いて, サンプルとして詳細に実行するイタレーション数を 計算する. シミュレーション時には, シミュレーション精 度の異なる形式を実行時に切り替えることにより, 並列化 アプリケーションにおけるサンプリング対象のイタレーシ ョンに対応する部分をサンプルサイズ分だけ詳細なシミュ レーションを行い, 残
|
|
|
- せせら いちぬの
- 6 years ago
- Views:
Transcription
1 並列化アプリケーションを対象とした統計的手法によるメニーコアアーキテクチャシミュレーションの高速化 阿部洋一 田口学豊 木村啓二 笠原博徳 本稿では, プログラムのループに着目した統計的サンプリングによるメニーコアアーキテクチャシミュレーションの高速化手法の, 自動クラスタリングによるサンプリング位置特定手法を提案する. 筆者等による従来の提案手法では, 着目するループからサンプリングするイタレーション数を統計的手法によって算出する. さらに, イタレーションごとの実行サイクル数が大きく変化するようなアプリケーションでは, クラスタリングによってプロファイル結果をサンプルサイズが小さくなるように分類することで, 低サンプル数で高精度なシミュレーション結果推定を行うことができる. しかしながら, クラスタ数の決定は手動で行う必要があった. 本稿ではクラスタリング手法として x-means 法を用いることで, クラスタ数の決定を自動で行う手法を提案する. 本手法の予備評価として逐次実行コストの推定を行った結果, 最もイタレーション実行コストの変動が激しい MPEG-2 エンコーダの入力動画 SIF16 の場合において,x-measns では 450 イタレーション中の 14 イタレーションをサンプリングすることで 1.92% の誤差が得られることを確認でき, 高精度かつ低サンプリング数となるクラスタ数の決定を自動的に得られることが確認できた. An Acceleration Technique of Many-core Architecture Simulation with Parallelized Applications by Statistical Technique Yoichi Abe Gakuho Taguchi Keiji Kimura Hironori Kasahara This paper proposes an automatic decision technique of the number of clusters and sampling points for an acceleration technique of many-core architecture simulation by statistical methods. This technique, firstly, focuses on a structure of a benchmark program, especially loops. The number of sampling points is exploited from iterations of a target loop by statistical methods. If the variation of the cost of the iterations is large, these iterations are grouped into clusters. Thus, this technique enables higher estimation accuracy with fewer sampling points. However, the number of clusters must be decided by hand in our previous works. The automatic decision technique of the number of clusters by "x-means" is proposed in this paper. As a preliminary evaluation of the proposed technique, sequential execution costs of several benchmark programs are estimated. As a result, when MPEG2 encoder program with SIF16, which causes large variation among the cost of iterations, is used, 1.92% error is achieved with 14 iterations as sampling points of 450 iterations exploited by x-means 早稲田大学 WASEDA UNIVERSITY 1. はじめに コンピュータアーキテクチャの研究開発では, 対象とす るアーキテクチャの評価をソフトウェアシミュレーション によって行うことで, さまざまな構成やパラメータの検討 を行う. しかしながら, このソフトウェアによるシミュレ ーションでは, 実際のハードウェア上での実行時間と比べ て非常に長い時間がかかってしまうという問題点がある. 特に, 近年普及が進んでいる複数のプロッセッサコアを持 つマルチコア, メニーコアアーキテクチャのシミュレーシ ョンを行う場合, コア数の増加に応じて実行時間が増大し てしまう. マイクロアーキテクチャシミュレーションの実行時間 の短縮という課題については, 従来から様々なアプローチ が試みられている. 例えばシミュレーション対象全体を完 全にシミュレーションするのではなく, 一部を選択して評 価する手法として,SimFlex 1) や SimPoint 2) が挙げられる. こ れらの手法では統計的手法を用いてシミュレーションを行 う部分を選択し, 高精度でありながら高速にシミュレーシ ョンを行うことを可能にしている. しかしながら, これら の手法は基本的にターゲットのアーキテクチャ上では逐次アプリケーションを動作していることを前提としており, マルチコアやメニーコアの特性を十分に活かした並列化アプリケーションを対象とはしていない. すなわち, 動機やコア間のリソース競合といった並列化アプリケーションプログラムの構造, 及びその実行時の特性を考慮した高速化手法ではなかった. 一方, 筆者等はこれまでに, プログラムの大局的な実行コストの推移はプログラムの構造と入力データに依存するという前提の基, 並列化アプリケーションのプログラム構造に着目したマルチコア メニーコアアーキテクチャシミュレーションの高速化手法を提案してきた 3)4). 本手法では, 主としてプログラムの並列化された部分を取り囲むループを統計的サンプリングの対象とし, 対象となるループの一部のイタレーションのシミュレーション結果から全体のシミュレーション情報を推定する. 本手法では, まず任意の実機上においてシミュレーションに用いるアプリケーションを逐次実行し, サンプリング対象のループのイタレーションごとの実行クロックサイクル数を計測する. 次に, 得られた結果から統計的手法を用 1
