約 3,281,172 件
https://w.atwiki.jp/wakures/pages/368.html
帆立のオレンジソース九州「The CASTLE ~Your Majesty~」 香ばしい帆立のバターソテーをさわやかなオレンジソースで。オレンジの酸味が絶品です。 高級 ジャンル おかず 価格(一押し) 55(?) コスト(一押し) 48(?) 風味(一押し) 85(?) 品質 属性条件 色 297 包丁技 205 香 289 調味技 202 味 289 火加減 201 調理情報 習得条件 調理時間 1時間 習得Lv制限 Lv45 調理費用 200ドル 中級料理習得数 12 習得数 24~36個 食材 魚Lv2 2 果物Lv2 5 ミルクLv2 4 スパイスLv2 3 × × × × 一押し食材 魚Lv2 10 ソースLv2 1 果物Lv2 20 × × クイズ 問題 現在のオレンジの主産地はアメリカ、ブラジルなどですが、原産地はどこでしょうか?一つ選びましょう。A.オランダ B.インド C.エジプト D.オーストラリア 答え(反転) B. イ ン ド 帆立のオレンジソースを編集
https://w.atwiki.jp/okhamamatsu/pages/202.html
放射性物質検査実施、不検出。検出限界値は不明。 遠州焼きソース <メーカー> 鳥居食品(静岡/浜松) ※通信販売あり。 <原材料産地> (2011.11現在) トマト:浜松市、菊川市、掛川市、御前崎市、ポルトガル りんご:長野 たまねぎ:浜松市 にんじん:浜松市 にんにく:浜松市、青森 セロリ:浜松市 ※長野県産のりんごについて(2011.11現在) 現在前シーズンのりんごを使用。今シーズンのりんごは年明けから使う予定。12月中に検査結果が出る予定。検査の検出限界値はヒアリング中。 <販売店> 遠鉄ストア 佐鳴台店、篠原店、新橋店、南浅田店 最終更新日:2011年12月06日 (火) 00時56分02秒 上へ
https://w.atwiki.jp/geiinbashoku/pages/27.html
この項の問題点 概要 問題設定 一般化EMアルゴリズム ECM 下限 その他 この項の問題点 この項は未完成であり重大な間違いを含んでいる可能性があります。 数学的な厳密さはありません。式変形の途中で確率分布や確率密度関数がきちんと定義されているのか疑わしいです。また全体的に説明不足です。 概要 EMアルゴリズム(The EM algorithm, [Dempster et al. 1977])には多くのvariantがあります。 問題設定 各記号についてはEMアルゴリズムの項を参照してください。 一般化EMアルゴリズム 一般化EMアルゴリズム(Generalized EM algorithm)はEMアルゴリズムのMaximization-stepにおいて、完全な最大化ではなくただ尤度を増加させるようなパラメータを選ぶ手法です。完全な最大化が難しい場合に用いられます。EMアルゴリズムの項で見たように、対数尤度の差と期待値の差の間には以下の不等式が成り立ちます。 現在の確率パラメータよりも尤度を増加させるような新しい確率パラメータを得ることが目的なので、必ずしもを最大化する必要はありません。単純にとなるようなを求めればよいのです。 ECM ECM(Expectation Conditional Maximization [Meng and Rubin 1993])は、Maximization-stepにおいて、確率パラメータをいくつかのグループにわけ、グループごとに更新していく手法です。確率パラメータ間に依存関係があり、完全な最大化が難しい場合に用いられます。ECME(Expectation Conditional Maximization Either [Liu and Rubin 1994])も同様のアルゴリズムです。 下限 [Neal and Hinton 1998]によるEMアルゴリズムの定式化は、EMアルゴリズムの二つのステップであるExpectation-stepとMaximization-stepを、どちらも最大化のステップとして考えます(必ずしも最大化する必要はなく、ステップごとに目的関数の値が増加していればよいです)。[Neal and Hinton 1998]ではExpectation-stepを部分的に最適化するincremental EMの話題が主ですが、下限を扱うこの考え方を理解しておくと変分ベイズ(variational Bayes)も理解しやすくなるでしょう。 あるテスト分布を導入して対数尤度の式を変形します。(実際にが存在するための条件についての議論はここではしませんが重要な問題です) 上の式の途中でJensenの不等式を用いています。はエントロピーです。対数尤度と下限の差はとのKullback–Leiblerダイバージェンスとなります。 ここで対数尤度の代わりにその下限であるを最大化することを考えます。