 11cm9mm ミニワルタイガー 14cm5mm 12cm5mm ハサミ 16cm8mm 18cm8mm ツカイステカメラ 16cm9mm 19cm8mm イチゴショート 22cm2mm 51cm3mm フルザッシ 39cm0mm 62cm7mm タケガキ 90cm0mm 96cm9mm ヤシ 4m29cm6mm 6m44cm4mm センキョカー 4m49cm5mm 6m42cm7mm サイロ 19m99cm9mm 22m48cm2mm トベ ジャンボーマン 60m00cm0mm 56m51cm0mm メカモグラン 145m00cm0mm 118m95cm7mm 名前変更 アイテム名 マキコミサイズ 変更前 メモリーカード 6cm2mm セーブデータ エンチョウコンセント 10cm6mm エンチョウコード、タコアシコンセント テクスチャ変更 アイテム名 マキコミサイズ 詳細 パズルピース 2cm2mm シャシンタテ 24cm8mm 前作にはあったけど素敵コレクションにはなかったモノ アイテム名 マキコミサイズ 詳細 アナ 95cm7mm ザラメユキ 10m51cm5mm デンセン 18m00cm0mm
https://w.atwiki.jp/jpcpa/pages/70.html
20.監査人は、推定値と財務諸表項目の金額又は比率との重要な差異の調査を行うか否かについての基準値を設定しなければならない。 この基準値は、他の勘定や取引における虚偽の表示の発生の可能性を考慮して、主として、重要性の基準値に基づくのが適切であるが、その際には勘定や取引ごとの重要性の値も考慮する必要がある。 21.監査人は、推定値と財務諸表項目の金額又は比率との差異が重要であると判断した場合には、それが虚偽の表示によるものかどうかを調査するために次の手続を実施しなければならない。 (1)推定値の算出に利用したデータ、手法等を再検討する。 (2)質問を行い、関連書類の閲覧、証憑突合等の手続によって回答の合理性を確かめる。なお、その回答と監査人が入手している情報や実施した分析的手続以外の実証手続により得られた監査証拠と首尾一貫している場合には、回答の合理性を確かめる手続を実施する必要がないこともある。 22.監査人は、調査の結果、差異に虚偽の表示の可能性がないと判断した場合には、分析的手続の対象である財務諸表項目には重要な虚偽の表示がないと結論付けることができる。しかし、調査を実施したにもかかわらず差異に関する十分な回答を得られない場合又は回答の合理性を確かめられない場合には、分析的手続に替えてそれ以外の実証手続を実施するか、当該差異を、監査基準委員会報告書第5号「監査リスクと監査上の重要性」第41項の規定により監査人が推定する虚偽の表示として未訂正の発見した虚偽の表示の集計に含めなければならない。
https://w.atwiki.jp/zensize/pages/236.html
【伊吹萃香】 【作品名】東方project 【ジャンル】弾幕STG、格闘ゲーム、漫画、小説etc 【名前】伊吹萃香 【属性】鬼 【大きさ】実体時は10歳にも満たない幼女並 霧になると最小は自分の体と同程度から最大で幻想郷を覆いつくすほど(直径180km程度か) 【長所】霧状態 【短所】嘘がつけない設定だが、実際は嘘をつくかもと言っている 【戦法】霧状態で参戦 【備考】幻想郷について 幻想郷には富士山より大きい旧八ヶ岳 (30km程度の規模らしい現八ヶ岳より大きい) (推定)1km四方の人里 (推定)一周2.4kmの紅魔館 (推定)一周4.8km弱の霧の湖 迷いの竹林=高草郡(153.492平方キロメートル) 大きさのわからない 人里離れた山奥の神社、魔法の森、太陽の畑、無名の丘etc がある とりあえず、180km程度の規模とした 参戦 vol.1
https://w.atwiki.jp/futo/pages/150.html
ボス攻略 詳細ボタンをクリックすると、詳しい情報が表示されます。 弱点属性:剣につけると有効な属性 耐性属性:鎧につけると有効な属性 射撃攻撃:+で区切ったものは同時に行うもの、・で区切ったものは単発で行うもの 推定攻撃力:防御力10、鎧レベル1、属性補正0で○○平野のNeko slimeから受けるダメージを0.5 1としたときの基準 + 目次 共通攻略 1面 Orc Leader 2面 Elven Archer 3面 Maze Minotaur 4面 Dark Mist 5面 Mutant Cyclops 6面 Sand Worm 7面 Poseidon 8面 Sorceress 9面 Efreet 10面 Lizard Assassin 11面 Necromancer 12面 Yggdrasil 13面 Snow Queen 14面 Guardian Dragon 15面 Death 16面 False God Xxx(ランダムで変わる) 湖の神殿[7面] Doppelganger 暗黒神殿[11面] Abyss Worm 隠しボス Hellhound (Orthoros, Cerberus, Anubis) 隠しボス Avatar of Xxx(ランダムで変わる) 共通攻略 基本的には、剣は長さ重視の方が有利に戦える。 以前のような即死バランスではなくなったので、防御力も攻撃力と同じくらい重視した方が良い。 仕様変更により、属性の効果は攻防共にかなり弱くなっている。 神殿ボスを除き、それぞれのボス内に個体差は無い。 1面 Orc Leader + 詳細 オークリーダー 弱点属性:土 耐性属性:風 推定HP:7,500 アイテム:Gold5袋 移動速度:中 射撃攻撃:なし 推定攻撃力:5 攻略情報 ゲームの基本はとにかく斬る。 カタナを買わないと倒すのに時間がかかる。 これは火属性ではなくカタナそのものに弱いため(カタナだけは1Hitにつきダメージが+100)。 上へ 2面 Elven Archer + 詳細 エルフアーチャー 弱点属性:土 耐性属性:風 推定HP:300 アイテム:Gold5袋 移動速度:中 射撃攻撃:3連水平弾 推定攻撃力:9 攻略情報 前方の水平方向に弾を3つ連続で撃ってくる。 調子に乗って斬りまくるといきなり弾を撃ってくるが、慎重にやれば苦戦はしない。 下の方から股間のあたりを狙って攻撃するとアッー!かわしながら攻撃可能。 上へ 3面 Maze Minotaur + 詳細 メイズミノタウロス 弱点属性:水 耐性属性:火 推定HP:1,000 アイテム:Gold5袋 移動速度:低 射撃攻撃:4方向回転弾 推定攻撃力:14 攻略情報 4方向回転弾を撃ってくる。避けるのが難しそうだが、ボスの右下付近などに安全地帯がある。 あとはとにかく攻撃。 上へ 4面 Dark Mist + 詳細 ダークミスト 弱点属性:? 耐性属性:火 HP:140~150(ショックウェーブ無効のため正確な調査はできず。