2 いて, サンプルとして詳細に実行するイタレーション数を 計算する. シミュレーション時には, シミュレーション精 度の異なる形式を実行時に切り替えることにより, 並列化 アプリケーションにおけるサンプリング対象のイタレーシ ョンに対応する部分をサンプルサイズ分だけ詳細なシミュ レーションを行い, 残りの部分を簡易で高速なシミュレー ションを行う. 本手法は, 科学技術計算のようなイタレーションごとの 実行クロックサイクルの変化が少ない, 規則的なアプリケ ーションをシミュレーションに用いる場合に大きな効果が 得られることが示されてきた 3). 一方, メディア処理を行うアプリケーションなど不規則 なアプリケーションの場合, 必要なサンプルサイズが大き くなり時間短縮は期待できない. しかしながら, 実機での プロファイリング結果に対して一クラスタ辺りの分散が小 さくなるように統計的クラスタリング手法を適用すること により, サンプルサイズを削減しつつ高いシミュレーショ ン精度が得られる可能性を示した 4). 本稿ではさらに, 低 サンプルサイズで高シミュレーション精度が得られるクラ スタ数の自動決定手法を提案し, 逐次実行時間の推定を行 うことでその予備評価を行う. 以下,2 章ではサンプリングとクラスタリングを用いた シミュレーション高速化手法について,3 章では評価につ いて, 最後の 4 章でまとめをそれぞれ述べる. 2. シミュレーション高速化手法 本章では, 本稿で提案するシミュレーション高速化手法 について説明する. まず 2.1 節でミュレーションの手順の 概要を述べ,2.2 節で本手法におけるクラスタリング,2.3 節でサンプルサイズを決定する方法についてそれぞれ説明 する. 2.1 高速化手法の概要 本手法ではまず, シミュレーション対象となるマルチコ ア メニーコアアーキテクチャを評価するベンチマークプ ログラムのループ構造に着目する. そして, そのループの いくつかのイタレーションのみを詳細にシミュレーション ( サンプリング ) し, 残りのイタレーションは簡易で高速 なシミュレーションにとどめることにより, シミュレーシ ョン時間の短縮を図る. 本手法ではベンチマークアプリケーションのループ構 造を対象にサンプリングを適用しているため, はじめに, プログラム中のどのループ, あるいはどの階層のループを サンプリング対象とするかを決定する必要がある. 本稿で は, プログラム中の処理量において大きな割合を占める最 外側ループを対象とする. 次に, 任意の実機上でシミュレーションに用いるベンチ マークアプリケーションを逐次実行し, サンプリング対象 ループの 1 イタレーションごとの実行サイクル数を計測す る. これによって得た情報をクラスタリングし, 統計的手 法によってサンプリング対象ループのうちどのイタレーシ ョンを詳細に実行するかを決定する. サンプリング対象イタレーションを決定後, この詳細実 行するイタレーション情報を元に, マルチコア メニーコ アシミュレーションを並列化されたベンチマークアプリケ ーションを用いて行う. ここで用いるシミュレータは, ル ープのイタレーション単位でシミュレーション精度の切り 替えが可能であること, 及び 1 イタレーションごとの実行 情報を出力することが可能であることを想定する. 最後に, クラスタリング情報とシミュレーション結果を 元に, プログラム全体を詳細に実行した場合に得られる結 果を推定する. 2.2 プロファイル情報のクラスタリング 本手法ではサンプルサイズを算出する前に, イタレーシ ョンごとの実行クロックサイクルを x-means 法 5) によって クラスタリングする. これにより全イタレーションの実行 コストから算出されたサンプルサイズの大きな集合を, 分 散の小さい, すなわちサンプルサイズの小さな集合に分類 することで, 全体の必要なサンプルサイズを減少させるこ とが期待できる. x-means 法とは K 平均法 (k-means) を発展させたクラスタ リング手法である. 非階層的クラスタリング手法である K 平均法は, クラスタ数 k が未定の集合に対して, 分析を行 う者が適宜値を設定しなければならないという問題があっ た.x-means 法は, まず小さなクラスタ数 k 0 ( 特に指定し なければ 2) による k 0 -means を行う. さらに分割後の各集 合に対して, 分割が適当でないと判断されるまで,k-means を再帰的に行う. k-means 法を繰り返すことによって, 得られる分割数が 不定 (x) であるために x-means と呼ばれる. この方法を用い ることで, 入力集合に対してクラスタ数を検討する必要が なくなり, シミュレーション高速化全体のプロセスを自動 化することが容易になる. なお, 本稿の評価におけるクラ スタリングでは, 分割停止基準としてサンプルサイズを用 いる. 分割のプロセスが異なるため, ある集合 C に対して x-means 法を行った結果得られたクラスタ数 k x によって, 通常の K 平均法を C に行った場合, クラスタ数は同じでも それぞれ結果として得られる集合は異なる. 実機上の実行におけるループイタレーションを, その順 序通りシミュレータ上の実行時のイタレーションと 1 対 1 対応させ, クラスタリング結果はそのまま反映できるとみ なす. こうして x-means 法によるクラスタリング結果によ り, ループ中のサンプリング位置を特定する. 2.3 サンプルサイズ決定手法 2.2 節で述べた x-means 法による実機上のイタレーショ ンごとの実行コストのクラスタリング後, 各クラスタのサ ンプルサイズを決定する. 2
3 本手法におけるサンプルサイズとは, サンプリング対象 ループの全てのイタレーション ( あるいはクラスタリング 後の各クラスタに属する全てのイタレーション ) を母集団 とし, そのうち詳細にシミュレーションを行う必要のある イタレーションの数である. サンプルサイズは, 推定する 全体の実行クロックサイクル数が期待する誤差に収まるよ うに統計的手法によって算出する. この計算には, 各集合 の相加平均 μ, 標準偏差 σ と, 標準正規分布の上側 P% 点, 許容する誤差率を用いる. 本稿では標準正規分布の上側 P% 点は P=2.5 の時の 1.96 を, 許容する誤差は 5%, すなわ ち 0.05 をそれぞれ用いるとする. クラスタリングによって得られた集合を C 1, C 2,, C k と する.i=1, 2,, k について, 以下の (1) 式によってサンプル サイズ n i を計算する 標準偏差 i サンプルサイズ n i 0.05 (1) 相加平均 i ただしクラスタリングによって要素数が 1 となった集合に ついては以下の (2) 式とする. サンプルサイズ 1 (2) シミュレーション後,C i (i=1, 2,, k) について推定シミュ レーションサイクル数を計算する. cos t i Ciの要素数 Ciの詳細シミュレーションサイクル数 n 全体の推定シミュレーションサイクル数は, 以下 (4) 式によ って得られる. 3. 評価 COST k i1 n i t i ii cos (4) 本章では, 本稿で提案する手法に関する評価を行う. ま ず, 評価に用いるアプリケーションについて説明する. 次 に, 実際のサーバー上において評価アプリケーションを実 行し, サンプリング対象ループの 1 イタレーションごとの 実行クロックサイクル数を計測する. 