約 4,457,635 件
https://w.atwiki.jp/battlefield1918/pages/223.html
CASSINO 1918 -モンテ・カッシーノ 1918- 目次 ブリーフィング 全体マップ チケット設定 陣地 登場兵器 解説 史実 コメント ブリーフィング Italienische Truppen starten einen Angriff auf einen schwer befestigten Hügel. Schritt für Schritt müssen sich die Angreifer den Hügel hinaufkämpfen, bis es schliesslich in den Ruinen eines jahrhundertealten Klosters zum finalen Entscheidungskampf kommt. ACHTUNG Beide Seiten können die Flaggen nur der Reihe nach erobern oder zurückerobern! イタリア軍は丘の上にある重武装化された要塞への攻撃を開始した。頂上には古い修道院の廃墟があり、攻撃側は丘を番号に沿って進撃し、そして最終的な決着を付けなければならない。注意：両軍は番号に沿って陣地を占領、再占領することになる！ 全体マップ チケット設定 陣営 比率（COOP） 減少速度（COOP） -% (-%) - (-) -% (-%) - (-) 陣地 陣地名 初期陣営 価値 白旗時間 確保時間 補足 --------------------未編集-------------------- - - - --------------------未編集-------------------- - - - 登場兵器 陸上兵器 --------------------未編集-------------------- --------------------未編集-------------------- 海上兵器 --------------------未編集-------------------- --------------------未編集-------------------- 航空兵器 --------------------未編集-------------------- --------------------未編集-------------------- 固定兵器 --------------------未編集-------------------- --------------------未編集-------------------- その他 --------------------未編集-------------------- --------------------未編集-------------------- 解説 未編集 史実 未編集 コメント コメントは最新20件が表示されます。 （過去のコメントを参照） 名前 コメント すべてのコメントを見る
https://w.atwiki.jp/prima/pages/2591.html
Blogs on Carry Sass #bf レパートリー 作曲家名（全角フルネーム）に置き換えてください [部分編集] 作曲家名（全角フルネーム）に置き換えてください 作品名（全角）に置き換えてください役名（全角）に置き換えてください Last Update 2011/01/30 09 24ページ先頭へ
https://w.atwiki.jp/insurgency_sandstorm/pages/63.html
マークスマンライフル M110 SASS 現地治安維持部隊Security Forceが採用した高性能選抜小銃。アタッチメントの組み方次第でその強みが変化する興味深い武器だ。本体と併せてかなりのコストを要求するため、上級者向けに仕上がっている。 スペック 配備 Security コスト 4点(ランクマッチ時6点) 使用弾薬 7.62x51mm通常弾 使用弾倉 SR-25系7.62mm 装弾数 1020 SR-25系拡張マガジン 鉛直反動 34 水平反動 38 標準ダメージ 111.05 連射速度 160rpm セミオート・カタログスペック約200rpm セミオート速射 貫通力 428pp 銃口初速 850mps 連射機構 単発 重量 22%+弾薬 部位 倍率 実効ダメージ 頭 5.0倍 555 首 2.5倍 277 鎖骨 1.0倍LA 0.96倍HA 0.84倍 11110794 上腕 0.8倍 88 前腕 0.7倍 77 手 0.5倍 55 胸 1.0倍LA 0.96倍HA 0.84倍 11110794 腹 1.0倍LA 0.96倍HA 0.84倍 11110794 股 1.0倍HA 0.84倍 11194 腿 0.8倍 88 脛 0.4倍 44 足 0.3倍 33 Insurgency Stats and Damage.xlsxより出典 まず述べておきたいのは、以下のテキストはこの武器を愛用する筆者の主観が入っていた下書きから、数値的事実に根差していると断言できなかったものを排除したものであるということだ。それを念頭に置いて、読み進めて頂きたい。 M110 SASS、コスト4点の高価格帯ながら、SVD?[未]とタメを張っているかどうかやや怪しいという評価をよく見かける。その理由はむしろSVDではなく、Security側に配備されているもう一つの選抜小銃Mk 14 EBRにある。ここでは両者を比較しよう。 