数値は固定) アイテム:Gold5袋 移動速度:中 射撃攻撃:3方向連射弾 推定攻撃力:20 攻略情報 剣攻撃が通用しないボス。同じ面にある魔法屋を探してマジックミサイルを購入しよう。 弾を3方向に撃ってくるが、距離をおけば問題なし。 上へ 5面 Mutant Cyclops + 詳細 ミュータントサイクロプス 弱点属性:風 耐性属性:土 HP:3,600 アイテム:Gold5袋 移動速度:低 射撃攻撃:赤レーザー 推定攻撃力:28 攻略情報 レーザーはランダムではなく、こちらを狙って撃ってくる。 目が光った時点で上下角が決まるので、その後に動けば簡単に避けられる。 が、ボスが左右反対に向くとレーザーも一緒に反対に向くので、上下によけた方が良い。 レーザー準備中の光にも攻撃判定があるので、あまり近づきすぎないように。 上へ 6面 Sand Worm + 詳細 サンドワーム #ref error :ご指定のファイルが見つかりません。ファイル名を確認して、再度指定してください。 (b6.PNG) 弱点属性:風 耐性属性:土 HP:4,000 アイテム:Gold/トパーズを合計5つ 移動速度:中 射撃攻撃:8方向弾 推定攻撃力:33 攻略情報 動きが素早く、伸びた部分にも判定があるので注意。また、目玉の部分にしかダメージを与えられない。 連続で斬りつけると敵の動きが遅くなる。剣を太く>長くするとよい。 ボスと水平な位置にいると放射状8方向弾に当たるので、ちょっと上下から斬りつけると吉。 上へ 7面 Poseidon + 詳細 ポセイドン 弱点属性:火 耐性属性:水 HP:7,000 アイテム:Gold/アクアマリンを合計5つ 移動速度:中 射撃攻撃:4方向回転渦+3連射渦 推定攻撃力:39 攻略情報 4方向回転渦は、Maze Minotaurと同様に攻撃の当たらない安全地帯がある。 そこが分かれば、倒すのがぐっとラクになる。3連射の渦を避けられるだけの間合いはとっておこう。 上へ 8面 Sorceress + 詳細 ソーサレス 弱点属性:光 耐性属性:闇 HP:10,000 アイテム:Gold/オニキスを合計5つ 移動速度:低 射撃攻撃:雷レーザー・5方向3連渦・12連追尾弾 推定攻撃力:45 攻略情報 このボスは12連追尾弾・5方向3連渦・電撃と3つの技があるが、どれも属性は同じ。 順番と間隔にはパターンが見えず、ランダムのようだが、同じ魔法を続けて使う確率は低い。 雷は避けるのが難しいが、スキが大きく、コツをつかめば簡単に避けることができる。 魔女の上か下で横移動しながら雷攻撃を待ち、来たらすかさずボスの横に移動し、斬りまくる。これを繰り返せばOK。 上へ 9面 Efreet + 詳細 イフリート 弱点属性:水 耐性属性:火 HP:1,000 アイテム:Gold/ルビーを合計5つ 移動速度:中 射撃攻撃:単発弾+3方向弾+回転4方向弾+8方向弾+12連追尾弾 推定攻撃力:50 攻略情報 このボスは弱点属性の水を武器につけていないと一切ダメージが与えられない。 攻撃力・魔力・武器Lvは全く影響せず、水属性の数値がそのままダメージになる。 Poseidonを倒して水属性の宝石(アクアマリン)を稼ごう。 このボスは弾幕が凄いが、ちゃんと見極められれば避けられる。 どうしても避けるのが苦手な人は、鎧に火属性の宝石(ルビー)をたくさんつけておくとラクになる。 防御20 防具レベル3 火耐性10くらいでほぼノーダメージ。 上へ 10面 Lizard Assassin + 詳細 リザードアサシン 弱点属性:火 耐性属性:水 HP:9,000 アイテム:Gold/アクアマリンを合計5つ 移動速度:最速(リザードマンの3倍といっても良い) 射撃攻撃:4方向回転渦+高速手裏剣 推定攻撃力:55 攻略情報 移動が素早く、しかも剣を振ると残像を残して瞬間移動するため、攻撃が全然ヒットしない。 左右の端の方でボスの攻撃を避ける事に集中しつつ、狙わず適当に剣を振り続ける。 すると、いつのまにかボスのHPは削れて、倒す事が出来る。 また剣を大きくしたり、仲間を連れていけばもっとラクに。 剣に大量の火属性を付けるのも良い。 上へ 11面 Necromancer + 詳細 ネクロマンサー 弱点属性:光 耐性属性:闇 HP:20,000 アイテム:Gold/オニキスを合計5つ 移動速度:中 射撃攻撃:重力弾(ダメージはなし) 推定攻撃力:58 攻略情報 重力弾を使われると、画面外に押し出されてしまう(強制)ので、勇気のメダルを忘れずに装備。 スケルトン属、ゾンビ、ゴースト、ウィスプを同時に4体まで召喚する。 よって魔法が必要になり、仲間を連れているとラクになる。 鎧に耐性をつけておけば負けることはないと思う。 とりあえず言えることは「ボス本体は弱い」。 上へ 12面 Yggdrasil + 詳細 ユグドラシル 弱点属性:土 耐性属性:風 HP:50,000 アイテム:Gold/木の実全種類(ランダム)を合計5つ 移動速度:低 射撃攻撃:3方向3連雷+落雷+力の実爆弾4発 推定攻撃力:79 攻略情報 落雷と3方向3連雷を使うイヤなやつ。落雷はオーバーに避けないと、 左右を挟まれて動けなくなる。画面の下の方で戦う方が避けやすい。 たまに力の実そっくりの実を4個落とすが、実は罠で、触れるか一定時間経過で爆発するので注意。 地道によければ問題ないが、どうしても無理だ!って人は防御力か耐性を上げてNIN NINにサポートしてもらおう。 上へ 13面 Snow Queen + 詳細 スノークイーン 弱点属性:火 耐性属性:水 HP:55,000 アイテム:Gold/ダイヤモンドを合計5つ 移動速度:低 射撃攻撃:氷型乱射扇状弾・青レーザー・追尾ハート弾(ザコのものより射程は短い) 推定攻撃力:? 攻略情報 Lizard Assassinを倒せる装備があればそこまで苦労はしないはず。 氷型乱射扇状弾は意外と隙間が多く、遠距離に行くほど隙間が大きくなって避けやすい。 (氷型乱射扇状弾は全方位型と前方集中型があり、交互に使ってくる) 追尾ハートも射程が短めなので、少し逃げれば振り切れる。 上へ 14面 Guardian Dragon + 詳細 ガーディアンドラゴン 弱点属性:水 耐性属性:火 HP:100,000 アイテム:Gold/宝石全種類(ランダム) 移動速度:低 射撃攻撃:極太火炎放射・3方向火炎放射・4方向回転炸裂弾 推定攻撃力:? 攻略情報 剣を太くして下から突き刺すのが有効。 十分な長さがあれば、普通に距離を取って攻撃しても良い。 4方向回転炸裂弾以外は簡単に避ける事ができる。 上へ 15面 Death + 詳細 デス 弱点属性:光 耐性属性:闇 HP:250,000 アイテム:Gold/宝石全種類(ランダム)を合計5つ 移動速度:中 射撃攻撃:誘導鎌・3連誘導弾 推定攻撃力:? 攻略情報 恐ろしく硬いだけでなく、かなりの頻度で一定時間無敵状態になる。 