得られたデータに対 して K 平均法 (k=1, 2, 4, 8, 16, 32,k=1 についてはクラスタ リングを行わないことと同義 ),x-means 法によるクラスタ リングを行い,2 章で説明した手法によって必要なサンプ ルサイズを求め, 各クラスタの n i を合計したもの比較する. また, 実機上の実行で得られた情報をサンプリングの対象 とみなして推定誤差の計算を行い, 比較する. 3.1 評価アプリケーション art art は SPEC CPU 2000 に含まれるベンチマークアプリケ ーションの 1 つであり, ニューラルネットワークを用いて 画像認識を行うアプリケーションである. プログラム中で大きな割合を占めるのが train_match 関 数と match 関数であり, それぞれ呼び出し先でループを持 2 (3) つ. これら 2 つの関数内のループをサンプリング対象とす る. なお, 今回用いた標準的な実行条件においては, train_match 関数のループが 554 回転,match 関数のループ が 4700 回転である equake equake も同様に,SPEC CPU 2000 に含まれるベンチマー クアプリケーションの 1 つである. メッシュ状にモデリン グ化した地形を伝わる地震波の影響をシミュレーションす るプログラムである. 処理の大半を占めている大きな for ループサンプリング 対象とする. このループは, 標準的な実行条件の場合 3855 回転である MPEG-2 エンコーダ MPEG-2 エンコーダは MPEG2 の規格に沿った動画像圧 縮処理を行う MediaBench に含まれるプログラムである. 入力動画は 1 フレームずつ順番に処理され, この処理の 1 単位はピクチャと呼ばれる. 入力フレーム列は I, P, B の 3 種類のピクチャタイプの規則的な並びとして扱われる. 図 1 に, その並び方の一部を示す. また, 図 2 に 1 ピクチャ に対して行われる処理の流れをそれぞれ示す. ピクチャタ イプによって, 適用される処理の内容が一部異なるため, ピクチャタイプの違いは計算量の違いに大きく表れる. 本 評価では, この 1 ピクチャ単位のループをサンプリング対 象とする. メディアアプリケーションは, 入力データの違いが計算 量に大きく影響を与えることが多い. 今回の評価について は,NHK システム評価用標準動画像解析度 SIF(352x240) 6) から 2 種類の動画を選択して, 各々タイトル部分を除いた 450 フレーム分について評価を行った.1 つは定点カメラに よる撮影で動きの小さい No.06 交差点である. もう 1 つは 水族館のショーでジャンプするシャチを追いかける, 比較 的動きの大きな No.16 シャチのジャンブである. 図 1 MPEG-2 エンコーダのピクチャタイプの並び 3
4 図 2 MPEG-2 エンコーダの 1 フレームに対する処理 3.2 評価環境今回の評価に当たって, 各アプリケーションのコンパイルは gcc version O2 によって行った. また, 表 1 に今回の評価を行う実サーバーの仕様を示す. 表 1 評価用サーバーの仕様 CPU Intel Xeon X5670 CPU Clock 2.93GHz L2 Cache 12MB / core OS Debian GNU/Linux 評価結果 art train_match 関数の外側ループ 1 イタレーションごとの実行サイクル数を図 3 に示す.match 関数の外側ループ 1 イタレーションごとの実行サイクル数をに図 4 に示す. 図 3, 図 4 の結果に対して x-means 法を行った結果,train_match 関数はクラスタ数 4,match 関数はクラスタ数 13 に分類された. 図 4 art match 関数の実行コストの変化 K 平均法におけるクラスタ数を変化させたときのサンプルサイズの違いを図 5 に示す. 横軸は K 平均法におけるクラスタ数, ただし一番右 x4-13 は x-means の場合の結果である. 同様に, クラスタ数を変化させたときの推定誤差の違いを図 6 に示す. 図 5 より,K 平均法では train_match においてクラスタ数が 8 の時に最小のサンプルサイズ 11 を,match においてクラスタ数 16 の時に最小サンプルサイズ 43 を得られたことがそれぞれわかる. 同様に x-means では train_match においてサンプルサイズ 11,match においてサンプルサイズ 31 を得ている. 推定誤差に関しては, 図 6 よりクラスタ数 2 の時に train_match において最小誤差 0.27%,match においてクラスタ数 32 で最小誤差 0.12% を得ている. 先のサンプルサイズ最小のクラスタ数で比較すると,train_match においてサンプルサイズ最小であったクラスタ数 8 の時は誤差 1.34%, match においてサンプルサイズ最小であったクラスタ数 16 の時は誤差 0.20% となっている. その一方,x-means では train_match において誤差 0.24%, match において誤差 0.01% を得ている. 図 3 art - train_match 関数の実行コストの変化 図 5 サンプリングサイズの比較 (art) 4
5 図 6 推定誤差の比較 (art) equake サンプリング対象ループ 1 イタレーションごとの実行サイクル数を図 7 に示す. 図の結果に対して x-means 法を行った結果, クラスタ数 5 に分類された. 図 8 サンプリングサイズの比較 (equake) 図 9 推定誤差の比較 (equake) 図 7 equake のメインループ実行コストの変化 K 平均法におけるクラスタ数を変化させたときのサンプルサイズの違いを図 8 に示す. 横軸は K 平均法におけるクラスタ数, ただし一番右の x5 は x-means の場合の結果である. 同様に, クラスタ数を変化させたときの推定誤差の違いを図 9 に示す. 図 8 より,K 平均法ではクラスタ数が 4 の時に最小のサンプルサイズ 5 を得た. 同様に x-means においてもサンプルサイズ 5 を得ている. 推定誤差に関しては, 図 9 よりクラスタ数 4 の時に最小誤差 0.01% を得ている. これは先のサンプルサイズ最小の時のクラスタ数と一致している. 一方で x-means では誤差 0.41% となっている MPEG-2 エンコーダサンプリング対象ループ 1 イタレーションごとの実行サイクル数を図に示す. 図の結果に対して x-means 法を行った結果,SIF06 はクラスタ数 4,SIF16 はクラスタ数 7 に分類された. 図 10 MPEG-2 エンコーダフレーム単位の実行コストの変 化 K 平均法におけるクラスタ数を変化させたときのサンプルサイズの違いを図 11 に示す. 横軸は K 平均法におけるクラスタ数, ただし一番右の x4-7 は x-means の場合の結果である. 同様に, クラスタ数を変化させたときの推定誤差 5