M110 SASS Mk 14 EBR 4 基本コスト 5 111.05dmg428pp850m/s 弾道特性 111.05dmg428pp850m/s 反動34, 38 制御特性 反動39, 44 1020 (2点追加) 装弾数 20 セミオート速射200rpm程度フルオート無し 連射性能 セミオート速射200rpm程度フルオート732rpm 22% 本体重量 24% そのほか幾つかの隠しパラメーターを参照・調査して言えることは…… M110 SASSは戦闘小銃クラスと比較して、反動が緩やかであり、反動からの回復も早い、さらに速射時の着弾誤差が6発目程度まで散らばらない。これらの強みが活かせるのは定点狙撃による長期間の防御、とくに敵の移動経路を薙いでいくような上級者の戦略に使われるとかなりの脅威になる。 しかし、装弾数が少なくコストを追加で積む、フルオート機構を持たず近接は技術次第、という点でMk.14に劣ることも事実である。近接を想定する場合、SASSではフルオートでばら撒くという選択肢を持たず、その分の立ち回りや角度の取り方などが求められる。尤も、選抜射手が近接を行う時点で最早作戦から崩壊しているともいえるのだが。 Mk.14で同レベルの反動制御を得るには、反動制御グリップあるいは制退器の併用となる。つまり、SASSは貴重なアンダーバレル枠を多少自由に選ぶことができるともいえるのだ。反動制御をさらに加えてもよいだろうが、どうせ遠距離で使うならば二脚一択というものだ、ほぼ無反動かつ速射時の着弾誤差が20発以上ブレなくなる(つまり弾倉1本を確実に叩き込める)。 以下主観ガッツリ 射撃時の安定性を強化した状態で、どうせ遠距離しか撃たないなら二脚積んで速射することを考える限り、セミオート限定はむしろ高PING環境でも弾抜けしにくいという強みをもつ。 二脚での特殊な角度を取りつつ徹底的な防衛ラインを引き、敵の選択肢をごっそり削りとりつつも、いざというときにはダメージ量で押し切る接近戦もこなせるという点において、万能ではないが多岐にわたるポテンシャルをもつ、最強武器候補の一つである。 但し、弱点を述べるとすれば、地味に遅いリロード(とはいえ、この「遅い」とはモーションスキップが無意味であることと、抑々のモーションがやや長いことの二義性を持っていることに注意したい)、特徴的な発射音(聞き分けることができるプレイヤーならばその発射音は1発目からでもおよそどの建物にいるか見当がつく、無論サプレッサー使用時にはこれは誤魔化せるが)、高コスト(サプレッサー併用でのまともなビルドは14点かかる)、そして射手の技術依存率が極めて高い(というかほぼ100%)ことが挙げられるだろう。ピーキーな性能という言葉を時折記事に使うが、こいつは暴れ馬もびっくりの一挺だろう……その分、長く付き合って折り合いを付ければ勝機をもたらしてくれる。 初速850m/sなので、着弾誤差の調整も然程難しくない。 筆者秘伝レシピの冒頭部分を公開 M110 SASS/長距離補正 【気が向いたら動画とかでいろいろ検証入れてみるためのスペース】
https://w.atwiki.jp/assaultinfo/pages/34.html
「きる」の漢字って「切る」で良いんですか？ ナイフとかで倒す場合は「斬る」じゃ…？ それと、もう少し情報増やしましょ♪ 編集手伝いますから！ -- (D-Assault-96) 2009-08-16 15 44 28 斬るですねｗ 指摘ありがとうございます！ -- (104) 2009-08-16 18 36 07 隊長殿、是非お手伝いお願いしますｗ あと、アドバイスなどあればお願いしますね！ -- (104) 2009-08-16 18 45 33 wikiは少々編集が難しいんですよねｗ 私でよければサポートさせていただきます♪ -- (D-Assault-96) 2009-08-16 20 18 33 ドックタグ調べるの忘れていた… 私は突撃スナイパーだからナイフをあまり使わないｗ -- (D-Assault-96) 2009-08-21 11 39 40 次は、隊長のドッグタグでも貰おうかな！ｗ -- (104) 2009-08-21 16 49 55 私に近づくと、M24,SV98,GOL.M95などのスナイパー達が飛んできますよ(笑) -- (D-Assault-96) 2009-08-22 17 26 12 じゃ、今度そっと近くに行ってみようかなｗ -- (104) 2009-08-24 17 16 45 センサー…がある事はご存知ですよね…？ まあ、私は戦系が大体決まってるんですよｗ だからこの頃、メンバーが敵のときに行動が読まれてるｗ あ、ドックタグ250でした♪ -- (D-Assault-96) 2009-08-24 23 10 31 もちろん知ってますよ！！ -- (104) 2009-08-25 00 17 52 行動読まれると悲しい…ｗ ドックタグ、本アカでは850個ｗ -- (D-Assault-96) 2009-08-29 22 50 25 凄い増えましたねタグ… -- (D-Assault-96) 2009-09-04 18 48 42 増えましたよ！ 隊長のは1個しかないけど・・・ -- (104) 2009-09-05 16 42 30 104さんに捕られましたね以前ｗ 私は昨日、JTさんのをザックリやりました（笑） 104さんのもあった気がします。 -- (D-Assault-96) 2009-09-05 23 12 49 隊長には3回ぐらい斬られたかも！ -- (104) 2009-09-06 22 44 24 そんなに斬りましたっけ！？ -- (D-Assault-96) 2009-09-07 07 36 22 確かそれぐらい斬られたと思いますよ！ -- (104) 2009-09-12 17 37 15 接近戦が好きなら工兵なんかどうですか？ -- (D-Assault-96) 2009-09-20 11 50 53 工兵は苦手です！ -- (104) 2009-09-26 01 22 37 接近戦も援護兵で！ -- (104) 2009-09-26 01 25 17 タグが凄い勢いで増えてるw -- (隊長) 2009-09-26 09 09 55 またタグが増えたｗ 凄いですね！ -- (隊長) 2009-09-28 07 46 10 タグ400枚になったぜぃ！ -- (隊長) 2009-10-08 18 20 21
https://w.atwiki.jp/assassin/pages/5.html
更新履歴 @wikiのwikiモードでは #recent(数字) と入力することで、wikiのページ更新履歴を表示することができます。 詳しくはこちらをご覧ください。 ＝＞http //atwiki.jp/guide/17_117_ja.html たとえば、#recent(20)と入力すると以下のように表示されます。 取得中です。
https://w.atwiki.jp/xbox360gta4/pages/111.html
TRESPASS Phil Bell Did you see a fuckin' helicopter on your way here? ここに来るまでにくそったれのヘリを見かけなかったか？ Niko No,I don't think so. いや、見なかったと思うがな。 Phil Bell Okay,let's go,c'mon,quick.We gotta head towards Port Tudor. よし、行こう。さあ、急げ。Port Tudorに向かうぞ。 Phil Bell Go to the old factory off of Argus Street. Argus Streetの古い工場に行くんだ。 Go to the old Sprunk factory neer Port Tudor. Port Tudor近くの古いSprunkの工場へ行け。 ～車内～ Phil Bell One lesson I've leamt,Niko.Assume everyone knows everything. 俺は一つ学んだ。誰もが何もかもを知っていると考えるんだ。 Phil Bell Somehow,Chubby Charlie Matteo has found out it was us who ripped off the Russian coke. どうにかして、ロシア人から俺たちがコカインを掠め取ったのをデブのCharlie Matteoが嗅ぎつけた。 Phil Bell He is about to take a chopper into Algonquin to share that knowledge with the Commission. 奴はヘリでAlgonquinに乗り込んでコミッションにそれをばらす気だ。 Niko You want me to take this fat man out before that happens? そうなる前にそのデブを連れ去ってこいってことだな？ Phil Bell If you don't then it'll be the Pegorinos going to the mattresses with every one of the Liberty City families. そうしないとPegorino一家はリバティー･シティのすべての一家にのされちまうんだ。 Phil Bell Not only is we gonnna be looking over our shoulders every two seconds but we ain't gonnna be able to earn. それだけじゃない。俺たちは2秒置きに振り返ってみなきゃならなくなり、しかも一銭も稼げなくなっちまうんだ。 Niko I'll do my best to shut him up then. じゃあ奴を黙らせるようやってみる。 Phil Bell Great,I gotta go get noticed so I ain't a suspect. それでいい。俺は疑われないように姿を見せておかなきゃな。 ～現場到着後車内～ Phil Bell Alright,now the way I sees it there's two ways it can go down. さて、いいか。俺の見るところ事の起こし方は二つある。 Phil Bell You burst in the front and hit them in the face with everything you got. 正面から突入して、ありったけを奴らの顔面にぶち込む。 Phil Bell Otherwise you slip around the back,go in through the basement and fuck them up their asses. でなけりゃ、裏手から忍び込んで深く侵入し、ケツからぶち込んでやる。 Niko Decisions...decisions. 決断…決断か。 Phil Bell I'll leave it up to you. See you later. お前に任せる。