攻撃面も、判定大の誘導鎌・3連誘導弾のどちらも避け難い。 ひたすら能力と装備を鍛えて戦うしか無いかも。 上へ 16面 False God Xxx(ランダムで変わる) + 詳細 フォールスゴッド 弱点属性:光 耐性属性:闇 HP:2,000,000 アイテム:勝利のトロフィー(初回のみ)/Gold/木の実全種類(ランダム)を合計5つ 移動速度:低 射撃攻撃:連続火柱+赤レーザー+青レーザー+2連誘導雷+4方向回転炸裂弾 推定攻撃力:? 攻略情報 圧倒的な強さを誇るラスボス。とてつもなく硬い。 見た目が炎属性っぽい攻撃も仕掛けて来るが、攻撃は全て闇属性。 どの攻撃も避けるのはそう難しくないが、4方向回転火炎弾+赤レーザーなどの見切り難い組み合わせには注意が必要。 ボス下側が比較的安全。 剣に光属性、鎧に闇耐性を大量に付け、能力値をこれでもかというくらいに上げてから戦うのが無難かもしれない。 上へ 湖の神殿[7面] Doppelganger + 詳細 ドッペルゲンガー 弱点属性:? 耐性属性:闇 HP:560,000×1~4 アイテム:1回目:魔剣 2回目以降:Gold1袋 移動速度:中 射撃攻撃:なし 推定攻撃力:120 攻略情報 剣のサイズは主人公が装備中のものと同じ(ただし当たり判定は主人公と違い見かけ通り)。 剣の色は、主人公の属性と反対な属性の色になるが、実際は闇で固定(無属性だと火属性の色になる)。 剣を初期サイズにして、チェイサーで遠距離からダメージを与え続ければ楽に勝てる。 それが無いなら、剣のサイズを調整して斜め下の位置から斬る。 シミターが有利だが、基本的にどの剣でも良い。 雑魚モンスターのような個体差があり、HPとGoldは入るたび変動する。 上へ 暗黒神殿[11面] Abyss Worm + 詳細 アビスワーム 弱点属性:光 耐性属性:闇 HP:780,000×1~4 アイテム:1回目:ショックウェーブ 2回目以降:Gold1袋 移動速度:中 射撃攻撃:3方向3連雷 推定攻撃力:123 攻略情報 Sand Wormと基本的に変わらないが、こちらはYggdrasilのものと同様の、 主人公を狙った3方向3連の稲妻を放ってくる。 剣を長くしておけば斬りながら避けるのはそう難しくないので、概ね同じように攻略すればOK。 耐久力は非常に高いので長期戦は覚悟のこと。 雑魚モンスターのような個体差があり、HPとGoldは入るたび変動する。 光属性を剣にこれでもか!と思うほどつけましょう 上へ 隠しボス Hellhound (Orthoros, Cerberus, Anubis) + 詳細 ヘルハウンド、オルトロス、ケルベルス、アヌビス 弱点属性:? 耐性属性:闇 HP:1,000,000×1~4(下記参照) アイテム:おやつボーン/99,999,999Goldを合計レア度と同じだけ(hellhoundはおやつボーンのみ) 移動速度:中 射撃攻撃:単発弾+4方向回転弾+反撃水平レーザー 推定攻撃力:? 出現場所 16面の邪神を撃破すると、その左下に新たに行ける場所が増え、そこにいる。 攻略情報 基本的に前作と同じ。反撃水平レーザーは剣のサイズに比例して太くなる。 HPがラスボスより低いが、攻撃力は高い。魔力、防御力or闇耐性を上げ、剣のサイズをリセットしてガントレットを外し、攻撃をかわしつつ遠距離からチェイサーでジリジリ攻める。 また。反撃水平レーザー準備中の光にも当たり判定がある。ボスのy軸(上下)には絶対近づかないように。 なお、Hellhound(赤)・Orthros(緑)・Cerberus(灰)・Anubis(白)の4段階の強さ&レア度が存在する。 落とすアイテムの数とHP倍率は、それぞれ1・2・3・4。 上へ 隠しボス Avatar of Xxx(ランダムで変わる) + 詳細 アバター 弱点属性:闇 耐性属性:光 HP:300,000(ただし剣に付いた闇属性以外は0.2%しか効果が無い) アイテム:星の勲章(初回のみ)/99,999,999Gold/宝石全種/木の実全種/これらを合計255個落とす (目安としてはGoldが120袋前後、残りは宝石と木の実が同じぐらいの数) 移動速度:低 射撃攻撃:回復(*1)、落雷、力の実爆弾、重力弾、反撃水平レーザー以外の攻撃全て 推定攻撃力:? 出現場所 まずラスボスから獲得した勝利のトロフィーを装備して、4つの神殿イベントをクリアする。 トロフィーが光ったら、それを一旦外して再度装備。 すると、ワールドマップの外(宇宙)へ行けるようになり、そこの右上にある月にAvatarがいる。 攻略情報 能力がバカみたいに高い上、今まで登場したほぼ全ての敵の攻撃を、同時かつ大量に使ってくる。 おかげで低スペック端末だと処理落ちしまくるので、↓キーで画質を下げよう。 全弾回避し続けるのは難しいが、追尾ハートは最優先でかわすこと。 剣Lv・攻撃力・魔力は与えるダメージにわずかしか影響せず、闇属性無しで倒す事は難しい。 (一応その状況でも撃破可能ではあるがそれぞれが0.2%しか効果を及ぼさないため、事実上HPが1.5億換算になる) Golden Knightから手に入るハイパーアーマーを装備すると良い。 上へ コメント欄追加。 -- 名無しさん 「Snow Queen」の技 「氷型乱射扇状弾」は 全体に氷を発射するというのと 主人公の方向を中心的に氷を発射する 攻撃があると見られます -- りーびー ごめんなさい。 既出でした。 -- りーびー 15面ボス Deathの鎌は 鎌に向かって突進して避けようとすると 被ダメが少ないです -- りーびー deathとラスボスの差がすごい大きい -- あddふぁ Dark Mistにクロスファイアで行くと早めに倒せるわりに落とす金多めだからオススメ。 -- モアイ様 2面、7面、8面、12面、14面、15面で止まってたのはいい思い出。(今は16面で止まって。) 今年中に倒せるかなぁ。 -- 名無しさん アスモデウス 撃破だぜ -- ドラえもん イフリートに無属性で攻撃していたのが懐かしい -- クリスタル 勝利のトロフィーつけて、4つの神殿クリアしても一向にトロフィーが光らないです…。ラスボス行けません。。。 -- なんで 運を極端に上げると宝石ばっか落ちるんだけど星モードの敵を倒した時に落ちるのも宝石ばっかになるから収益の割合カスになるし 闇ばっか上げてもアバター以外だとあんま恩恵ないんだなぁ -- 名無しさん 名前 コメント
https://w.atwiki.jp/koroproj/
