約 32,402 件
https://w.atwiki.jp/cpre/pages/701.html
江戸城 平 刀 ☆7 [無印] 特技: 自身の攻撃対象が1増加 射程内の城娘の攻撃と与ダメージが25%上昇 全ての近接城娘の巨大化に必要な気を25%軽減 計略: 50秒 気10 25秒間対象の射程が2倍 巨大化に必要な気を40%軽減 射程内の敵の攻撃が50%低下(自分のみが対象) [改壱] 特技: 自身の攻撃対象が2増加。射程内の城娘の 攻撃と防御と与ダメージが25%上昇 全ての近接城娘の巨大化に必要な気を30%軽減 計略: 45秒 気10 30秒間対象の射程が2倍 巨大化に必要な気を40%軽減 射程内の敵の攻撃が50%低下(自分のみが対象) テキスト確認:24/08/17
https://w.atwiki.jp/cpre/pages/36.html
飛山城 平山 槌 ☆1 [無印] 特技: 自身の攻撃が25%上昇 [改壱] 特技: 自身の攻撃が27%上昇 テキスト確認:24/07/29 【以下ユーザー作成の記事】 唯一の☆1の槌。 不来方城改より巨大化回数が少ない。 巨大化3回で特技発動して戦いたいという需要がある…かも? 比較して十分にレベルが高ければ、最大化までの消費気が軽く射程が狭い関係(妖怪がいない場合)となる。 気補給マスでは攻撃を行わない。 再配置しない場合、特技の攻撃バフは無意味。 不来方城改か三木城改の方が、3回目の巨大化気が少ない。
https://w.atwiki.jp/todo314/pages/400.html
Budgeted stream-based active learning via adaptive submodular maximization Kaito Fujii, Hisashi Kashima NIPS 2016 概要 ブール型能動学習→ストリーム型能動学習 適応的劣モジュラ→この研究 問題定式化 オンラインの適応的劣モジュラ最大化 方策適応的劣モジュラ性 ストリーム・秘書設定での定数競合比アルゴリズム 動機づけ ラベルを手に入れるのにコストがかかる…スパムフィルタとか 能動学習 どのサンプルにラベルをつけるか決めたい ブール型…ラベルなしサンプル全体が既知 今回の設定=ストリーム型…1つずつ(メモリ制限も加味) 例 スパム、監視カメラ、ウェブストリーム分析… 適応的劣モジュラ最大化フレームワーク 近似保証+実装が簡単(貪欲するだけ) 適応的最大化 ラベル付与オラクルφ 事前分布p(φ)が与えられる…モデルを考える f_φ(S)…φを事前分布からとってきた時に、Sを暴くことで、どれくらい仮説が棄却されるか f_φ(S)の期待値を最大化するような決定木=方策πを探す オンライン適応的最大化 ここから研究の内容 ストリーム設定 過去いくつかを保持して、後でオラクル問い合わせしてラベル付与できる こっちのが新しい 秘書設定 その場でラベル付与するか判断 昔からあったらしい 方策適応的劣モジュラ 適応的劣モジュラより強い性質 でも、結構成立する E[f(A(r))]≧(1-r)f(0)+rf(A)…っぽいのが成立する ただの適応的劣モジュラだと成立しない n個からk個選ぶ場合 n/k個毎に分けて個々に秘書問題のアルゴリズムを適用 NIPS 劣モジュラ 影響最大化 能動学習 2017/01/30
https://w.atwiki.jp/cpre/pages/223.html
希望ヶ峰学園 無 ☆7 [無印] 特技: 巨大化する度に射程内の味方の与ダメージが6%上昇、 10秒間状態異常にならず、大破しない「希望」状態に する。最大化時、射程内の味方の「絶望」を無効化 編成特技: 部隊の「無」属性の耐久/攻撃/防御が1.2倍 [希望ヶ峰学園]と[超高校級]と[学園]城娘の 耐久が0になっても大破扱いにならない 計略: 30秒 気0 1回 15秒間対象の攻撃と防御と射程が1.5倍、回復が6倍 巨大化する度に計略使用可能回数が2増加 [改壱] テキスト確認:[無印]24/03/12メンテ後 【過去のテキスト】 + 2021/11/16[無印]計略テキスト修正前 計略: 使用間隔30秒 気0 1回 15秒間対象の攻撃と防御と射程が1.5倍、回復が5倍 巨大化する度に計略使用可能回数が2増加