また後でな。 Find Chubby Charlie. デブのCharlieを探せ。 ～廃屋内～ Chubby Charlie Great,Jimmy P sent one of his low rate goons to try and clip me.Good luck,asshole! こいつぁいい、Jimmy Pは安手の用心棒を送り込んで俺をハジこうってんだな。せいぜい頑張れ、この間抜け！ Chase Chubby Charlie. デブのCharlieを追え。 Chubby Charlie Fuck you.Even if you take me out,my chopper pilot's gonnna take the message straight to the Commission. くそったれ。俺を片付けたってヘリのパイロットがコミッションに直接タレこむぜ。 Chubby Charlie Jimmy P is finished.Fucking finished! Jimmy Pは終わりだ。おしまいだ！ ～屋上にてヘリ到着時～ Chubby Charlie Next time I see the Peg,he'll be wearing cement boots. 次にPegに会うときには、奴ぁセメントのブーツを履くことになるぜ。 Take out the chopper. ヘリを始末しろ。 ～ミッション後の電話～ Niko You don't need to worry about the fat man singing.He's lost this voice. デブが歌う心配はしなくてよくなったぜ。あいつは声を出せなくなった。 Phil Bell That's real shame.How about them swingers,eh?Great work man,great work. まったくなんたる恥だ！Swingersの方はどうだったんだ？すばらしい仕事だな、お前。すばらしい。
https://w.atwiki.jp/asakuri/pages/2.html
検索 and or メニュー ■ トップページ ├ゲーム内容及び特徴 ├よくある質問 ├レビュー一覧(みんぽす) └操作一覧 ■武器 ├アサシンブレード ├剣 ├ショートブレード/投げナイフ └素手 ■Memory Block ├Memory Block 1 ├Memory Block 2 ├Memory Block 3 ├Memory Block 4 ├Memory Block 5 ├Memory Block 6 ├Memory Block 7 └Addtional Memories ■旗＆テンプル騎士団 ├マシャフ ├キングダム ├アッカ ├エルサレム └ダマスカス ●実績 ●バグ ●エンディングネタバレ ●まとめサイトのまとめ保管庫 アサシンクリードシリーズ データベースwiki アクセス人数 累計 - 今日 - 昨日 - 現在 - 更新履歴 取得中です。 今日の人気ページ エンディングネタバレ Memory Block 3 キングダム 総合人気ページ よくある質問 エンディングネタバレ Memory Block 4 @ウィキ ガイド @wiki 便利ツール @wiki プラグイン メニュー メニュー2
https://w.atwiki.jp/hayatoiijima/pages/40.html
R2WinBUGSの使い方 このページは、R上からWinBUGSを操作することを可能にするパッケージ、R2WinBUGSの使い方を解説するページです。 モデル式の部分を加筆中 累積訪問者数（from 2008/12/17）： - 今日来てくれた人： - R2WinBUGSの使い方 はじめに 作業手順 モデル式を書き下ろす 今回のデータ構造とその解析目的 モデル式の書き方 BUGSコードの基本的なルール 決定論的指定 確率論的指定 実装例 Rにデータを読ませる 初期値・パラメータの設定 bugs()の仕様 結果の確認 要約値の出力 収束診断図 簡単な事後分布図 chainごとの事後分布図 はじめに 計算機の進歩により、Bayes統計（というかMCMC計算）が可能になり、その利用に関する関心が急速に高まっています。しかし、実行方法の難しさが多くのユーザーへの拡大を妨げているといえるでしょう。そこでMCMC（Gibbsサンプリングのみですが.......）計算を行うためのWinBUGSが開発されました。WinBUGSは単体で結果の表示、作図などを行ってくれます。しかし、それら以外の結果が取り出したいケースもありますし、何よりRで使えたら論文などへの二次利用も容易となるでしょう。 そこで開発されたのがR2WinBUGSです。名前は本当にそのまんまと言う感じです（2はtoをもじったものでしょう）。R2WinBUGSを使うと、データはRで準備すればよく、WinBUGSでのMCMC計算の過程などをRに格納することが可能となり、利便性が格段に向上します。 といっても、R2WinBUGSはR2WinBUGSでいろいろお作法というか指定しなければならないことがあります。ここでは初心者が陥りがちな点を記述するつもりです。 作業手順 モデル式を書き下ろし、.bugという拡張子をつけて保存する。