KoRo プロジェクトへようこそ! このページは誰にも閲覧公開されていますが,メンバーだけが編集を行うことができます。 KoRoは、平成22年度, 23年度甲南学園平生太郎基金科学研究奨励助成金を受けました。平成24年度は、科研費でKoRoプロジェクトの一部を運用します。 以下の内容は、当初の予定を記載したものを中心に書いているので、多少の変更があります。 ☆本プロジェクトの目的 知能情報学部において3つのコースが設定されており,その中の1つである「マシンインテリジェンス」では,ロボットの知能などを教育研究する.本申請プロジェクトは,屋外環境において自律走行するロボットの研究開発と実現を目指すものである.また,ここで実現するロボットは KoRo(コロ;Konan Robot の略)と命名する.ロボットは特に若い人たちにとって非常に興味深いものであり,その設計や製作に関わることができることは,非常に魅力的なことと映っている.1年次の学生向けのガイダンス科目「知能情報学概論および演習」で,我々のKoRoプロジェクトの概要を話したところ,是非KoRoの実現に関与したいという感想が多くの学生から聞かれた. ロボットが自由環境において自律移動を行うにはさまざまなセンサーが必要となるが,主たるセンサーは,ロボットから環境中のいろいろな物体までの距離が測れるレーザー距離センサーであり,それを用いた,自己位置推定を行う.ロボットが高度な動作をするには,自己がいる場所を明確に認識することが重要であり,本プロジェクトでは,この点に力を注ぐ.また近年は,周囲形状をも取得しながら自分の位置を知るという,SLAM(自己位置と地図の同時推定)という技術が未知環境を動くロボットにおいて重要となってきている.またセンサーとして,全方位カメラ,ICタグやGPSなどの応用可能性を探る.移動ロボットの台車には,機動性が高い2輪台車ロボットであるセグウェイRMPを用いることを考える.これに衣(カバー)をつければ,人に親和性の高いロボットを作成することができる. ☆本研究で開発するロボットの概要 本研究課題では,キャンパス内を,人によるリモートコントロールなしに,自律走行する移動ロボット(キャンパスロボットと呼ぶ)を研究,開発する.自律走行して,道案内をしたりものを運んだりするには,単に障害物をよけながら動くだけでなく,自己位置の推定を正確に行う必要がある. ロボットは,移動手段を車輪とする台車ロボットSegway RMP200 をベースとし,胴体や頭部の中には,必要なセンサーや信号処理・制御のためのコンピュータなどを搭載する.Segway RMP200は小回りがきき,長時間連続使用の可能な高性能な2輪ロボットであり,倒立振子の原理でバランスをとって自立する機能を内蔵している. 冒頭で述べたように,KoRo(コロ)という名称は,Konan Robotよりなるもので、KoRoというロゴをつけ,オープンキャンパスの時などに,誘導役(ガイド)が務まるようなものにしたいと考えている. ☆発展性及び期待される内容 我々のプロジェクトは, センサー信号処理技術とロボットの制御技術 新しい乗り物開発への応用 ネットワークロボットとしてのキャンパスロボットの応用 などを実現・獲得するものである.また,実生活に役に立つ“ものづくり”を実現させるものであり,高校生などにもアピールできるテーマである. これらについて,具体的に以下に示す. (1)センサー信号処理技術とロボットの制御技術 自己位置推定・SLAMの研究 自己位置推定やSLAMは非常に最近脚光を浴びているホットな開発中の技術であり,力を入れて開発しなければならない.そのために,一次元距離センサーおよび二次元距離センサーを用いて,SLAMの研究を進める. 画像センサー 距離センサーだけでは,前方の監視は不十分である.たとえば,水たまりがあればそれをよける必要があるし,赤信号であれば,それを検知しなければならないが,距離センサーはそれらを感知できない. ICタグ ロボットを知能化する手法として,ロボット単体を知能化するだけでなく,ロボットの移動環境を知能化することが実際のロボット応用では重要となる.ロボットが識別能力を高めるために,ICタグなどが利用されている.近年では,単なる物体の認識のみならず,場所から情報を提供できる枠組みとしてICタグが利用されている.センサーを設置できる専用の空間でロボットを使う場合は,ICタグの読み取りを利用することで,ロボットの位置推定が容易になることが期待できる.また,その場で読み取ったロボットに応じた必要な情報を取得できるため,ICタグを利用することで,位置情報だけでなく,KoRoのスケジュールや作業内容,環境の構造情報(例:行き先)を直接与えられる.ICタグとセンサー情報の統合を利用した,KoRoの安全な動作の実現,周囲環境とのインタラクションの実現を目指す. GPS 自己位置推定は,次第にずれてくることが多いので,長時間や長距離のロボット移動ではGPSが必要になってくる. ロータリーエンコーダーやジャイロ・加速度センサー 周囲環境が複雑なところでも(たとえば,草むらがあったりするような場所など),より正確にSLAMが行える.ジャイロあるいは加速度センサーは、姿勢が安定しないSegwayにおいて、傾き補正が可能となる。可能性を試してみたい。 (2)新しい乗り物開発への応用 いろいろなものが開発可能であり,産学協同による,実社会において使えるものを開発することが可能である.たとえば,次のような例を挙げることができる. インテリジェントなシニアカー 電動式のシニアカー(セニアカー)や電動式車椅子は足腰に支障がある人が利用するものであるが,老人が使用する場合,視覚的な機能が衰えていたり,判断力が衰えていたりする場合が多いと思われる.そこで,ここで開発するようなセンサーの処理機能を付けることにより,危険を検知する能力をサポートし,より,安全に行動を走れるような機能を追加したい. 安全歩行補助装置 盲人や夜間歩行の人が,周囲の環境の検知,特に,接近する車や人,障害物,溝など,軽いセンサーを使って安全な歩行ができるような,歩行補助装置を考える.無線技術を利用した相互の位置情報が交換できる装置の開発も目指したい.これによって,混雑した人混みであっても,安全かつ柔軟な移動の補助ができるような仕組みも考えたい. 自動車の安全装置 自動車の安全運転装置としても,応用が可能である.技術が熟してきたら,自動車メーカーとの連携も図りたいと考えている. (3)ネットワークロボットとしてのキャンパスロボットの応用 ICタグを利用するなどにより,ロボットの目前の人などを特定することと,ネットワーク機能を連動することにより外部データベースから個別の情報を取得すれば,TAのような個別の対応が可能となる.キャンパスロボットとして非常に大きな可能性があると思われる. ☆年度別研究計画(平成22年度以降の研究計画) まず,本研究は次の柱からなる(かっこ内は主たる担当者) 「知」距離センサーを用いたマップ作成と自己位置推定(田中,伊藤) 「動」エレクトロニクス技術やセンサー情報を利用した最適制御の構築(和田) 「接」画像センサーやICタグを使った周囲状況の把握と認識,動作生成(梅谷) そして,各年度ごとの研究の計画は以下のとおりである. * 平成22年度 搭載センサーの種類,個数,PCやバッテリーなどの種類と大きさ,台数,収納した形態などの検討 基本的な制御システムの構築 簡単な回避行動や緊急停止 大まかな地図に基づいた自己位置の正確な推定方法の検討(の一部) 添付型記憶媒体の有効な利用法の研究 初年度は,まず,全体のプランの仕上げと基本的な機能の作成を行う.