https://w.atwiki.jp/cpre/pages/933.html
[聖夜]基肄城 山 歌舞 ☆7 [無印] 特技: 巨大化する度に射程内の城娘の射程が8上昇 与ダメージが6%上昇、攻撃後の隙が6%短縮 射程外の城娘の与ダメージが4%、射程が5上昇 計略: 45秒 気5 30秒間対象の攻撃と射程が100上昇 対象の射程内の城娘の被ダメージを40%軽減 巨大化気を30%軽減(自分のみが対象) [改壱] 特技: 巨大化する度に射程内の城娘の攻撃が25、射程が 10、与ダメージが7%上昇、攻撃後の隙が7%短縮 射程外の城娘の与ダメージが5%、射程が6上昇 計略: 45秒 気5 30秒間対象の攻撃と射程が100上昇。対象の射程内の 城娘の射程が50上昇、被ダメージを40%軽減 巨大化気を35%軽減(自分のみが対象) テキスト確認:[無印]24/06/22,[改壱]23/12/06
https://w.atwiki.jp/tlom_magi/pages/171.html
種別:金属器 属性:レラージュ/巨大化 初出:第135夜 使用者:練紅覇 練紅覇の背負う大剣。 使用者の意思で自在に剣を巨大化させることができる。 重量は剣の巨大化に比例して変化する。
https://w.atwiki.jp/sentai-soubi/pages/2470.html
『五星戦隊ダイレンジャー』で怪人を倒す決まり手となった技の一覧。 【登場話】 【怪人名】 【戦士】 【等身大戦】 【巨大ロボット】 【巨大戦】 第2話 紐男爵 リュウレンジャー 天火星・稲妻炎上破(第1話) 龍星王 大風車斬り ガマグチ法師 ダイレンジャー5人 気力ボンバー なし (巨大化せず) 第4話 鍵道化師 ダイレンジャー5人 気力ボンバー なし (巨大化せず) 第6話 口紅歌姫 なし (等身大では倒されず) 龍星王 天空大風車 第8話 ノコギリ大僧正(大僧正リジュ) なし (鉄面臂張遼の妖力で吹き飛ばされる) 大連王 大王剣・疾風怒濤 第9話 鏡化粧師 シシレンジャー 天幻星ロッドアロー 大連王 大王剣・疾風怒濤 第10話 サクラ子爵 シシレンジャー ダイレンロッド孔雀斬り 大連王 大王剣・疾風怒濤 第11話 磁石神父 ダイレンジャー5人 リニア拳・中央新幹線 大連王 大王剣・疾風怒濤 第12話 豆腐仙人 キリンレンジャー 天時星・頭痛正拳突き 大連王 大王剣・疾風怒濤 第14話 歌舞伎小僧 ダイレンジャー5人 大輪剣・気力シュート 大連王 大王剣・疾風怒濤 第16話 ハニワ腹話術師 シシレンジャー ダイバスターの射撃 大連王 大王剣・疾風怒濤 第18話 イヤリング官女 キバレンジャー 吼新星・乱れやまびこ なし (巨大化せず) 第20話 ネックレス官女 ダイレンジャー5人 大輪剣・気力シュート 大連王 大王剣・疾風怒濤 第22話 亡霊ネックレス官女 なし (等身大では倒されず) 牙大王 飛翔剣・木端微塵 亡霊イヤリング官女 なし (等身大では倒されず) 牙大王 飛翔剣・木端微塵 指輪官女 なし (等身大では倒されず) 牙大王 飛翔剣・木端微塵 第23話 陽炎頭巾 なし (ガラ中佐に首を刎ね飛ばされる) 大連王 大王剣・疾風怒濤 第25話 コピー龍星王 なし (最初から巨大化) 大連王 大王剣・疾風怒濤 コピー女帝 ダイレンジャー5人 気力ボンバー 大連王 大王剣・疾風怒濤 第27話 壷道人 リュウレンジャー 天火星秘技・流星閃光 大連王 大王剣・疾風怒濤 第30話 早口旅ガラス ダイレンジャー5人 気力バズーカ なし (巨大化せず) 第31話 合体四天王(ゴーマ四天王) ダイレンジャー5人 スーパー気力バズーカ 重甲気殿 大圧殺 第32話 鳥カゴ風来坊 リュウレンジャー&テンマレンジャー 天火星・稲妻火炎破 大連王 大王剣・疾風怒濤 第33話 メディア魔術師 なし (ガラ中佐に処刑) 大連王 大王剣・疾風怒濤 第34話 サボテン将軍 