できた.bugファイルはRのワーキングディレクトリに保存する Rを立ち上げ、必要なデータをリスト形式で用意する 初期値の設定（指定しないこともできますが、複雑なモデルでは指定しないとまず収束しません）、結果として見たいパラメータを指定する library(R2WinBUGS)またはlibrary(arm)でパッケージを読み込む bugs()関数を使って計算を行う 収束程度などを作図により確認する なお、armというパッケージは、R2WinBUGSや作図で使うcodaなど、複数のパッケージの集まりです。個別にパッケージを導入するのが面倒くさい方は（私もその一人＾＾；）、armを導入するといいと思います。 各部分の詳細について以下で述べますが、せっかくですから実データを使って解析をしてみましょう。使うデータはこちら。R.csv モデル式を書き下ろす ここがある意味最も難しいところです。自分が考えているモデルを表現する必要がありますが、なれないうちは中々書くことができません。こればかりは慣れですので、頑張って習得してください。 今回のデータ構造とその解析目的 今回使うデータの解析の目的は、 植物に窒素を与える区と与えない区で、葉の窒素濃度に差が出るか？ という問題です。窒素を与える区と与えない区でそれぞれ同種の植物が数個体あり、各個体から5枚ほど葉がサンプリングされています。 実際にファイルを開いてみると、データは以下のようになっていることがわかります。 No：個体のID Leaf：各個体の中での葉のID Ntreat：窒素処理の有無 Treatment：別の処理（今回は使いませんがあえて入れてあります。理由は後述） Ncon：葉の窒素濃度 モデル式の書き方 BUGSコードの基本的なルール BUGSコードを記述するファイルは、以下のように作る必要があります。 model { ......（モデルの中身） } このように記述したファイルを、.bugという拡張子をつけて保存します。 で、問題となるのはモデルの中身の書き方ですね。それを以下で解説します。 決定論的指定 要するに代入する部分です。 - で指定すると決定論的指定になります。決定論的指定にしては誤差などを挟む余地はないので、主に自分が考えているモデルを記述する部分になります。 今回の仮説は「植物に窒素を与える区と与えない区で、葉の窒素濃度に差が出るか？」でした。なので単純に考えられるモデルを表現すると、以下のようになりそうです。 Ncon[i] - a + coef * Ntreat[i] #aは切片（窒素が与えられないときの葉の窒素濃度）、coefは係数、iは各行を示す aとcoefだけ決まれば葉の窒素濃度がわかりそうです。でも、こんなに現象は単純でしょうか？例えば以下のようにして図を描いてみると、 plot(Ncon ~ Ntreat, col=No, d) #Noは各個体 Ntreatだけではっきりと区別できているわけではないですね。また、色の違いは個体の違いですが、個体によってずいぶんと窒素濃度が違うように見えます。 そうすると、まずモデルの予測値とデータの間にはある程度の誤差が含まれ、かつ個体によっても葉の窒素濃度に違いがありそうです。それを記述しようとすると、 Ncon[i] - mu[i] + error[i] mu[i] - a + coef * Ntreat[i] + catID[No[i]] #mu[i]はモデルの予測値、catIDは個体によって異なるカテゴリカル変数 となりそうです。 しかし、 -は代入ですから、未知の切片（a）や窒素処理の有無の係数（coef）、誤差（error）、個体間差（catID）は表現することができません。そこで、以下の確率論的指定が必要になります。 確率論的指定 確率分布を使う箇所は、確率論的指定をする必要があります。 ~ で指定すると確率論的指定になります。具体的には、 データに対し、モデルから得られる予測値を確率分布を使って当てはめる箇所 推定パラメータなど、確率分布から値を生成する箇所 といった場所は確率論的指定をする必要があります。 さて、これを踏まえて先ほどのモデルを考えると、aやcoef、error、catIDは確率論的指定を使えば表現できそうです。ただし、確率論的指定という名称からもわかるように、「どの確率分布」を使うかを決める必要があります。 特に、事前情報が無くどのような確率分布を使うかわからないときは、できるだけ無情報な確率分布を当てはめることが多いです。今回は、「平均が0、非常に分散が大きい正規分布」を用いることにします。 Ncon[i] ~ dnorm(mu[i], 0.001) #確率論的指定 mu[i] - a + coef * Ntreat[i] + catID[ID[i]] #決定論的指定 a ~ dnorm(0.0. 0.001) #確率論的指定 coef ~ dnorm(0.0, 0.001) #確率論的指定 catID[1] ~ dnorm(0.0, 0.001) #確率論的指定 ...... catID[21] ~ dnorm(0.0, 0.001) #確率論的指定 さてさて、いきなりレベルが上がったように感じると思いますが....... dnorm(mu, 1/σ)とは、平均mu、分散σの正規分布に従う値を生成する関数です。二項分布であればdbin()、ポアソン分布であればdpois()などがあります（詳しくはマニュアルを参照して下さい） 正規分布の分散については、逆数で指定するというルールがあります。なので、分散が0.001とは小さいように思えるか知れませんが、実際には1/0.001=1000です。 これらがわかったところで、もう一度上記のモデルを検討しましょう。気になるのは個体差の係数catIDですね。このままだと個体ごとに係数を独立に推定することになり、パラメータを21個も消費することになります。 