すなわち,台車ロボットに搭載するセンサーとPC,バッテリーなどを搭載したロボットを,外形を考えながら設計,構築する. ロボットを走行させるキャンパス内のマップをまず作成する(これは手作業).マップには細かい付属物などは記載しない.概地図を与えておくことで,推定を逐次的に繰り返すことに起因する累積的なゆがみその他の劣化要因から解放される. その地図に基づき,ロボットを走行させたときの自己位置の逐次推定アルゴリズムを,制御用PCのプログラムに組み込む.なお,組み込む前の段階で取り込んだセンサーからの信号とオドメトリーの値を使って,自己位置推定の実験をする.この作業は単年度では困難な課題であり,次年度も行うことが必要である. 平成23年度 自己位置がわかったときの目的地までの経路決定問題 添付型記憶媒体の有効な利用法の研究 周囲環境形状の把握やICタグによる位置確認.センサーの基本性能と機能の限界の確認. 危険物の接近(人や車,自転車など),危険形状(溝の存在,道路上の穴,柱など)の認識とそれの回避行動の付与. センサーネットワークの確立(センサー情報の統合) GPSによる大域的な自己位置推定 マップに記載されていないような細かい部分や建物内部などについては,SLAMを行い,自己位置推定と環境マップ作成を同時に行う.次に,自己位置が推定されたら,目的地までの経路を調べなければならない.距離のみならず,途中の路面の状態や人の数,道の広さなどを考慮する. さらに,ICタグなどの添付型記憶媒体の利用により,より狭い空間における,細かい実務作業をロボットにさせることが可能となるため,応用方法を検討する. 平成24年度 ロボットの安全対策 地図がない細かい部分におけるSLAM エンターテイメント機能の付与 平成23年度は,3次元距離情報を用いて,自己位置推定の精度を高めるアルゴリズムを開発し,実験を行う.最初に与えた地図にない付加的情報もこれにより得ることができる.これにより,安全走行のレベルが格段に向上することが期待される.エンターテイメント要素も重要なテーマであり,人間がロボットと遊ぶための機能も追加する.「動く」ということと「リアルタイムで情景がとれる」ということを利用すれば,動きにより判断される遊びの実現が可能である.現在,「だるまさんがころんだ」と,「じゃんけん」をコンピュータビジョンの視点から開発中であるが,実際に動くロボットの上に実現すれば,楽しく遊べるシステムになることが期待できる. ロボットにインターネットアクセスの機能を持たせ,必要な情報を問い合わせることができるようにする.たとえば,建物毎の詳しい情報であるとか,ICタグなどにより個人毎に対応することのできる機能を持たせることが可能である. * 平成25年度 公開実験と評価検討 SLAMの高度化をはかるとともに,通信機能を用いたロボットの外部からの情報獲得と遠隔地の人間への情報発信をさらに高度化してゆく.ここまでに作成してきたロボットを総合的に評価し,真に有用なものにしてゆく.そこで,一般の学生その他に広くロボットの評価を求め,改良を進める. 次のプロジェクト,すなわち,TAロボット(予定)については,本プロジェクトのあとに検討する予定であるが,それへの橋渡しをするのが,ロボットの外部データベースへのアクセス機能である.ロボットを我々人間の知的パートナーとして活用できるようなものを設計していくための基礎を平成25年度で確立する予定である.
https://w.atwiki.jp/kitarou22ch/pages/52.html
妖怪リスト調べる際にメモしたイベントリスト。ついでなんで放出。 わかる人だけ使ってください。 改造コードでアドレス006Dを各イベントNoで固定して マップ上でAボタン押すとそのイベント見れます。 入力は「006D-01-xx-イベント」(xxがイベントNo)みたいな形になると思います。 利用や転載はご自由にどうぞ。 No イベント内容 00 ポスト(関東地方) 01 病院 02 鬼太郎の家 03 地蔵(ヤモリの干物・関東地方) 04 関東地方建物(ねずみ男がいる所) 05 ポスト(東北地方) 06 地蔵(つるべび・東北地方) 07 妖気石(東北地方)※推定 08 東北地方建物・北海道への入り口 09 戦闘・チー 0A 猫長屋(猫娘が仲間になる所) 0B びしゃもんぞうがある所 0C ポスト(中部地方・ぬらりひょん関連) 0D 地蔵(カラスのエサ・中部地方) 0E キュウリへのヒントをくれる所 0F 見上げ入道を倒した後のイベント マタタビ入手 10 天狗がヤツデの葉をくれるところ 11 キュウリがある所 12 戦闘・九尾の狐 13 アパート(すなかけばばぁがヒントをくれる所) 14 妖気石(中部地方) 15 地獄への入り口 16 カッパがカッパ酒くれるところ 17 かがみじじいの社 18 中国地方へ続く洞窟への門 19 ぬらりひょんの城への入り口 1A 天国への入り口 1B 佐渡島で狸がヒントくれる城 1C ポスト(四国地方・狸vs狐関連) 1D 別荘 (四国地方) 1E 地蔵(魔除けの香・中国地方)※推定 1F 妖気石(四国地方) 20 ポスト(中国地方・狐のボスを教えてくれる) 21 妖気石(中国地方) 22 地蔵(妖怪蓑・四国地方)※推定 23 病院 (中国地方) ※推定 24 九尾狐倒した後の物選ぶイベント 25 一反木綿がいる雑木林 26 隠れ里(一反木綿の事を嘆く人がいる所) 27 天狐の頼みで立ち去るを選んだ後の選択肢 28 黒雲主を退治した後の物を選ぶ選択肢 29 ボッチの社(ボッチの口) 2A ボッチの社(ボッチの目玉) 2B ポスト(九州地方・油すまし関連) 2C 妖気石(九州地方)※推定 2D 地蔵(再生の粉・九州地方)※推定 2E 戦闘・化け地蔵 2F 妖怪屋敷 30 油すましがいる所 31 ぬりかべのいる所 32 ボッチの社(ボッチの鼻) 33 ゆめこを助け出すイベント 34 長崎 鬼頭がいる城 35 南端の種がある所 36 竜宮城 37 戦闘・雷雲変化 38 井戸仙人の墓 39 西洋妖怪の城へ通じる洞窟入り口 3A 空き家 3B 妖怪屋敷 3C 朱雀がいる門 3D 妖気石(謎の大陸)※推定 3E 白虎がいる城 3F 玄武がいる城 40 青龍がいる城 41 最終ダンジョンへ入る門 42 北海道の銀世界 43 魔除けの香がある宝箱 (どこ?) 44 砂かけばばぁがいる神社 45 戦闘・団三郎 46 天狐を倒した後のイベント ねずみ男登場 筏入手 47 地獄の一丁目 48 閻魔様がいる所 49 地獄・左の門 4A 地獄・右の門 4B 蒼龍を倒した後、天狐とのイベント 4C 地獄でぎょうぶ狸とのイベント 4D ボッチの社? 