6 の違いを図 12 に示す. 図 11 サンプルサイズの比較 (MPEG-2 エンコーダ ) り, サンプルサイズを小さくするクラスタ数には上限があ る. 一方,x-means によって得られるサンプルサイズは,K 平均法において少ないサンプルサイズが得られるクラスタ 数に近い値が得られている. 誤差の比較においては対象によって様々な分布を見せ ているが, 全体として第 2 章で想定した許容する誤差であ る 5% を大きく下回っているものが多い. 特に, サンプル サイズが小さくなるようなクラスタ数 k の K 平均法や, x-means の場合においてこの目標値は達成されており, 最 もイタレーション実行コストの変動が激しい MPEG-2 エン コーダの入力動画 SIF16 の場合において,K 平均法では 0.00% の誤差,x-means では 1.92% の誤差となった. また, 図 8, 図 9 の equake の結果から, クラスタリングによっ てサンプルサイズがほとんど改善しない場合でも, 推定誤 差の改善が見込めることがわかる. 以上のことから, 本手法における自動クラスタリング手 法として x-means を用いることは妥当であると考えられる. 4. まとめ 図 12 推定誤差の比較 (MPEG-2 エンコーダ ) 図 11 より,K 平均法では SIF06 においてクラスタ数が 4 の時に最小のサンプルサイズ 5 を,SIF16 においてクラスタ数 8 の時に最小サンプルサイズ 13 を得られたことがそれぞれわかる. 同様に x-means では SIF06 においてサンプルサイズ 4,SIF16 においてサンプルサイズ 14 を得ている. 推定誤差に関しては, 図 12 より SIF06 においてクラスタ数 2 の時に最小誤差 0.10%,SIF16 においてクラスタ数 8 で最小誤差 0.00% を得ている.SIF16 においては先のサンプルサイズ最小のクラスタ数と同じである.SIF06 においてサンプル数最小であったクラスタ数 4 の時は誤差 0.37% となる. 一方,x-means では SIF06 において誤差 1.30%,SIF16 において誤差 1.92% を得ている. 3.4 考察今回, クラスタ数を徐々に大きくしながら K 平均法を行い, 得られるサンプリングサイズを比較するということを行った. いずれの結果からも, ある程度のクラスタ数 (4~20 程度 ) を与えると必要なサンプルサイズが大きく減少していることがわかる. その一方で, クラスタ数を増やしすぎると却ってサンプルサイズが増えてしまっている例も存在している. これは (4) 式の制約により, 各クラスタで少なくとも一度はサンプリングする必要があるためである. つま プログラムのループ構造に着目した統計的サンプリング によるシミュレーションの高速化について, クラスタリン グによってサンプリング位置を特定することで, 分散が大 きくサンプルサイズが増大してしまうアプリケーションを 用いる場合の実行時間を改善できる見込みを示した. また, その際クラスタリング手法として x-means 法を用 いることを提案した. 本手法の予備評価として, 逐次実行コストの推定を行っ た結果, 最もイタレーション実行コストの変動が激しい MPEG2 エンコーダの入力動画 SIF16 の場合において, x-measn では 450 イタレーション中の 14 イタレーションを サンプリングすることで 1.92% の誤差が得られることを確 認でき, 高精度かつ低サンプリング数となるクラスタ数の 決定を自動的に得られることを示すことができた. 謝辞本研究の一部は科研費若手研究 (B) の助成及び, 経産省グリーンコンピューティングシステム 研究開発により行われた. 参考文献 1) Thomas F. Wenishch, Roland E. Wunderlich, Michael Ferdman, Anastassia Ailamaki, Bavak Falsafi, and James C. Hoe, Sim-Flex: Statistical Sampling of Computer System Simulation Micro IEEE, Volume 26, Issue 4, pp.32-42, July-Aug, ) Erez PerelmanGreg HamerlyMichael Van Biesbrouck Timothy SherwoodBrad Calder Using SimPoint for Accurate and Efficient Simulation SIGMETRICS 03, San Diego, California, USA. ACM /03/0006, June 10 14, 6
7 2003 3) 石塚亮, 阿部洋一, 大胡亮太, 木村啓二, 笠原博徳, 科学技術計算プログラムの構造を利用したメニーコアアーキテクチャシミュレーション高速化手法の評価, 情報処理学会研究報告. 計算機アーキテクチャ研究会報告 2011-ARC-196(14), 1-11, ) 阿部洋一, 石塚亮, 大胡亮太, 田口学豊, 木村啓二, 笠原博徳, " 並列化メディアアプリケーションを対象としたメニーコアアーキテクチャシミュレーションの高速化の検討 ", 情報処理学会第 191 回計算機アーキテクチャ研究会, Vol ARC-199(3), 1-4, ) 石岡恒憲, x-means 法改良の一提案 k-means 法の逐次繰り返しとクラスターの再結合, 計算機統計学 18(1), 3-13, ) 財団法人 NHK エンジニアリングサービス 7
,4) 1 P% P%P=2.5 5%!%! (1) = (2) l l Figure 1 A compilation flow of the proposing sampling based architecture simulation
1 1 1 1 SPEC CPU 2000 EQUAKE 1.6 50 500 A Parallelizing Compiler Cooperative Multicore Architecture Simulator with Changeover Mechanism of Simulation Modes GAKUHO TAGUCHI 1 YOUICHI ABE 1 KEIJI KIMURA 1
次元圧縮法を導入したクエリに基づくバイクラスタリング 情報推薦への応用 武内充三浦功輝岡田吉史 ( 室蘭工業大学 ) 概要以前, 我々はクエリに基づくバイクラスタリングを用いた情報推薦手法を提案した. 本研究では, 新たに推薦スコアが非常に良く似たユーザまたはアイテムを融合する次元圧縮法を導入した. 実験として, 縮減前と縮減後のデータセットのサイズとバイクラスタ計算時間の比較を行う. キーワード
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生
0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生まれ, コンピューテーショナルフォトグラフィ ( 計算フォトグラフィ ) と呼ばれている.3 次元画像認識技術の計算フォトグラフィへの応用として,
(.3) 式 z / の計算, alpha( ), sigma( ) から, 値 ( 区間幅 ) を計算 siki.3<-fuctio(, alpha, sigma) elta <- qorm(-alpha/) sigma /sqrt() elta [ 例 ]., 信頼率 として, サイ
![(.3) 式 z / の計算, alpha( ), sigma( ) から, 値 ( 区間幅 ) を計算 siki.3<-fuctio(, alpha, sigma) elta <- qorm(-alpha/) sigma /sqrt() elta [ 例 ]., 信頼率 として, サイ](/thumbs/91/105783221.jpg "(.3) 式 z / の計算, alpha( ), sigma( ) から, 値 ( 区間幅 ) を計算 siki.3<-fuctio(, alpha, sigma) elta <- qorm(-alpha/) sigma /sqrt() elta [ 例 ]., 信頼率 として, サイ")
区間推定に基づくサンプルサイズの設計方法 7.7. 株式会社応用数理研究所佐々木俊久 永田靖 サンプルサイズの決め方 朝倉書店 (3) の 章です 原本とおなじ 6 種類を記述していますが 平均値関連 4 つをから4 章とし, 分散の つを 5,6 章に順序を変更しました 推定手順 サンプルサイズの設計方法は, 原本をそのまま引用しています R(S-PLUS) 関数での計算方法および例を追加しました.