しかし実際には個体差は興味のある対象ではないので、21個もパラメータを消費して個別に推定したいわけではありません。そこで、「個体差の係数は全個体でみると平均値0、分散σの正規分布に従う」と考えます。こうすると、正規分布に従うという制約が加わりますので、パラメータ数の消費を抑えることができます。 for (id in 1 21) { catID[id] ~ dnorm(0.0, tau) } またまたわけのわからない形に見えますが....... for (記号 in 数) {繰り返す内容}は、{}で囲まれた部分について「記号」に「数」を最初から最後まで代入する関数です。 つまり、idに1が入り、2が入り、......、最後に21が入ります。 さて、この21個の係数達の関係（似ているか似ていないか）は、係数の分散が小さいか大きいかという問題と言えます（分散が大きければ この分散については特に事前の情報がないので、やはりある確率分布に従う値として推定させます。ここでどのような確率分布を使うかですが、使われる分布は正規分布との積になるので、共役事前分布を使うと計算が楽になります。 共役事前分布とは、別の確率分布との組み合わせによっては、積の前後で同じ確率分布になる物です。よく知られているものとしては、 for (id 1 21) { catID[id] ~ dnorm(0.0, tau) } tau ~ dgamma(0.001, 0.001) 実装例 完成品がこちら。bayes.bug Rにデータを読ませる R上ではデータをデータフレーム形式で用意していることがほとんどかと思いますが、bugs()に渡すデータは以下の点に気をつけて準備してください。 データはリストの形で渡す必要があります 使用しないデータが含まれていてはいけません 文字列はデータとして使えません。カテゴリーデータであってもas.numeric()などで数字にしておいて下さい 初期値・パラメータの設定 後述しますが、WinBUGSが途中でこける場合の原因の多くが、初期値設定にあります。stochastic node（モデル式中で ~ で表されている部分）には初期値をきちんと与えましょう。 また、繰り返し回数やパラメータ数が多い時に全てのパラメータを結果としてみようとすると、bugs()計算が終了してRに戻るときに、「メモリーがいっぱいです」などと言われて結果が見れないことがあります。初期値はstochastic node全てに必ず与えないといけませんが、見るパラメータは絞りましょう。 bugs()の仕様 基本的には以下のbugs()関数を使ってMCMC計算を行います。bugs()はR2WinBUGSに含まれる関数です。 res - bugs(d, inits, para, "***.bug", n.chains=3, n.iter=3000, n.thin=10, n.burnin=1000, bugs.directory="c /自分がインストールしたディレクトリ", working.directory=getwd(), debug=TRUE) それぞれの項目の意味ですが、 d：データが入っているリスト inits：初期値を指定したオブジェクト para：結果としてみるパラメータを指定したオブジェクト ”***.bug”：モデル式を指定したbug ファイルの名前 n.chains：同時に走らせるシミュレーション数 n.iter：MCMC サンプリングの繰り返し数 n.thin：MCMC サンプリングを、何個おきに行うか n.burnin：MCMC サンプリングの内、最初のいくつを使用しないか bugs.directory：WinBUGS をインストールしたフォルダ（R2WinBUGS のデフォルト設定はc /Program files/WinBUGS14/なので、ほとんどの人はいじる必要がないはず。） working.directory：*.bugファイルのありかを示す。普通はRの作業フォルダにしてあるはずなので、getwd()としておけば、Rの作業ディレクトリを参照してくれる。新しい?R2WinBUGSではこの指定がないと動かない。 debug：TRUE にすると、MCMC計算が終了、あるいはうまく回らなかったときにWinBUGS が立ち上がったままになり、原因を特定できる（ことがある） 各種回数を設定するところが最も悩ましいところかと思います。どのぐらいで収束するかはデータとモデルのよしあしから決定されます。n.chainsは複数本とするのが普通で、データが大きいなど特別な理由がない限り1にはしないで下さい。普通は3ぐらいだと思います。 繰り返し数を増やせば収束しやすくなりますが、その分計算時間が増大します。今回のように少ないデータであれば問題となりませんが、1000を超えるようなデータではよく考えないと、計算時間が数時間に及びます。 n.thinはサンプリングの自己相関を除くために設定しますが、最終的に得るデータの数を減らす（きちんとシミュレーションした上で）という意味あいもあります。 慣れない内は上手くまわせないことが多いですから、debug=TRUEとしておきましょう。WinBUGSにサンプリングの図が出てくれば計算はきちんと終了していますので、WinBUGSを閉じるとRで作業できるようになります。一方、失敗した場合も、debug=TRUEとしておけばWinBUGSは立ち上がったままになりますから、原因を特定するのに役立ちます（見てもわからない場合も多々ありますが＾＾；）。 結果の確認 ちゃんと回ってよかったよかった、というわけにはいきません。