物を選ぶが出てくる 4E 秋吉の洞窟? 物を選ぶが出てくる 4F ボッチの脳がいる所 50 戦闘・見上げ入道 51 戦闘・黒雲主 52 リモコンゲタがある宝箱 53 ぬらりひょんのイベント 54 狸城の門番 ※推定 55 ちゃんちゃんこがある宝箱 56 狸城・ぎょうぶ狸がいる場所 57 狐城?妖怪蓑がある宝箱 58 狐城?ヤモリの干物がある宝箱 59 狐城?つるべ火がある宝箱 5A 狐城?カラスの餌がある宝箱 5B 狐城?魔除けの香がある宝箱 5C 白玉がある場所 5D 天狐に団三郎抹殺を頼まれるイベント 5E オカリナ鞭がある宝箱 5F ぬりかべが正気に戻るイベント 60 バックベアードがいる所 61 コロボックルが北の妖怪を倒したお礼をいうイベント 黒玉入手 62 チーが封じの秘薬をくれと言うイベント 63 子泣きじじぃが仲間になるイベント 64 コロボックルが仲間を貸してくれと頼むイベント 65 天女に仙人を蘇らせるイベント 66 戦闘・ボッチの口 67 戦闘・ボッチの目玉 68 (フリーズ) 69 地獄の炎入手 6A 戦闘・ボッチの鼻 6B 戦闘・うぶめ 6C 戦闘・かみきり 6D 戦闘・かみきり てのめ 6E 戦闘・てのめ 6F 戦闘・くもんび 70 戦闘・ゆきおとこ ゆきおんな 71 戦闘・ぬえ 72 戦闘・くもんび かまいたち 73 戦闘・からすてんぐ からすてんぐ からすてんぐ 74 戦闘・かまいたち 75 戦闘・死神 76 戦闘・ずんべら つちのこ 77 戦闘・死神 つちのこ ずんべら 78 戦闘・みつめやっき つちぐも 79 戦闘・つちぐも もうりょう 7A 戦闘・みつめやっき もうりょう つちぐも 7B 戦闘・もうりょう 7C 戦闘・がしゃどくろ がしゃどくろ 7D 戦闘・がしゃどくろ やまおとこ やまおとこ 7E 戦闘・がしゃどくろ がしゃどくろ がしゃどくろ 7F 戦闘・スイコ スイコ スイコ 80 戦闘・ギュウキ ショクイン 81 戦闘・ヤシヤ スイコ スイコ 82 戦闘・ヤシヤ サンヨ センキ 83 戦闘・いそおんな いそおんな いそおんな 84 戦闘・うみぼうず いそなで 85 戦闘・くびれおに いそおんな いそなで 86 戦闘・うみぼうず うみぼうず うみぼうず 87 戦闘・ぬれおんな 88 戦闘・おおなまず あかえい ぬれおんな 89 北の地への誘い 8A 戦闘・ふたくち女 8B 戦闘・じらいや かしゃ かしゃ 8C 戦闘・がま がま 8D 戦闘・つつがむし つつがむし つつがむし 8E 戦闘・ほねおんな ほねおんな ほねおんな 8F 戦闘・うばがび かしゃ かしゃ 90 戦闘・ふたくち女 91 戦闘・じらいや かしゃ かしゃ 92 戦闘・むじな むじな むじな 93 戦闘・ふくろさげ むじな むじな 94 戦闘・にめんヤシヤ ラセツ 95 戦闘・あかおに だつえば 96 戦闘・あかおに じんちゅう じんちゅう 97 戦闘・じんちゅう じんちゅう じんちゅう 98 戦闘・イエンミン 99 戦闘・ケイテン ケイテン ケイテン 9A 戦闘・リョーシツ ケイテン ケイテン 9B 戦闘・リョーシツ イエンミン ケイテン 9C 戦闘・ろくろくび 9D 戦闘・からかさ からかさ 9E 戦闘・やこ やこ 9F 戦闘・くうこ やこ やこ A0 戦闘・ふたくちろうば A1 戦闘・きょうこつ きょうこつ A2 戦闘・狼男 狼男 A3 戦闘・ミイラ男 A4 見上げ入道倒した事後 ※推定 A5 黒雲主・事後 A6 妖気石・事後 (地方不明) A7 妖気石・事後 (中部地方) A8 戦闘・ぬらりひょん A9 妖気石・事後 (地方不明) AA コロボックル・仲間の戦い報告 AB 妖気石・事後 (地方不明) AC 戦闘・天狐 AD ボッチの何かを倒した事後 AE ボッチの何かを倒した事後 AF 妖気石・事後 (地方不明) B0 事後・ぬりかべか白玉? B1 戦闘・ボッチの脳みそ B2 ボッチの何かを倒した事後 B3 ボッチの何かを倒した事後 B4 鬼頭倒した事後 B5 妖気石倒した事後 謎の大陸 ※推定 B6 戦闘・白虎 B7 白虎倒した事後 B8 戦闘・玄武 B9 玄武倒した事後 ※推定 BA 戦闘・蒼龍 BB 蒼龍倒した事後 BC 天狐倒した事後 BD 見上げ入道倒した事後 ※推定 BE 団三郎にぎょうぶの事を問われるイベント BF 毒の沼地で力尽きた鬼太郎 C0 コロボックルに黒玉もらった後のイベント C1 戦闘・朱雀 C2 マップでAボタン押した時の動作 C3 オープニング C4 エンディング
https://w.atwiki.jp/prml_note/pages/14.html
第二章 確率分布 2.1節 ベルヌーイ分布 コインの表と裏のようなバイナリな事象の確率分布 平均・分散 i.i.d仮定の下での尤度関数は 頻度論者は尤度関数の最大化問題を解くことによってパラメータを推定する。 この対数尤度関数は観測データに対してその和を通じてのみ依存しており、この和は十分統計量(sufficient statistic)の一例となっている。 最尤推定量(すなわち標本平均(sample mean))は 二項分布(binomial distribution) 二項分布の共役事前分布(conjugate prior distribution)はベータ分布 ベータ分布の平均・分散 以上より、のデータ数、のデータ数とした場合、の事後分布はベータ分布の事前分布と二項分布の尤度関数との積に比例する、すなわち これは事前分布と同様のベータ分布となっており、事前分布を二項分布の尤度関数と共役な性質を持つように選択したことの結果である。正規化定数も含めると上の式は ベイズ更新による学習によれば、データを一個ないし少数のかたまりに分割して処理することができる利点がある。(連続的(sequential)アプローチ) データセットを観測した直後にとなる予測分布は [この本の欠点の一つは、予測分布を定義する前に2回もこれを使っていること。] とするとこの結果は最尤推定量に近づく。 ベイズ学習を重ねるごとに事後分布の分散は平均としては小さくなっていく。 2.2節 多項分布 k通りのうちの一つが実現する場合の分布 ()内はについての十分統計量。上の式の対数をとってラグランジュの未定乗数法により これをについて偏微分して0とおいて解くと、最尤解 多項分布(multinomial distribution) 多項分布のパラメータについての共役事前分布がディリクレ分布(Dirichlet distribution) 多項分布の事後分布を事前分布をディリクレ分布として得る 2.3節 正規分布(Gaussian Distribution) 連続エントロピーを最大化する確率分布は正規分布 中央極限定理(central limit theorem) 一定の緩やかな条件の下では、複数の確率変数の和は項数が増えるにつれて正規分布に近付く。