RSS Higher Certificate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question 1 (i) 帰無仮説 : 200C と 250C において鉄鋼の破壊応力の母平均には違いはな
RSS Higher Certiicate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question (i) 帰無仮説 : 00C と 50C において鉄鋼の破壊応力の母平均には違いはない. 対立仮説 : 破壊応力の母平均には違いがあり, 50C の方ときの方が大きい. n 8, n 7, x 59.6,
Web Web Web Web Web, i
22 Web Research of a Web search support system based on individual sensitivity 1135117 2011 2 14 Web Web Web Web Web, i Abstract Research of a Web search support system based on individual sensitivity
本文ＡＬＬ.indd
Intel Xeon プロセッサにおける Cache Coherency 時間の性能測定方法河辺峻田口成美古谷英祐 Intel Xeon プロセッサにおける Cache Coherency 時間の性能測定方法 Performance Measurement Method of Cache Coherency Effects on an Intel Xeon Processor System 河辺峻田口成美古谷英祐
258 5) GPS 1 GPS 6) GPS DP 7) 8) 10) GPS GPS 2 3 4 5 2. 2.1 3 1) GPS Global Positioning System
Vol. 52 No. 1 257 268 (Jan. 2011) 1 2, 1 1 measurement. In this paper, a dynamic road map making system is proposed. The proposition system uses probe-cars which has an in-vehicle camera and a GPS receiver.
4.1 % 7.5 %
2018 (412837) 4.1 % 7.5 % Abstract Recently, various methods for improving computial performance have been proposed. One of these various methods is Multi-core. Multi-core can execute processes in parallel
EBNと疫学
推定と検定 57 ( 復習 ) 記述統計と推測統計 統計解析は大きく 2 つに分けられる 記述統計 推測統計 記述統計 観察集団の特性を示すもの 代表値 ( 平均値や中央値 ) や ばらつきの指標 ( 標準偏差など ) 図表を効果的に使う 推測統計 観察集団のデータから母集団の特性を 推定 する 平均 / 分散 / 係数値などの推定 ( 点推定 ) 点推定値のばらつきを調べる ( 区間推定 ) 検定統計量を用いた検定
21 A contents organization method for information sharing systems
21 A contents organization method for information sharing systems 1125140 2010 3 4 IT i Abstract A contents organization method for information sharing systems Aoki, Wataru Organizations to share information,
4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q
![4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q](/thumbs/92/110416683.jpg "4. C i k = 2 k-means C 1 i, C 2 i 5. C i x i p [ f(θ i ; x) = (2π) p 2 Vi 1 2 exp (x µ ] i) t V 1 i (x µ i ) 2 BIC BIC = 2 log L( ˆθ i ; x i C i ) + q")
x-means 1 2 2 x-means, x-means k-means Bayesian Information Criterion BIC Watershed x-means Moving Object Extraction Using the Number of Clusters Determined by X-means Clustering Naoki Kubo, 1 Kousuke
Table 1. Assumed performance of a water electrol ysis plant. Fig. 1. Structure of a proposed power generation system utilizing waste heat from factori
Proposal and Characteristics Evaluation of a Power Generation System Utilizing Waste Heat from Factories for Load Leveling Pyong Sik Pak, Member, Takashi Arima, Non-member (Osaka University) In this paper,
数値計算法
数値計算法 008 4/3 林田清 ( 大阪大学大学院理学研究科 ) 実験データの統計処理その 誤差について 母集団と標本 平均値と標準偏差 誤差伝播 最尤法 平均値につく誤差 誤差 (Error): 真の値からのずれ 測定誤差 物差しが曲がっていた 測定する対象が室温が低いため縮んでいた g の単位までしかデジタル表示されない計りで g 以下 計りの目盛りを読み取る角度によって値が異なる 統計誤差
Microsoft Word - Power_Analysis_Jp_ docx
Power Analysis using G*Power Version 1.0 013 年 3 月 03 日 評価学博士 佐々木亮 サンプルサイズの検討方法 1. 最低のサンプルサイズサンプルサイズに関する考え方 統計分析を用いた調査報告書では サンプルサイズとして 30 あるいは 5 を用いている場合が頻繁に見られる 事前 事後比較のための 1 群の t 検定では まさに 30 あるいは 5 が必要ということになり
情報処理学会研究報告 IPSJ SIG Technical Report Vol.2015-GI-34 No /7/ % Selections of Discarding Mahjong Piece Using Neural Network Matsui
2 3 2000 3.3% Selections of Discarding Mahjong Piece Using Neural Network Matsui Kazuaki Matoba Ryuichi 2 Abstract: Mahjong is one of games with imperfect information, and its rule is very complicated
CLEFIA_ISEC発表
128 ビットブロック暗号 CLEFIA 白井太三 渋谷香士 秋下徹 盛合志帆 岩田哲 ソニー株式会社 名古屋大学 目次 背景 アルゴリズム仕様 設計方針 安全性評価 実装性能評価 まとめ 2 背景 AES プロジェクト開始 (1997~) から 10 年 AES プロジェクト 攻撃法の進化 代数攻撃 関連鍵攻撃 新しい攻撃法への対策 暗号設計法の進化 IC カード, RFID などのアプリケーション拡大
2. CABAC CABAC CABAC 1 1 CABAC Figure 1 Overview of CABAC 2 DCT 2 0/ /1 CABAC [3] 3. 2 値化部 コンテキスト計算部 2 値算術符号化部 CABAC CABAC
![2. CABAC CABAC CABAC 1 1 CABAC Figure 1 Overview of CABAC 2 DCT 2 0/ /1 CABAC [3] 3. 2 値化部 コンテキスト計算部 2 値算術符号化部 CABAC CABAC](/thumbs/92/108208872.jpg "2. CABAC CABAC CABAC 1 1 CABAC Figure 1 Overview of CABAC 2 DCT 2 0/ /1 CABAC [3] 3. 2 値化部 コンテキスト計算部 2 値算術符号化部 CABAC CABAC")
H.264 CABAC 1 1 1 1 1 2, CABAC(Context-based Adaptive Binary Arithmetic Coding) H.264, CABAC, A Parallelization Technology of H.264 CABAC For Real Time Encoder of Moving Picture YUSUKE YATABE 1 HIRONORI
Microsoft PowerPoint - 三次元座標測定 ppt
冗長座標測定機 ()( 三次元座標計測 ( 第 9 回 ) 5 年度大学院講義 6 年 月 7 日 冗長性を持つ 次元座標測定機 次元 辺測量 : 冗長性を出すために つのレーザトラッカを配置し, キャッツアイまでの距離から座標を測定する つのカメラ ( 次元的なカメラ ) とレーザスキャナ : つの角度測定システムによる座標測定 つの回転関節による 次元 自由度多関節機構 高増潔東京大学工学系研究科精密機械工学専攻
Run-Based Trieから構成される 決定木の枝刈り法
Run-Based Trie 2 2 25 6 Run-Based Trie Simple Search Run-Based Trie Network A Network B Packet Router Packet Filtering Policy Rule Network A, K Network B Network C, D Action Permit Deny Permit Network
28 Docker Design and Implementation of Program Evaluation System Using Docker Virtualized Environment
28 Docker Design and Implementation of Program Evaluation System Using Docker Virtualized Environment 1170288 2017 2 28 Docker,.,,.,,.,,.,. Docker.,..,., Web, Web.,.,.,, CPU,,. i ., OS..,, OS, VirtualBox,.,
3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)
![3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)](/thumbs/68/59204737.jpg "3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)")
(MIRU2012) 2012 8 820-8502 680-4 E-mail: {d kouno,shimada,endo}@pluto.ai.kyutech.ac.jp (1) (2) (3) (4) 4 AdaBoost 1. Kanade [6] CLAFIC [12] EigenFace [10] 1 1 2 1 [7] 3 2 2 (1) (2) (3) (4) 4 4 AdaBoost
横浜市環境科学研究所
周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.