ダイレンジャー5人 スーパー気力バズーカ 牙大王 飛翔剣・木端微塵 第35話 大筒軍曹 なし (等身大では倒されず) 牙大王 飛翔剣・木端微塵 第36話 万華鏡伯爵 ダイレンジャー5人 スーパー気力バズーカ 大連王 大王剣・疾風怒濤 第39話 餓狼鬼 ダイレンジャー5人 スーパー気力バズーカ なし (巨大化せず) 第40話 ザイドス少佐(1戦目) なし (等身大では倒されず) 重甲気殿 (大圧殺でペシャンコにされる) 第44話 イカヅチ なし (等身大では倒されず) 重甲気殿 大圧殺 第46話 子竜中尉 リュウレンジャー (天火星・稲妻炎上破) 大連王 大王剣・疾風怒濤 第48話 ザイドス少佐(2戦目) なし (巨大戦のダメージで泥に還る) 重甲気殿 (大圧殺で、等身大に戻る) 最終話 シャダム中佐 亮(リュウレンジャー) (自身のナイフで刺された後、泥に還る) なし (巨大化あり) 新紐男爵 なし (最初から巨大化) 大連王 大王剣・疾風怒濤 劇場版 再生鍵道化師 シシレンジャー 天幻星・霧隠れ なし (オジャル大王に妖力合体する) 再生ガマグチ法師 テンマレンジャー ダンク返し なし (オジャル大王に妖力合体する) 再生紐男爵 キリンレンジャー ダイバスターの射撃 なし (オジャル大王に妖力合体する) 再生口紅歌姫 ホウオウレンジャー 天風星・一文字竜巻 なし (オジャル大王に妖力合体する) トランプ公爵 リュウレンジャー 天火星・稲妻炎上破 なし (オジャル大王に妖力合体する) オジャル大王 なし (最初から巨大化) 大連王 大王剣・疾風怒濤
https://w.atwiki.jp/cpre/pages/250.html
越前大野城 平山 本 ☆5 [無印] 特技: 巨大化する度に射程内の城娘の攻撃が20上昇 射程内の敵の防御が4%低下 編成特技: 部隊の城娘の耐久が100上昇 北陸・東海城娘の耐久は200上昇 計略: 30秒 気0 1回 範囲内の敵の射程を15秒間30%低下させる 範囲内の城娘が15秒間敵から狙われない 巨大化毎に計略使用回数が1増加(範囲:大) [改壱] 特技: 巨大化する度に射程内の城娘の攻撃が25上昇 射程内の敵の防御が4%と15低下 計略: 30秒 気0 2回 範囲内の敵の射程を15秒間30%低下させる 範囲内の城娘が15秒間敵から狙われない 巨大化毎に計略使用回数が1増加(範囲:大) テキスト確認:24/07/23
https://w.atwiki.jp/srkjmiroor/pages/1541.html
主人「変なのが芋羊羹買って行った~!」 【名前】 芋長の芋羊羹 【読み方】 いもちょうのいもようかん 【登場作品】 激走戦隊カーレンジャー など 【初登場話】 第4話「巨大化に赤信号」 【分類】 巨大化用アイテム 【詳細】 和菓子屋「芋長」の1個100円で売られている商品。 【激走戦隊カーレンジャー】 宇宙暴走族ボーゾックの荒くれ者達が巨大化するのに必要なチーキュの食べ物。 「発明家グラッチ」が「たこ焼き」や「いなり寿司」などのチーキュの美味しい物を食べていく最中に突如巨大化し、その後の調べで「この食べ物が巨大化の原因」という事を突き止めた。 ボーゾックは変装もせずに堂々と店まで足を運び、略奪行為を行わずにお金をちゃんと払ってまで買っている。 グラッチが最初に500円で芋羊羹を買いに来た時の主人は普通の客のように接待、芋羊羹を買ったグラッチが帰った頃に気付き、上記の台詞と共に腰を抜かす程に驚いていた。 以降は慣れたかのように普通に売っていたが、手塩に掛けて作った自信作の芋羊羹に関する事実を主人は最後まで知らなかった。 荒くれ者以外でも巨大化させる事ができる 【電磁戦隊メガレンジャーVSカーレンジャー】 冒頭で八百屋(健太の実家)に陣内恭介、八神洋子が修理されたトラックを返した際、修理が遅れたお詫びとして健太の父親に渡している。 【余談】 敵組織の巨大化用アイテムがラスボスに対する勝利の鍵となる例はスーパー戦隊シリーズにおいて『電撃戦隊チェンジマン』のギョダーイ以来となる。 