とは独立なので、それぞれにおいて最大化していきます。もともとの目的はを最大化するようなを求めることだったのに、を最大化するためにはとの両方を考慮しなければならないことに注意してください。はの汎関数なので、一見して問題を故意に複雑にしているように感じるかもしれません。(詳しい説明が必要) まずを固定してにおいてを最大化します。が固定されているのでの上限はです。とするにはKullback–Leiblerダイバージェンスとすればよく、これはつまりを満たせばよいということです。 次にを固定してを変化させます。上でとしたので、をにおいて最大化します。(はのをに、をとしたものです。) 上の右辺の第二項はを含まないので最大化には関係ありません。よって第一項のみ最大化すればよいことがわかります。この最大化の対象である第一項はまさにEMアルゴリズムにおける期待値です。つまり、下限をとのそれぞれにおいて最大化することは、EMアルゴリズムと等しいことが言えます。 その他 EMアルゴリズムにはとにかく多くのvariantが存在します。variantの中にはlocal maximumへの収束が保障されていないものもあるので注意してください。EM variantについては[McLachlan and Krishnan 1997]が詳しいようです。 MCEM(Monte Carlo EM [Wei and Tanner 1990]) SEM(Supplemented EM [Meng and Rubin 1991]) SAGE(Space-Alternating Generalized EM [Fessler and Hero 1994]) AECM(Alternating ECM [Meng and van Dyk 1997]) PX–EM(Parameter-eXpanded EM) DAEM(Deterministic Annealing EM [Ueda and Nakano 1998]) incremental EM([Neal and Hinton 1998]) sparse EM([Neal and Hinton 1998]) SMEM(Split Merge EM [Ueda et al. 2000]) stepwise EM([Sato and Ishii 2000, Cappe and Moulines 2009]) lazy EM([Thiesson et al. 2001])
https://w.atwiki.jp/sidedish/pages/168.html
人付き合いがよく、いろんな人にすかれている。 所持スキル:なし 打 総 ミート パワー 走 力 肩 力 守備力 必要ポ N 100 R 41 37 51 31 47 38 140 SR 51 47 60 45 54 50 190 SSR 260 UR 投 総 球 速 コ ン ス タ ス ラ カーブ フォー シ ン シュー N R 17 103 24 23 0 0 19 0 0 SR 20 106 27 26 0 0 22 0 0 SSR UR 名前 コメント
https://w.atwiki.jp/onag/pages/12.html
https://w.atwiki.jp/rosispin/pages/11.html
イスピン専用スレNo 22(現行) 記載なし 21 20-18 記載なし 17 16 15-13 記載なし 12 11 10 9 8- 7 記載なし 6 5 4- 1 記載なし 要塞スレNo 3(現行) 2 1
https://w.atwiki.jp/akitaicpc/pages/212.html
競技プログラミングに役立つページ プログラミングコンテストでは、プログラミングの能力だけでなくアルゴリズムやデータ構造の知識や論理的思考力など様々な能力が必要です。 ここにはアルゴリズムやデータ構造の勉強に役に立ちそうなページを書いています。 ICPCで役立ちそうな情報があるページ ACM/ICPC国内予選突破の手引き ICPCの詳細な問題解説があります プログラミング道場 ACM/ICPC ICPCの問題を解くために役立つ情報があります ACM-ICPC 国内予選 - MAYAH.JP 国内予選の問題の総評・難易度など アルゴリズムの勉強によさそうなページ Algorithm note 図付きでアルゴリズムの解説があります。 プログラムプロムナード 難しい問題やアルゴリズムの解説があります。 Spaghetti Source - 各種アルゴリズムの C++ による実装 ICPCの問題を解くのに使えるアルゴリズムがあります。 「最強最速アルゴリズマー養成講座」最新記事一覧 最強最速になれます。(誇張) Competitive Programming Advent Calendar 競技プログラミング関連のAdvent Calendarです。(競技プログラミングに関する記事があります) 競技プログラミングwiki 、競技プログラミングの敷居を下げる目的で作られたwikiらしいです。 ...
