約 165,172 件
https://w.atwiki.jp/vfcs/pages/28.html
比較アルゴリズムの概要 フーリエ変換によって得た、原曲と伴奏の周波数スペクトルの差を求めることで、ボーカル音声スペクトルの抽出に成功した。このボーカル音声スペクトルと録音音声スペクトルを周波数で比較する。 現在，音階判定，音階変化判定，声量判定，抑揚判定の4つの手法を用いている。 比較アルゴリズム ①音階判定 一番強い周波数成分の音階を取得し，音階で比較する手法 ②音階変化判定 音階の差分の正負で比較する手法 ③声量判定 マイク入力時のパワーの平均値で比較する手法 ④抑揚判定 マイク入力時のパワーの変化の度合いで比較する手法
https://w.atwiki.jp/goronka/pages/885.html
【作品名】プリズムアーク 【ジャンル】アニメ 【先鋒】プリーシア 【次鋒】ハヤウェイ 【中堅】暗黒騎士 【副将】天使 【大将】天使（一話） 【先鋒】 【名前】プリーシア 【属性】騎士 【大きさ】成人女性並 【攻撃力】ルビーフラッシュという名のレイピアを装備 蹴りで成人男性を数十ｍぶっ飛ばせる。 グローラッシュ：突きによる飛ぶ斬撃 斬撃一つの威力は２０ｍほどの爆発が起きる程度 数百の斬撃を飛ばせる。射程は５０ｍほど ５０ｍを一瞬で飛ぶ ミラージュラッシュ：基本的にグローラッシュの強化版。ただし一つの斬撃に三回分の効果がある 【防御力】天使を倒した後の５００ｍほどの爆発に巻き込まれても目立った外傷なし 【素早さ】反応はハヤウェイに少し劣る程度 約0.01秒反応 反応相応の戦闘速度 長距離移動は達人並 【特殊能力】なし 【長所】おっぱい 【短所】なぜかコイツが主人公 【戦法】ミラージュラッシュ 【次鋒】 【名前】ハヤウェイ 【属性】騎士 【大きさ】成人男性並 【攻撃力】アーラ・グラディウスという名のバスタードソードを装備 普通の斬撃でプリーシアのグローラッシュ並の威力 意思の力で不思議な力が剣を纏い剣が巨大化する。１００ｍほどの天使を簡単に斬れる 【防御力】天使を倒した後の５００ｍほどの爆発に巻き込まれても目立った外傷なし 【素早さ】グローラッシュより速い斬撃を至近距離から避け続けられる。約0.01秒反応以上（初期） 0.0005秒反応の黒騎士の斬撃に反応し攻撃を与えられる（後期） 数百ｍを一瞬で駆け抜ける １００ｍほどの高さまで跳躍可能 【特殊能力】なし 【長所】反応高め 【短所】なぜかアニメでは主人公ではない 【戦法】剣を巨大化させ斬る 【中堅】 【名前】暗黒騎士 【属性】操られた王様 【大きさ】黒い鎧を纏った大型な男性並 【攻撃力】普通の斬撃で５００ｍの爆発にほぼ無傷の相手にかなりのダメージを与える 剣先から魔法を飛ばして攻撃もできる。威力は斬撃より上 射程は数十ｍ 【防御力】先鋒の攻撃を意に介さない 【素早さ】0.01秒反応がまったく反応できない速度で２０ｍを移動し攻撃できる。約0.0005秒反応 【特殊能力】テレポート可能 距離は不明だが少なくとも数km 【長所】意外と速い 【短所】前作主人公… 【戦法】魔法を飛ばす 【副将】 【名前】天使 【属性】兵器 【大きさ】１００ｍくらいの人型 【攻撃力】砲撃：１００ｍ以上を破壊する威力 次弾装填まで数十秒かかる。射程は数百ｍ 大きさ相応の巨大な剣を装備。威力は大きさ相応の達人並 【防御力】大きさ相応の機械並 先鋒のミラージュラッシュに無傷 【素早さ】大きさ相応 【特殊能力】テレポート可能 距離は不明だが少なくとも数km 【長所】でかい 【短所】なんかあっさり破壊された 【戦法】砲撃撃ったら斬撃で次弾までの時間を稼ぐ 【大将】 【名前】天使（一話） 【属性】兵器 【大きさ】１００ｍくらい 【攻撃力】パンチ：５００ｍの爆発に耐える結界を破壊できる 【防御力】大きさ相応 【素早さ】ハヤウェイが回避行動を取れないくらいの反応及び攻撃速度 【特殊能力】テレポート可能 距離は不明だが少なくとも数km 【長所】攻撃力 【短所】やはり呆気なく破壊された 【戦法】殴る 参戦 vol.66 410-412 vol.108 47 ：格無しさん：2012/04/08(日) 10 56 48.41 ID EBB3t5OX プリズムアーク 考察 核の壁越えは難しいが、攻防と反応のバランスが良いので超音速の中～上位はいけるか ○エスプガルーダ 【先鋒】速くて倒せないが倒されない 【次鋒】【中堅】先手攻撃勝ち 【副将】速くて倒せないが耐久はできるか。分け 【大将】若干だが反応では勝っているので、テレポートやパンチで勝てる ○○○プロギアの嵐、鋳薔薇、ケツイ～絆地獄たち～ 【先鋒】～【中堅】先手攻撃勝ち 【副将】速くて倒せないが耐久はできるか。分け 【大将】反応では勝っている。