収束していなければ意味がありません。収束を確認する最もよい方法は、MCMC計算の過程や事後分布を作図によって図示することです。 要約値の出力 たとえばresというオブジェクトにbugs()の結果を付与している場合、 res と打つと要約された推定値などが出力します。表示される桁数を変えたい場合は、 print(res, digits.summary=*) と打ちます。*の数字が出力桁数になります。 これを図で見る場合、 plot(res) とします。これを行うと、各パラメータの80%信頼区間（何故80%かはわかりませんが）、収束判定に使うR-hat値（古谷 2008を見てください）などが表示されます。 収束診断図 names(res) とすると、bugs()の結果にどのような情報が含まれているのかわかります。このうち、 sims.matrixには「chainの平均のサンプリング値」 sims.arrayには「chainごとのサンプリング値」 が含まれています。サンプリング図を示せば、収束したかは判断できそうですね。 簡単な事後分布図 こちらはchainの平均の値が使われていますから、厳密な収束診断に用いるべきではありませんが、簡単に描画することができます。 plot(as.mcmc(res$sims.matrix)) とすると、パラメータごとのサンプリング過程と事後分布図が表示されます。 as.mcmc()というのは、データをmcmcオブジェクトという形式に変換するための関数です。mcmcオブジェクトをplot()すると、自動的にサンプリング過程や事後分布図が表示される、という仕組みです。 chainごとの事後分布図 こちらはchainごとのサンプリング値が取り出せるので、収束診断として最も適当な図です。ただし、図にするには少々工夫が要ります。 chainごとのデータは配列（array。行列matrixは二次元だが、それを多次元に拡張したもの）で保存されています。これをplot()で読める形に変換します。 res$sims.arrayを表示させると、3次元のデータになっていることがわかります。ではそれぞれの次元は何を表しているかというと、 res$sims.array[サンプリング数, chain数, パラメータ数] となっています。 先ほどのmcmcオブジェクトに変換するための関数as.mcmc()は、一度に1chainのデータしか変換することができません。そこで、指定した列に関数を適用できるlapply()を使い、各chainのデータをmcmcオブジェクトに変換します。 lapply()は、 lapply(使いたいリスト形式のデータ, 関数) という書き方が基本です。ただし、今回のように、as.mcmc()を全部に適用するのではなく、各chainごとに、というように、自分で動作を指定する場合は、 lapply(関数を適用する列番号, function(x) .....(動作の中身)) という書き方をします。 lapply()は結果をリスト形式で返しますが、そのままでは描画することができません。そこで、mcmc.list()という関数を使ってmcmcリストというこれまた変な形式のリストに変換して、一つのリストとします。これをplot()に放り込めば望むような図が出力されます。 以上を踏まえ、 plot(mcmc.list(lapply(1 res$n.chains, #1からres$n.chainsまで（要は指定したchain数） function(x) as.mcmc(res$sims.array[, x, ]) ) ) ) とすると、chainごとに自動で色分けされたサンプリング過程と事後分布図が表示されます。
https://w.atwiki.jp/dominions3/pages/746.html
Cross Breeding 20+α体の様々な合成生物を作ります 州がLuck scaleに傾いているほど良い結果を得やすくなります Cross Breeding ジェム 疲労 内部ID 711 15 使用 水中判定 効果 効果量 儀式 Summon 主属性 主Lv 効果発生数 射程距離 Blood 1 19+1/Lv 副属性 副Lv 効果範囲 命中補正 Nature 1 0 領域 Lv 防御判定 抵抗判定 Blood 3 専用国家 ゲーム内説明文 Hundreds of different creatures from mice to humans are magically cross-bred and grown in an effort to produce a powerful monster. Most offspring die early, but some survive and are bound to serve their creator. Luck is required to breed the more powerful creatures. 和訳 ネズミから人間まで多種多様な数百体の生物は、強力な怪物を産み出す試みのために魔法的に交雑され育てられます。大部分の子供たちは早期に死にますが、いくらかは生き残り、彼らの作者に仕えるに違いありません。幸運は、より強力な生物が育つために必要とされます。 注記 あまり想像したくない魔法の1つ。このゲームの表現は文字がメインなので良いが、見栄えにこだわったゲームで出したらゲームジャンルがホラーに変わりそうである。 いわゆるキメラ（キマイラ）の作製で、とりあえず適当に混ぜ合わせた中で生き残ったものを兵士に使ってしまおうというもの。そのため完成品の強さは雑魚から怪物までさまざま。 