1 Table 1: Identification by color of voxel Voxel Mode of expression Nothing Other 1 Orange 2 Blue 3 Yellow 4 SSL Humanoid SSL-Vision 3 3 [, 21] 8 325
![1 Table 1: Identification by color of voxel Voxel Mode of expression Nothing Other 1 Orange 2 Blue 3 Yellow 4 SSL Humanoid SSL-Vision 3 3 [, 21] 8 325](/thumbs/91/105378470.jpg "1 Table 1: Identification by color of voxel Voxel Mode of expression Nothing Other 1 Orange 2 Blue 3 Yellow 4 SSL Humanoid SSL-Vision 3 3 [, 21] 8 325")
社団法人人工知能学会 Japanese Society for Artificial Intelligence 人工知能学会研究会資料 JSAI Technical Report SIG-Challenge-B3 (5/5) RoboCup SSL Humanoid A Proposal and its Application of Color Voxel Server for RoboCup SSL
Mimehand II[1] [2] 1 Suzuki [3] [3] [4] (1) (2) 1 [5] (3) 50 (4) 指文字, 3% (25 個 ) 漢字手話 + 指文字, 10% (80 個 ) 漢字手話, 43% (357 個 ) 地名 漢字手話 + 指文字, 21
![Mimehand II[1] [2] 1 Suzuki [3] [3] [4] (1) (2) 1 [5] (3) 50 (4) 指文字, 3% (25 個 ) 漢字手話 + 指文字, 10% (80 個 ) 漢字手話, 43% (357 個 ) 地名 漢字手話 + 指文字, 21](/thumbs/84/89593262.jpg "Mimehand II[1] [2] 1 Suzuki [3] [3] [4] (1) (2) 1 [5] (3) 50 (4) 指文字, 3% (25 個 ) 漢字手話 + 指文字, 10% (80 個 ) 漢字手話, 43% (357 個 ) 地名 漢字手話 + 指文字, 21")
1 1 1 1 1 1 1 2 transliteration Machine translation of proper names from Japanese to Japanese Sign Language Taro Miyazaki 1 Naoto Kato 1 Hiroyuki Kaneko 1 Seiki Inoue 1 Shuichi Umeda 1 Toshihiro Shimizu
講義「○○○○」
講義 信頼度の推定と立証 内容. 点推定と区間推定. 指数分布の点推定 区間推定 3. 指数分布 正規分布の信頼度推定 担当 : 倉敷哲生 ( ビジネスエンジニアリング専攻 ) 統計的推測 標本から得られる情報を基に 母集団に関する結論の導出が目的 測定値 x x x 3 : x 母集団 (populaio) 母集団の特性値 統計的推測 標本 (sample) 標本の特性値 分布のパラメータ ( 母数
と 測定を繰り返した時のばらつき の和が 全体のばらつき () に対して どれくらいの割合となるかがわかり 測定システムを評価することができる MSA 第 4 版スタディガイド ジャパン プレクサス (010)p.104 では % GRR の値が10% 未満であれば 一般に受容れられる測定システムと
.5 Gage R&R による解析.5.1 Gage R&Rとは Gage R&R(Gage Repeatability and Reproducibility ) とは 測定システム分析 (MSA: Measurement System Analysis) ともいわれ 測定プロセスを管理または審査するための手法である MSAでは ばらつきの大きさを 変動 という尺度で表し 測定システムのどこに原因があるのか
P2P P2P peer peer P2P peer P2P peer P2P i
26 P2P Proposed a system for the purpose of idle resource utilization of the computer using the P2P 1150373 2015 2 27 P2P P2P peer peer P2P peer P2P peer P2P i Abstract Proposed a system for the purpose
GPGPU
GPGPU 2013 1008 2015 1 23 Abstract In recent years, with the advance of microscope technology, the alive cells have been able to observe. On the other hand, from the standpoint of image processing, the
統計的データ解析
統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c
カメラレディ原稿
IS2-A2 カメラを回転させた時の特徴点軌跡を用いた魚眼カメラの内部パラメータ推定 - モデルと評価関数の変更による改良 - 田中祐輝, 増山岳人, 梅田和昇 Yuki TANAKA, Gakuto MASUYAMA, Kazunori UMEDA : 中央大学大学院理工学研究科,y.tanaka@sensor.mech.chuo-u.ac.jp 中央大学理工学部,{masuyama, umeda}@mech.chuo-u.ac.jp
MATLAB® における並列・分散コンピューティング ~ Parallel Computing Toolbox™ & MATLAB Distributed Computing Server™ ~
MATLAB における並列 分散コンピューティング ~ Parallel Computing Toolbox & MATLAB Distributed Computing Server ~ MathWorks Japan Application Engineering Group Takashi Yoshida 2016 The MathWorks, Inc. 1 System Configuration
日心TWS
2017.09.22 (15:40~17:10) 日本心理学会第 81 回大会 TWS ベイジアンデータ解析入門 回帰分析を例に ベイジアンデータ解析 を体験してみる 広島大学大学院教育学研究科平川真 ベイジアン分析のステップ (p.24) 1) データの特定 2) モデルの定義 ( 解釈可能な ) モデルの作成 3) パラメタの事前分布の設定 4) ベイズ推論を用いて パラメタの値に確信度を再配分ベイズ推定
IPSJ SIG Technical Report PIN(Personal Identification Number) An Examination of Icon-based User Authentication Method for Mobile Terminals Fum