テレポートやパンチで勝ち ○Battle Garegga 【先鋒】速くて倒せないが倒されない 【次鋒】【中堅】先手攻撃勝ち 【副将】速くて倒せないが耐久はできるか。分け 【大将】反応で勝っている。テレポートやパンチで勝ち ×かいけつゾロリシリーズ 【先鋒】ミラージュラッシュ勝ち 【次鋒】石化負け 【中堅】先手魔法勝ち 【副将】グルンロッド負け 【大将】サイズ負け 48 ：格無しさん：2012/04/08(日) 10 57 57.98 ID EBB3t5OX ×どかどかどかん 【先鋒】移動速度が遅いので倒せるか。勝ち 【次鋒】【中堅】特殊能力負け 【副将】耐久はできる。長距離移動速度がないので砲撃勝ち 【大将】サイズ負け ×スクライド 【先鋒】倒せない倒されない 【次鋒】速くて倒せないが倒されない 【中堅】魔法勝ち 【副将】【大将】アルター負け かいけつゾロリシリーズ＞プリズムアーク＞Battle Garegga
https://w.atwiki.jp/t-style/pages/13.html
ここを編集 EMアルゴリズム(Expectation-Maximization Algorithm) 確率モデルが観測できない変数（潜在変数/隠れ変数）に依存する場合に最尤法を実施するためのアルゴリズム。非常に多くの応用に使え、変分ベイズ法などの基礎を成すのでとっても大事なアルゴリズム。 推定の流れ このアルゴリズムでは、現在のパラメータ（)と観測変数()から得られる情報を使って、潜在変数()の条件付き確率（）を求めるステップ（E-Step）と、観測変数の事後確率の期待値を最大化するフェーズ（M-Step）の二段階の処理を繰り返しながらパラメータを最適化する。 つまり、尤度関数()の最大化を一発で計算したいところなのだが、それは難しいので、今のを使って計算されるを利用して、尤度関数の期待値()の最大化という問題に置き換えている。実際には、最後の式を2つ目のを構成する各変数について偏微分して0になる値を探すなどを行って更新することになる。 詳細な定式化（間違ってるかも） パラメータを、観測変数を、潜在変数をとする。 目的は、観測変数のパラメータに対する確率の最大化。ところが、潜在変数があるのでの周辺化で置き換えて話を進められるようにする。そこでベイズの公式による式変形を行う。 さて、ここで天下りながら分布を導入する。これは潜在変数の事後分布の近似分布である。式変形のミソは、この分布との間の違い（距離）が現れるように前式を変形していくことである。そこで、まず右辺の分子分母をで割る。 次に両辺に対数をとる。 さらに両辺にをかけてに関し周辺化を行う。 左辺において、はに関係せず、は1となる。 右辺の第一項を、第二項をとかくと、下記式を得ることができる。 この式において最適化で変更できるのはとである。EMアルゴリズムは、この2つの視点で交互に最大化する。 まずEステップでは、は0以上なので、を最小化することでを最大化する。KL距離の定義よりはのとき最小化となる。すなわち、を固定しにを設定すればよい。 次いでMステップでは、を固定しに関して最大化する。すなわち、下記式をに関して最大化する。ここで、Eステップ時点で利用したの値は、として固定されている。 上述において、はの下界をなしており、Eステップではこの下界を最大化するを手に入れている。一方、Mステップでは、がに関して最大化されるわけだが、このとき新しいを使ったと今までのとの間に新たな違い（距離）が生まれる。そのため、EステップとMステップを繰り返すことで徐々にを最大化していく必要がある。 実装例 言語 Python 2.6 + scipy + matplotlib 問題設定 2つの正規分布からなる2次元の混合正規分布に対して平均、分散、負担率を推定する。 詳細はソース参照。 ソース Main.py EM.py 結果 コンソール最後の部分 29 [ 0 ] Mu= [[ 21.05175707] [ 21.65353366]] Sigma= [[ 95.11897414 9.67571604] [ 9.67571604 116.52378045]] Pi= 0.674809728052 [ 1 ] Mu= [[-14.92553657] [-10.79587385]] Sigma= [[ 137.40967457 -2.5813963 ] [ -2.5813963 95.53296063]] Pi= 0.325190271948 グラフ 補足 この例ではうまくいくが、もとの正規分布の分散が大きすぎると一つの正規分布でほとんどのデータを説明し、もう一つの正規分布がごくわずか（1点）のデータを説明しようとしてしまう。このあたりは、分散の監視などが必要。 また、そもそもの収束判定には尤度関数の値の変化率を見るのが一般的。