https://w.atwiki.jp/emowiki/
このwikiは 進化型多目的最適化(EMO)に関する知見を蓄えておくページです! ソースコード等,今後の研究に役に立ちそうなものをUpするページです. 基本的に学生のためのページです. 利用規約 こちらのページに存在するあらゆる情報は学生が主体として作成したものであり,可能な範囲での合わせ,結果の確認は行いましたが,正確性については保障いたしかねます.それでも良い,参考にしたいという方は参加登録をお願いいたします. 参加登録を行われた方へ 各ページに書き込みを行う際の注意点 誰が書いたかを明確に! 日付を書くとなおよし! (例)Zitzlerが2008年に書き込みを行ったとき. 文末に by Zitzler 2008などと書く. ソースコードをUpするときの注意点 ソースコードがどのアルゴリズムのものかを明確に! 検定して正しい結果が出たものをUpすること! 誰のソースコードかもわかりやすく! Upした日付を書いておくとなおよし! ZipにしてUpすること! (例)DebがNSGA-IIのコードを2008年13月32日にUpするときは… NSGA_II_Deb_2008_13_32.zipのようなフォルダでUpすること!
https://w.atwiki.jp/todo314/pages/118.html
Streaming Algorithms for k-core Decomposition Ahmet Erdem Saríyüce, Buğra Gedik, Gabriela Jacques-Silva, Kun-Lung Wu, Ümit V. Çatalyürek VLBD 2013 概要 k-core decompositionあるよねー 実際は、辺が挿入されたり削除されたりするから、そういう走査サポートしたいよねー 作りました 実験しました 毎回batchするより断然良い k-core decomposition K(v) vが属せるk-coreのうち最大のk 基本的に、周りに1があって、中に2があって、その内側に3があって…ってなる アルゴリズム δ(v)=deg(v) δの昇順ソート 今ポップしたvについてK(v)=δ(v) vに隣接する頂点wについて δ(w) δ(v)ならδ(w)-- ↑の操作後もδの昇順は守る 色々便利な定理 細々と定理を証明していく でっていう? 辺uvが挿入/削除された時 K(u) =K(v)の時だけK(u)は変化する uを根としてK(w)=K(u)となるwについてBFSして得られた頂点集合だけがKが変わりうる アルゴリズム Subcore アルゴリズム 愚直にKが変わりうる頂点を全部とってくる Purecore アルゴリズム ↑の頂点集合を次数とかでもっと制限する The Traversal Algorithm さらにさらに制限する 実験 データセット サイズ色々、平均次数、最大次数も色々 purecoreのサイズがどうなるかーとかも調べている 結果 max10^4倍速いといっている はい まとめ 何かすでにありそうだけどそうでもないのかな? 計算量は特に議論しないのね 調べる(?)頂点数が減ればいいのかな VLDB k-core decomposition streaming algorithm 2013-11-13 02 27 07 (Wed)
https://w.atwiki.jp/cosmo_cat/pages/46.html
Strategy 目的 アルゴリズムの集合を定義し、各アルゴリズムをカプセル化して、交換可能にする。 全てのアルゴリズムに共通のインタフェースのみを用いてクライアントを実装することにより、アルゴリズムを抽象化する。 構造 注釈 C++では、どのアルゴリズムを使うかがコンパイル時に静的に決まるのであれば、テンプレートを利用してStrategyパターンを実現することもできる。 DesignPatterns