したがって二項分布の試行回数を増やしていくと正規分布に近付く。 以下、多次元の正規分布 についてみる。 ととのマハラノビス距離(Mahalanobis distance)の二乗は 正規分布はこの二次形式が空間における平面について一定であるような平面上で一定となる。 が単位行列の場合はユークリッド距離となる。なお、は対称行列としてよい。の固有値、互いに直交する固有ベクトルを使って書くと ここでは、元の座標について平行移動および回転された直交ベクトルによって定義される新たな座標系と見ることができる。 とすると、は直交行列。 のすべての固有値が正であるとき、この二次形式はその平面は中心が、その軸がに平行で、各軸についてのスケールがな楕円を描く。 すべての固有値が正となる行列を正定値(positive definite)行列、非負の場合を半正定値(positive semidefinite)行列という。正規分布の場合、その共分散行列の固有値がすべて正でないときは正しく正規化されない。固有値のうちの一つまたはそれ以上が0である場合にはその分布は特異分布となり、より低次元の空間に限定されることになる。 で定められる新たな座標系への変換のためのヤコビアンはこの場合1となる。また、は対称行列だから、その行列式は固有値の積に等しい。以上よりによる正規分布は以下のように個の独立した一変数正規分布の積の形になる。 多変数正規分布の平均 二次モーメント 共分散 共分散行列は計算量軽減のために対角行列に、さらに等方的なに代替させることができるが、その代償にモデルの自由度を低下させる。 正規分布の単峰性は柔軟性に欠けるが、潜在変数(latent variables)を導入することによってこれを改良しうる。離散潜在変数の導入により複数の正規分布の混合が可能になり、連続潜在変数の導入によりデータセットの次元と独立に自由パラメータ数を制御することが可能となる。マルコフランダム場(Marcov random field)、線形力学系(linear dynamical system)など。 条件付正規分布(conditional Gaussian distribution)と周辺正規分布(marginal Gaussian distribution) 多変数の同時確率分布が正規分布なら、条件付確率分布も正規分布となる。このとき、それぞれの変数についての周辺確率分布も正規分布となる。 分割された正規分布(データセットを二分割した) 正規分布でとし、およびを以下のように分割する。 共分散行列 精度行列 この場合、条件付確率分布は (これはの線形関数) 周辺確率分布は 正規線形モデル(linear Gaussian model) 、の二変数での周辺確率分布、が所与の場合のの条件付確率分布をそれぞれ とすると、の周辺確率分布およびが所与の場合のの条件付確率分布はそれぞれ 逐次推定(sequential estimation) 同時確率に支配される二つの確立変数およびを考える。が与えられたときのの条件付期待値(回帰関数(regression function)) ロビンス・モンローのアルゴリズム(Robbins-Monro algorithm)によってとなるようなを逐次的に求める。 係数が次の三条件を満たすとき、上の推定量は確率1で根に収束する。 正規分布におけるベイズ推定 分散が既知として平均を推定する。尤度関数は これはについての二次形式の指数関数だから、共役事前分布は正規分布とするのが適切。事前分布を とすると、事後分布は ただし (2.141)から、事後分布における平均は事前平均と最尤解との合成であることが分かる。観測データ数が0なら、(2.141)は事前平均に等しくなり、なら事後分布平均は最尤解によって与えられる。 (2.142)から、事後分布における分散の逆数(すなわち精度)は事前精度に観測された各データの精度を加えたものであることが分かる。データ数が増えるとそれにつれて精度は大きくなり、分散は小さくなってゆく。事後分散は、なら事前分散に等しくなり、なら0に近づき、事後分布は最尤解の周辺で無限に極大となる。 逐次推定の観点から書き直された事後分布 平均が既知として分散を推定する。とするとについての尤度関数は以下のような形になる。 これに対応する共役事前分布は、の乗数との線形関数の指数関数でなければならないから、ガンマ分布が適切となる。 ガンマ分布 ここでは(2.146)が正しく正規化されることを保証する。ガンマ分布はの場合に有限な積分を持ち、のとき分布じたいが上に有界となる。 ガンマ分布の平均・分散 いま事前分布をガンマ分布とすると事後分布は以下に比例する。 ただし (2.150)によれば個のデータを観測するとパラメータはずつ増加することが分かる。すなわち、事前分布におけるパラメータは個の有効なデータを既に観測した状態に等しいものと考えることができる。同様に(2.151)から、個のデータを観測するとパラメータはずつ増加することが分かる。すなわち、事前分布におけるパラメータはの分散を持つ個の有効なデータを既に観測した状態に等しいものと考えることができる。 このように指数分布族に属する確率分布についてその共役事前分布のパラメータを仮想の有効なデータ観測の効果に置き換えて見る考え方は一般的なもの。 精度で考える代わりに分散のままで考えた場合、共役事前分布は逆ガンマ分布(inverse gammma distibution)と呼ばれる。 平均および分散の両方が未知であるとする。 尤度関数は 共役事前分布は以下のような形をとらなければならず、 したがって正規化された事前分布は次のようなものになる(正規-ガンマ分布)。 多変数の場合 精度が既知の場合の共役事前分布は正規分布となる 平均が既知の場合の共役事前分布はウィシャート分布(Wishart distribution)となる を分布の自由度(degree of freedom)という。 1変数の場合同様、精度行列の代わりに共分散行列について共役事前分布を定義することもでき、その場合には逆ウィシャート分布となる。 平均および精度の両方が未知の場合には共役事前分布は次のような正規-ウィシャート分布となる。 スチューデントのt分布(student s t-distribution) は自由度と呼ばれ、のときスチューデントのt分布はコーシー分布に帰着し、のとき平均、精度の正規分布となる。 スチューデントのt分布は同じ平均と異なる精度を持つ無限個の正規分布を加算することで得られるため、一般に正規分布よりも長い尾を持つ。これがスチューデントのt分布に頑健性(robustness)、すなわち異常値が存在してもそれらにあまり影響されない性質を与えている。頑健性は回帰問題においても重要で、例えば最小二乗法は条件付正規分布の最尤法と同等なため、このような頑健性を持たない。