https://w.atwiki.jp/dooooornob/pages/20.html
アルゴリズムとは？ あるデータを集めてきて統計学者さんなんかに見せるとそこから色々な情報を提供してくれます。 ではこれが「学者」みたいな人ではなく、手続き―つまり、このようにすれば持ってきたデータから所望のデータを得られるという手順―のことをアルゴリズムと言います。 以下では種々の用語を定義していきます。 1)入力(input)・・・アルゴリズムに与えるデータのこと。学者の例で言えば集めたデータ。 2)出力(output)・・・アルゴリズムから得られるデータ。 3)入力の大きさ(input size)/問題の大きさ(problem size)・・・与える入力データの数のこと。 アルゴリズムの優劣 入力をいれて出力を取り出すこの「アルゴリズム」というのは非常に広範な概念です。 たとえば、「１～１００までの数を入力して、その合計を出力する」といったようなアルゴリズムを考えることができます。 さて、これを解くための最も堂々たる単純な方法はすべて足しあげることですね。 1+2+3+…=？ 少なくとも手計算で流行りたくないですね。これを簡単に計算する方法として有名（？）な次の方法があります。 1)一番小さい数と一番大きい数を足し合わせる。この和をXとする。(この場合 X=1+100=101) 2)この数は「k番目に小さい数とk番目に大きい数を足し合わせた数」として一般化できる。(例えばk=3ならば 3+98=101でXと同じ数になる) 3)よって、入力の数nの半分 n/2 個の組み合わせの和がすべて1)で求めた数Xになるので、が求める答えになる。(n=100なので、101×100/2=5050が答え) さて、初めの地道に足し合わせる方法と、上の方法、どちらが「優秀」なアルゴリズムかというのは言うまでもないと思います。 このように、ある結果を求めるためにどの程度計算が必要なのか、という指標を計算量と言います。 オーダーという概念 前節のことをまとめれば「計算量が少ないほど、そのアルゴリズムは優秀」ということになります。 しかし、たとえば「4個の数を地道に足しあげる」のか「5000個の数を『優秀』な方法で足しあげる」のか、どちらが早いかといわれるといくら「優秀」なアルゴリズムでも負けてしまいそうです。 直感的にも明らかですが、アルゴリズムの計算量というのは入力の数nが増えれば増える程増加する場合がほとんどです。 （nが増えても計算量が変わらないことはありますが、少なくとも計算が簡単になることはないでしょう。） ですからただ単に計算量が多いか少ないかではなくて、「nが増えることによってどの程度計算量が大きくなるのか」ということで考える方が、よりいい指標になりそうです。 そこで次の定義があります。 [定義]関数および任意の実数$a$に対して が成立しているとき と表記する。またfはgで押さえられているといったり、fはgのオーダーであると言ったり。 さらに、ここで使われた記号のをランダウの記号と言います。 要するに「単純に計算量だけで比較しちゃダメ」だということだから、入力に対する「関数」と比較してしまえ、ということです。 複雑度 さて、今までは計算量だけで物事を考えてきましたが、計算機でアルゴリズムを動かす時にはもう一つ『容量』の概念が重要です。 入力nが増えるにしたがって爆発的にメモリを食ってしまうような計算はいくら早くても稼働させることができないからです。 ここで以上の２つのアルゴリズムに関する指標、計算量のオーダーの事を時間複雑度(time complexity)、記憶容量のオーダーのことを空間複雑度(space complexity)と言います。 またこれらを合わせて複雑度(complexity)といいます。
https://w.atwiki.jp/theiam/pages/65.html
プリズムリバー 成長率 HP MP 攻撃力 防御力 素早さ 6 10 6 6 6 ルナサ 習得スキル スキル名 習得SP 消費MP 属性 効果 パートトランペット 1 0 - メルランに代わる パートキーボード 1 0 - リリカに代わる ノイズメランコリー 60 10 物 敵全体攻撃 ルナサソロライブ 80 15 - 敵全体防御Down ゴーストアイ 100 10 - 鼻 俺の歌を聴けェェッ！ 120 20 物 敵全体攻撃 メルラン 習得スキル スキル名 習得SP 消費MP 属性 効果 パートヴァイオリン - 0 - ルナサに代わる パートキーボード - 0 - リリカに代わる マニックサウンド - 10 物 敵全体攻撃 メルラン・ソロライブ - 15 - HMP全回復+自分狂気 ゴーストアイ - 10 - 鼻 リリカ 習得スキル スキル名 習得SP 消費MP 属性 効果 パートヴァイオリン - 0 - ルナサに代わる パートトランペット - 0 - メルランに代わる カームサウンド - 10 - 打消し リリカ・ソロライブ - 15 物 単体攻撃