1 2 1 3 PIN(Personal Identification Number) An Examination of Icon-based User Authentication Method for Mobile Terminals Fumio Sugai, 1 Masami Ikeda, 2 Naonobu Okazaki 1 and Mi RangPark 3 In recent years,
1 1 1 1 1 A Smartphone Application for Improving Gait Hirotaka Kashihara, 1 Hiroki Shimizu, 1 Takefumi Miyoshi, 1 Tsutomu Yoshinaga 1 and Hidetsugu Irie 1 Although walking is a daily natural action, it
EnSightのご紹介
オープン CAE シンポジウム 2014 汎用ポストプロセッサー EnSight の大規模データ対応 CEI ソフトウェア株式会社代表取締役吉川慈人 http://www.ceisoftware.co.jp/ 内容 大規模データで時間のかかる処理 クライアント サーバー機能 マルチスレッドによる並列処理 サーバーの分散処理 クライアントの分散処理 ( 分散レンダリング ) EnSightのOpenFOAMインターフェース
学位研究17号
1715 3 The Student Transfer and the Articulation System in Chinese Higher Education HUANG Meiying Research in Academic Degrees, No. 17 March, 2003the article The Journal on Academic Degrees of National
: ( ) ( ) 1 *1 *2 *3 [1] *4 () *1 *2 e-portfolio *3 *4 [2] [1] (1) (2) ICT *5 CMS / LMS *6 ([3], ) 2 Mahara[4] () *7 *5 Information and Commu
![: ( ) ( ) 1 *1 *2 *3 [1] *4 () *1 *2 e-portfolio *3 *4 [2] [1] (1) (2) ICT *5 CMS / LMS *6 ([3], ) 2 Mahara[4] () *7 *5 Information and Commu](/thumbs/87/96831378.jpg ": ( ) ( ) 1 *1 *2 *3 [1] *4 () *1 *2 e-portfolio *3 *4 [2] [1] (1) (2) ICT *5 CMS / LMS *6 ([3], ) 2 Mahara[4] () *7 *5 Information and Commu")
Vol. 14 No. 2 2013 Implementation of Teacher-training Course Cards in Educational e-portfolios Yuuichi KAWAGUCHI Taizou AIUCHI In our college, we use teacher-training course cards (Rishu Karte) to enable
28 Horizontal angle correction using straight line detection in an equirectangular image
28 Horizontal angle correction using straight line detection in an equirectangular image 1170283 2017 3 1 2 i Abstract Horizontal angle correction using straight line detection in an equirectangular image
IT i
27 The automatic extract of know-how search tag using a thesaurus 1160374 2016 2 26 IT i Abstract The automatic extract of know-how search tag using a thesaurus In recent years, a number of organizational
Probit , Mixed logit
Probit, Mixed logit 2016/5/16 スタートアップゼミ #5 B4 後藤祥孝 1 0. 目次 Probit モデルについて 1. モデル概要 2. 定式化と理解 3. 推定 Mixed logit モデルについて 4. モデル概要 5. 定式化と理解 6. 推定 2 1.Probit 概要 プロビットモデルとは. 効用関数の誤差項に多変量正規分布を仮定したもの. 誤差項には様々な要因が存在するため,
Microsoft PowerPoint - ARCEMB08HayashiSlides.ppt [互換モード]
![Microsoft PowerPoint - ARCEMB08HayashiSlides.ppt [互換モード]](/thumbs/93/113153048.jpg "Microsoft PowerPoint - ARCEMB08HayashiSlides.ppt [互換モード]")
演算 / メモリ性能バランスを考慮した CMP 向けオンチップ メモリ貸与法の提案 九州大学 林徹生今里賢一井上弘士村上和彰 1 発表手順 背景 目的 演算 / メモリ性能バランシング 概要 アクセスレイテンシの削減とオーバーヘッド 提案手法の実現方法 着目する命令 (Cell プロセッサへの ) 実装 性能評価 姫野ベンチマーク Susan@MiBench おわりに 2 チップマルチプロセッサ (CMP)
Input image Initialize variables Loop for period of oscillation Update height map Make shade image Change property of image Output image Change time L
1,a) 1,b) 1/f β Generation Method of Animation from Pictures with Natural Flicker Abstract: Some methods to create animation automatically from one picture have been proposed. There is a method that gives
IPSJ SIG Technical Report Vol.2015-MUS-106 No.10 Vol.2015-EC-35 No /3/2 BGM 1,4,a) ,4 BGM. BGM. BGM BGM. BGM. BGM. BGM. 1.,. YouTube 201
BGM 1,4,a) 1 2 2 3,4 BGM. BGM. BGM BGM. BGM. BGM. BGM. 1.,. YouTube 2015 1 100.. Web.. BGM.BGM [1]. BGM BGM 1 Waseda University, Shinjuku, Tokyo 169-8555, Japan 2 3 4 JST CREST a) ha-ru-ki@asagi.waseda.jp.