回帰モデルをt分布のようなより尾の長い分布に基づかせることによってより頑健なモデルを得ることができる。 多変数のスチューデントのt分布 周期的変数(periodic variables)を扱う場合、原点をどこに取るかが問題となるが、このような場合には極座標を用いる。正規分布を極座標に一般化したものをフォン・ミーゼス分布(von Mises distribution)という。 (は集中パラメータ(正規分布の精度と同様)、は次第一種ベッセル関数) 周期的変数に対処する他の方法として、極座標を固定幅で分割したヒストグラムを使用することも考えられる。この手法は簡単で柔軟だが、ヒストグラムに内在する限界によって制限を受ける。ほかには、単位円内に制限するフォン・ミーゼス分布とは異なり単位円上に周縁化を行う方法もあるが、分布が複雑になる。座標を対応させる方法もあるが、これも分布が複雑になる。フォン・ミーゼス分布の短所としては、単峰的であることが挙げられるが混合によってそれを補うことも可能。 正規分布の混合 混合分布(mixture distribution)とは複雑な分布をより単純ないくつかの分布の線形結合に還元して構成する。これにより、複雑な分布に対して任意の精度での近似を与えることが可能になる。 正規分布の混合 個々の正規分布は混合の構成要素(component)と呼ばれ、は混合係数(mixing coefficients)という。 2.4節 指数分布族 指数分布族(exponential family) ここでは分布の自然パラメータ(natural parameter)と呼ばれる。はの関数。 ベルヌーイ分布を指数分布族の一般形に変形すると、 したがって、 これをについて解くと ロジスティック・シグモイド関数(logistic sigmoid function)となる。これを用いてベルヌーイ分布を書き直すと、 すなわち(2.194)において の場合がベルヌーイ分布。 多項分布 指数分布族の標準形に書き直すと すなわち(2.194)において の場合が多項分布。 単変数正規分布は 指数分布族の分布を正規化できれば簡単な微分によってモーメントを得ることが出来る。 など (2.194)の指数分布族においてベクトルを最尤法を用いて推定することを考える。i.i.d.なデータについて尤度関数 はその最尤解において停留点。よって これを見ると、最尤推定量はという量のみを通じてデータに依存していることが分かる(十分統計量(sufficient statistic))。 事前分布による事後分布に対する拘束を最小限にとどめるために無情報事前分布(noninformative prior)を利用することがある。 はパラメータによって制御されている場合、事前分布としてとしたい。 が個の状態を有する離散変数の場合は、各状態の確率が等しくとなるように設定するだけだが、が連続の場合には二つの問題が生ずる。一つは、の定義域が有界でないときにはその積分は発散するため、インプロパー(improper)と呼ばれる。実際上、インプロパーな事前分布は対応する事後分布がプロパー(proper)(すなわち正しく正規化されうる)であることを条件に使用される。もう一つは非線形な変数変換による確率密度関数の変化(ヤコビアン)。 たとえば は並進不変性(translation invariance)を持つ(を位置パラメータ(location parameter)という。正規分布の平均は位置パラメータの例)。また、 はスケール不変性(scale invariance)を持つ(をスケールパラメータ(scale parameter)という。正規分布の分散はスケールパラメータの例)。 2.5節 ノンパラメトリックな手法 ノンパラメトリックな手法(nonparametric methods)とは、確率分布のパラメータを決定することなく観測データからxに対応する確率密度を推定する手法。 ヒストグラム法は、定義域を固定幅のビンに分割しそこに落ちるデータ数をグラフで表したもの。データを簡易に視覚化でき、いったんヒストグラムを構築した後はデータを捨てることが出来るので巨大データセットや連続するデータセットを扱うのには利点があるものの、多くの場合密度推定には不向き。連続変数がビンによって不連続にされるうえ、多変数の場合にはビンの数が爆発し、次元の呪いにより有意義な推定を行うことが非常に困難になる欠点がある。 密度推定にはある種の近傍、つまりは距離の概念が必要だということと、よい結果を得るためには平滑化のためのパラメータ(ヒストグラム法の場合にはビンの幅)は適切な値が選ばれなければならないということが分かる。 カーネル密度推定 ある未知の確率分布に従って抽出されたデータ集合があるとする。十分に大きな個のデータについて十分に小さな領域(その幅をとする)に落ちるデータ数をとすると、 という関係が成り立つ。ここでを固定してを求めるのがK最近傍法、逆にを固定してを求めるのがカーネル法だといえる。K最近傍密度推定もカーネル密度推定も同じ真の確率密度関数に収束する。 カーネル密度推定(kernel density estimation)は、各データ点上のカーネル関数を総和したものをデータ数で割る。 パルツェンの窓(Parzen window)はデータ点を中心とした立方体を領域とするカーネル関数。これを使用した場合、における推定密度は (は一辺の長さがの次元超立方体の体積)パルツェンの窓はヒストグラムと同様に各カーネルが不連続。 より平滑な密度モデルとしてガウスカーネルを使った場合、 はガウスカーネルの標準偏差であり、平滑化パラメータとして機能する。カーネル密度推定法の欠点は、データの密度に関わらず平滑化パラメータが一様であるため、データが密集している領域では過剰に平滑化されて特徴が失われ、データがまばらな領域ではノイズに影響されやすくなる傾向がある。 最近傍法(nearest-neighbour method) 固定の領域幅の代わりに、k個のデータ点が含まれる近傍ごとに区切る(k近傍法)。kが小さすぎるとノイズが多くなる。k近傍法で得られる関数はその積分が発散するため、真の確率密度関数ではない。 k近傍法はクラス分け問題に拡張して適用することができる。ある新データ点の帰属先クラスを決定するのに、近傍のk個の既知データのうちの最多数が帰属するクラスを選択する。の場合、すなわち最も近くの既知データと同じクラスに分類する方法を最近傍法(nearest-neighbour)という。最近傍法の誤り確率は十分に大きい標本数Nについて真のクラス分布を使用した最適なクラス分けによって達成しうる最小の誤り確率の2倍を超えないという特質が知られている。 カーネル密度推定法およびk近傍法は全ての学習データを保存しておく必要がある。データを探索木化しておくことも計算量を減らすのに役立つが、これらノンパラメトリックな手法の有効性はごく限られている。