企画段階ではカレーライスでの巨大化が想定されていたが、「ジャガイモが効いたのか肉が効いたのか」などのギャグを想定し、メインライター・浦沢義雄氏の発案で芋羊羹に変更された模様。 『仮面ライダー響鬼』五之巻(魔化魍バケガニ)では安達明日夢のクラスメイトの会話の中に「芋長の芋羊羹」という単語が登場した事もあった。 『海賊戦隊ゴーカイジャー』第4話(行動隊長ゾドマス)ではジョーとアイムが通り過ぎたビルのテナントに「芋長」の店名が確認でき、シーンで「芋長」の他にも同一のビル内に歴代のスーパー戦隊と縁のある名称の店舗や企業(「トゥモロー・リサーチ」、「恐竜や」、「スクラッチ」など)が多くテナント入りされているが、作品本編と同一の店舗かは不明。 『動物戦隊ジュウオウジャー』の劇場版では40作記念という事で劇中に登場している。
https://w.atwiki.jp/geiinbashoku/pages/22.html
この項の問題点 概要 問題設定 導出 The EM algorithm メモ Maximum A Posteriori 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])は不完全データに対して最尤推定を行うメタアルゴリズムです。Expectation-stepとMaximization-stepの二つのステップを繰り返すことにより、確率パラメータを更新していきます。 問題設定 は隠れ変数、は観測、は確率パラメータ、は観測の数、は対数尤度です。(はベクトル) T回観測されたに対して、が対応します。(もベクトル) ここではi.i.d(独立同分布)とします。 対数尤度を最大化するようなを求めることが目的です。 上の変形から分かるようには対数の中に和を含む形となっています。これを直接最大化するのは困難です。 導出 EMアルゴリズムの導出にはいくつかの種類がありますが、ここでは比較的直感的だと考えられる導出を示します。 尤度を最大化するような確率パラメータを直接求める代わりに、あるよりも対数尤度を大きくするようなを求めることにします。(詳しい説明が必要) 対数尤度の差をとり変形していきます。 ここでを以下のように定義しました。 またはとのKullback–Leiblerダイバージェンスであり、これは常に0以上です。(詳しい説明が必要) よって下の式が成り立ちます。 ここから、を最大化するようなを求めることにより、あるよりも対数尤度を大きくするようなを求めることができると分かります。(対数尤度は常に0以下。) The EM algorithm Initialization 初期パラメータを与える。 Expectation-step(E-step) 現在(i回目の繰り返し)の確率パラメータを用いて期待値を計算する。 Maximization-step(M-step) 期待値を最大化するをとする。 終了条件を満たすまでE-stepとM-stepを繰り返す。 メモ EMアルゴリズムの終了条件はある小さな正の値に対してとするのが一般的です。 EMアルゴリズムの結果は初期値に依存します。local maximumに収束することは保障されていますが、それはglobal maximumであるとは限りません。そこで初期値を変えて複数回アルゴリズムを実行する手法が一般的です。 Maximum A Posteriori これまで、対数尤度を最大化するようなを求めることをEMアルゴリズムの目的としてきました。ここでは対数尤度ではなく対数事後確率を最大化するようなを求めることを目的にします。(詳しい説明が必要) 事後確率を最大化することをMaximum A Posteriori estimation(MAP推定)と呼び、尤度を最大化することをMaximum Likelihood estimation(ML推定)と呼びます。 ベイズの定理から対数事後確率は以下のように変形できます。 右辺の第一項は対数尤度となっています。 MLの時と同じようにとのそれぞれの対数事後確率の差をとって変形していきます。 ここでを以下のように定義しました。 MAPの場合はを最大化するようにパラメータを更新していきます。