https://w.atwiki.jp/mgrpcall/pages/102.html
プリズムチェリー ■一人称 私 9回 （JOKERS p.36 38 39 52 267 401（3回）三角形の彼方 p.104） ■プリンセス・デリュージ 青木……さん？ 1回 （JOKERS p.36） プリンセス・デリュージ 2回 （JOKERS p.37 39） デリュージ 1回 （JOKERS p.132） ■プリンセス・テンペスト テンペスト 2回 （JOKERS p.132 241） ■技名 チェリー・フラッシュ！ （JOKERS p.54） ■名乗り（口上） 「輝く曙光！ プリズムチェリー！」 （JOKERS p.52） ■とらのあなFANBOOK、オフィシャルファンブック 正しい魔法少女の才能開花＜シュピーゲル＞ （とらのあなFANBOOK p.30） 人生という物語の主役になりたかった女の子 （オフィシャルファンブック p.63）
https://w.atwiki.jp/sentai-soubi/pages/410.html
【名前】 プリズムメモリ 【読み方】 ぷりずむめもり 【登場作品】 仮面ライダーW風都探偵 【分類】 ガイアメモリ 【綴り】 PRISM 【頭文字デザイン】 結晶化したP（P） 【使用者】 仮面ライダーダブル 【詳細】 「水晶」の記憶を内蔵する緑のガイアメモリ。 他のガイアメモリのパワーを相反せずに纏める力を持ち、 ビッカーシールドにセットした4本のガイアメモリの力を調和し、ツインマキシマムを超えた凄まじい力を発揮できる。 ドライバーにあるマキシマムスロットに装填することもできる。
https://w.atwiki.jp/emptymeaningless/pages/17.html
法律よりもテロリズムはある意味優先されます。ある意味優先されるべきです。 平時では法律が中心となっているだけです。 本来の理想はテロリズムよりも命が優先されます。 ですが世の常として、組織や個人は自分の都合の良いように好き勝手振る舞いがちです。 ですからそのしっぺ返しとして、テロリズムが行われても当然です。最悪の手段ですが。 足るを知らないからしっぺ返しが来るのです。 現実生活を必要以上に豊かにしようとするからそうなるのです。 多くの人々は自分に危害が向けられないとはっきりと自覚しないものです。悲しい現実ですが。 ですから治安悪化やテロの犠牲になるという物騒な犠牲を払わなければ呑気な状態のままです。 呑気な状態は確かに良い面はあります。ですが惨めな立場に居る人々からすると冷酷です。 場合によってはテロリストになる可能性だってあります。 心の中の良心がテロリストになることを拒否すると普通の人は思うでしょう。 ですが今までの境遇において、テロリストにならなくて済んだだけのことです。 これから先は全く分かりません。 テロリストは極普通の人間です。私たちと全く変わりません。 彼らの行った行為がテロという範疇に当てはまるだけのことです。 現にテロではなくとも、小説や映画、ドラマ、アニメ、ゲームなどで盛んに戦闘行為は表現されています。 テロリズムを頭ごなしに非難するのは駄目です。だからといって丸っきり肯定するのも間違っています。 テロリズムは荒療治、ショック剤です。最終手段です。 現に主要先進国が核兵器を持っている以上、それに対抗する手段はテロリズムと無関心と無視以外は何もありません。
https://w.atwiki.jp/hammerfairy/pages/1025.html
▼マナリズムα 神学者メネの服。魔法の詠唱を楽にさせる（消費MP半減） スキル使用時消費MP半分 装備可：シズ・アイ MP自動回復2% 妖精や悪魔等と違い、人間に宿っているマナの限界値は小さく、 敵を前にして魔法を撃ち続けることは、 マナ枯渇による気絶と背中合わせであった。 そのリスクから、とても戦場で使えるものではなかったので、 それ故人間は、道具と技術で敵に勝つという道を歩んでいた。 この人は初めて残存魔力「ＭＰ」を定義した人である。 神学者だった彼は過去の奇跡の事例を膨大なデータに纏め上げ、 人のマナの平均値と、魔導素養によるマナ使用減少を数式化。 以降、戦いのあり方は大きく転換、魔法を中心に発展していく。
https://w.atwiki.jp/sfthsummary/pages/874.html
590 名前：プリズム（神林長平）[] 投稿日：02/09/12(木) 01 35 はぐれ刑事純情派 第二回 ＳＦ要約選手権