主な完成品は比較的人間に近いFoul Spawnだが、これは大体が雑魚。3連攻撃持ちだったり潜水可能だったり再生がついていたりと細かい違いで何種類も居るので説明は省略する。 以下、特殊な完成品（確率が低い）として、 Foul Spawn：名前は雑多な連中と同じだが明らかに大柄で頑強。爪による4連攻撃を行う Foul Beast：黒蛇に人の顔を付けて触手をつけてみたようななにか。恐怖効果と4連触手攻撃を持つが魔法生物 Draco Lion：ライオンの上半身にドラゴンの尾と翼でもつけたような代物。噛みつきと爪で攻撃し、再生能力と高いHP、飛行能力を持つ。動物扱い Cockatrice：コカトリス。毒の爪と毒のブレスを持つ飛行生物。士気に難がある上、魔法生物 Chimera：キメラ。噛みつき、爪、毒の牙、炎のブレスを持つ上飛行し、HPも高い。動物扱い Ettin：エティン。三本の腕と二つの頭を持ち、武器複数持ちのペナルティを軽減するAmbidextrousも持つ。しかし指揮官に変えてやらないと意味が無い Basilisk：バシリスク。毒の牙と死の眼光を持つ。眼光は命中補正100、範囲5で高威力だが抵抗可能。動物扱いで、さらに冷血動物 Grotesque：グロテスク。一つ目巨人にいろいろつけたような姿で、サソリの尾、爪、拳、炎のブレスと統一性のかけらもない攻撃能力を持つ。HPが高く、火炎稲妻毒物無効だが冷血動物 という具合。これらの生物が完成する確率はあまり高くないので、狙った生物を出すのは非常に難しい。一応、州の天秤がLuckに傾いていたほうが良い結果になるらしい。未検証。 ただし雑魚と言った普通（？）のFoul Spawnも攻撃の種類が様々で、防御貫通だったり毒効果があったりとまとめて使えば完全に対応するのは厳しい軍勢になる。だいたいは下級兵士よりは強い。一部は士気が民兵並みだったりするが。 全体的に魔法抵抗に難がある他、何も考えずに連射しているとそのうち食料が足りなくなる点に注意。またほんの一部とはいえ魔法生物が居るので、魔法の使えない指揮官にはつけられないことがあるのも注意したい。 コメント 名前 コメント
https://w.atwiki.jp/nokotokak/pages/17.html
目次 Chassis(シャーシ) 形について 色について 数値について 小ワザ Chassis(シャーシ) ロボを構成する基本ブロック。 豆腐、鉛、ガラス、T1~T10、Wolf T5の14種類について、 キューブ、プリズム、テトラ、インナーと4つの形がある。 他にヘリウムが4種類ある。 形について Cube(キューブ) Prism(プリズム) Tetra(テトラ) Innner(インナー) 画像 接続面数 6 4 3 6 質量比 1 0.5 0.33 0.67 備考 ヘリウムもこの形 空間装甲や小型化 軽量化に 6面接続なのに軽いが高価 ガラスは例外で5,4,3,3.35Kg 色について 見た目にも拘りたい Light Heavy Windshield T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 Helium T4 Helium T6 Helium T8 Helium T10 Wolf T5 数値について Cube RP GC アンロックTP CPU Load(pFLOPS) Robot Ranking Armor Mass (Kg) 備考 Light 2 1 初期解放 1 0.5 50 5 豆腐。Cubeのみ無料 Heavy 3 1 15 鉛。ゴキブロと同じ重さ Windshield 8 2 5 ガラス。CPU3と表記されているが実際は1 T1 10 5 1 88 6 土ブロ。T2でいい T2 40 10 4 2.7 136 7 抹茶。Tier4ではキツい T3 105 15 6 7.29 202 8 T4 235 20 7 19.68 289 9 キャラメル。お手軽 T5 515 30 9 53 396 10 Wolf T5は色違い T6 1020 45 12 143 519 11 T8まで行ける便利君だった。Tier爆上げ T7 1900 70 14 387 648 12 T8 3690 110 18 1046 771 13 ゴキに存在価値を奪われていたのは過去の話今はTier調節に便利な子 T9 6570 180 2824 872 14 T10 11985 290 28 7626 933 15 ゴキブロ。硬い、高い TX-1 23970 580 145 3 166772 1306 3 流石の防御・CPU・RR。地味に軽い Armored Helium RP GC アンロックTP CPU Load(pFLOPS) Robot Ranking Armor Lift (N) 備考 T4 1354 30 12 236 188 144 -47Kg。ヘリウムはCPUが高い T6 4974 75 25 14 2009 337 208 -69Kg T8 17228 200 16 16737 501 272 -90.5Kg T10 31424 330 41 18 137261 606 336 -112.7Kg 売却RPは購入の半額(切り上げ)。但しWolf T5はインナーも515円とお得。 火星の重力加速度は3.71 m/s2らしい(Wikipedia)が、RobocraftのMarsは約3 m/s2のようだ。 小ワザ プリズム同士/テトラ同士や、インナー+テトラ等、見た目はギリギリ繋がっていないように見える接続も可能。 これらは全て接続されている。