20 Method for Recognizing Expression Considering Fuzzy Based on Optical Flow
20 Method for Recognizing Expression Considering Fuzzy Based on Optical Flow 1115084 2009 3 5 3.,,,.., HCI(Human Computer Interaction),.,,.,,.,.,,..,. i Abstract Method for Recognizing Expression Considering
IPSJ SIG Technical Report Vol.2012-CG-148 No /8/29 3DCG 1,a) On rigid body animation taking into account the 3D computer graphics came
3DCG 1,a) 2 2 2 2 3 On rigid body animation taking into account the 3D computer graphics camera viewpoint Abstract: In using computer graphics for making games or motion pictures, physics simulation is
Microsoft PowerPoint - ARC2009HashiguchiSlides.pptx
3 次元 DRAM プロセッサ積層実装を 対象としたオンチップ メモリ アーキテクチャの提案と評価 橋口慎哉 小野貴継 ( 現 ) 井上弘士 村上和彰 九州大学大学院システム情報科学府 九州大学大学院システム情報科学研究院 発表手順 研究背景 研究目的 ハイブリッド キャッシュ アーキテクチャ 評価実験 まとめと今後の課題 2 3 次元実装技術 研究背景 グローバル配線長の削減 チップ面積縮小 異なるプロセスを経て製造されたダイ同士の積層
DEIM Forum 2010 A Web Abstract Classification Method for Revie
DEIM Forum 2010 A2-2 305 8550 1 2 305 8550 1 2 E-mail: s0813158@u.tsukuba.ac.jp, satoh@slis.tsukuba.ac.jp Web Abstract Classification Method for Reviews using Degree of Mentioning each Viewpoint Tomoya
IPSJ SIG Technical Report Vol.2015-CVIM-196 No /3/6 1,a) 1,b) 1,c) U,,,, The Camera Position Alignment on a Gimbal Head for Fixed Viewpoint Swi
1,a) 1,b) 1,c) U,,,, The Camera Position Alignment on a Gimbal Head for Fixed Viewpoint Swiveling using a Misalignment Model Abstract: When the camera sets on a gimbal head as a fixed-view-point, it is
untitled
2009 57 2 393 411 c 2009 1 1 1 2009 1 15 7 21 7 22 1 1 1 1 1 1 1 1. 1 1 1 2 3 4 12 2000 147 31 1 3,941 596 1 528 1 372 1 1 1.42 350 1197 1 13 1 394 57 2 2009 1 1 19 2002 2005 4.8 1968 5 93SNA 6 12 1 7,
16.16%
2017 (411824) 16.16% Abstract Multi-core processor is common technique for high computing performance. In many multi-core processor architectures, all processors share L2 and last level cache memory. Thus,
Coding theorems for correlated sources with cooperative information
グラフコストの逐次更新を用いた映像顕著領域の自動抽出 2009 年 5 月 28 日 福地賢宮里洸司 (2) 木村昭悟 (1) 高木茂 (2) 大和淳司 (1) (1) 日本電信電話 ( 株 )NTT) コミュニケーション科学基礎研究所メディア情報研究部メディア認識研究グループ (2) 国立沖縄工業高等専門学校情報通信システム工学科 背景 ヒトはどのようにして もの を認識する能力を獲得するのか?
IPSJ SIG Technical Report Vol.2014-CG-155 No /6/28 1,a) 1,2,3 1 3,4 CG An Interpolation Method of Different Flow Fields using Polar Inter
,a),2,3 3,4 CG 2 2 2 An Interpolation Method of Different Flow Fields using Polar Interpolation Syuhei Sato,a) Yoshinori Dobashi,2,3 Tsuyoshi Yamamoto Tomoyuki Nishita 3,4 Abstract: Recently, realistic
soturon.dvi
12 Exploration Method of Various Routes with Genetic Algorithm 1010369 2001 2 5 ( Genetic Algorithm: GA ) GA 2 3 Dijkstra Dijkstra i Abstract Exploration Method of Various Routes with Genetic Algorithm
Web UX Web Web Web 1.2 Web GIF Kevin Burg Jamie Beck GIF GIF [2] Flixel Cinemagraph pro *1 Adobe Photoshop *2 GIMP *3 Web *1 Flixel Photos Inc. *2 *3
![Web UX Web Web Web 1.2 Web GIF Kevin Burg Jamie Beck GIF GIF [2] Flixel Cinemagraph pro *1 Adobe Photoshop *2 GIMP *3 Web *1 Flixel Photos Inc. *2 *3](/thumbs/89/99926796.jpg "Web UX Web Web Web 1.2 Web GIF Kevin Burg Jamie Beck GIF GIF [2] Flixel Cinemagraph pro *1 Adobe Photoshop *2 GIMP *3 Web *1 Flixel Photos Inc. *2 *3")
1 1 1 Web Web SNS 1 The Proposition of New Method to Generate Cinemagraph in Simple Way Isono Yuuka 1 Ando Daichi 1 Kasahafa Shinichi 1 Abstract: Recently, many animations are used for the web design.
2 122
32 2008 pp. 121 133 1 Received November 4, 2008 The aim of this paper is to clarify some profound changes in the language used in the visual media, especially in TV news programs in Japan, and show what
不確かさ 資料 1/8
不確かさ 資料 /8 天びんの校正の不確かさの目安 表 に 代表的な電子天びんの校正の不確かさ ( 目安 ) 示します 表 校正の不確かさ ( 目安 ) 最小表示 機種 校正ポイント拡張不確かさ ( 風袋なし ) (k=2) 0.00mg BM-20 g 0.09 mg GH-202 50 g 0.7 mg 0.0mg GH-252 00 g 0.3 mg BM-252 00 g 0.29 mg GR-20/GH-20
FabHetero FabHetero FabHetero FabCache FabCache SPEC2000INT IPC FabCache 0.076%
2013 (409812) FabHetero FabHetero FabHetero FabCache FabCache SPEC2000INT 6 1000 IPC FabCache 0.076% Abstract Single-ISA heterogeneous multi-core processors are increasing importance in the processor architecture.
インターリーブＡＤＣでのタイミングスキュー影響のデジタル補正技術
1 インターリーブADCでのタイミングスキュー影響のデジタル補正技術 浅見幸司 黒沢烈士 立岩武徳 宮島広行 小林春夫 ( 株 ) アドバンテスト 群馬大学 2 目次 1. 研究背景 目的 2. インターリーブADCの原理 3. チャネル間ミスマッチの影響 3.1. オフセットミスマッチの影響 3.2. ゲインミスマッチの影響 3.3. タイミングスキューの影響 4. 提案手法 4.1. インターリーブタイミングミスマッチ補正フィルタ
したがって このモデルではの長さをもつ潜在履歴 latent history が存在し 同様に と指標化して扱うことができる 以下では 潜在的に起こりうる履歴を潜在履歴 latent history 実際にデ ータとして記録された履歴を記録履歴 recorded history ということにする M
Bayesian Inference with ecological applications Chapter 10 Bayesian Inference with ecological applications 輪読会 潜在的な事象を扱うための多項分布モデル Latent Multinomial Models 本章では 記録した頻度データが多項分布に従う潜在的な変数を集約したものと考えられるときの
, ( ξ/) ξ(x), ( ξ/) x = x 1,. ξ ξ ( ξ, u) = 0. M LS ξ ξ (6) u,, u M LS 3).,.. ξ x ξ = ξ(x),, 1. J = (ξ ξ, V [ξ ] 1 (ξ ξ )) (7) ( ξ, u) = 0, = 1,..., N
![, ( ξ/) ξ(x), ( ξ/) x = x 1,. ξ ξ ( ξ, u) = 0. M LS ξ ξ (6) u,, u M LS 3).,.. ξ x ξ = ξ(x),, 1. J = (ξ ξ, V [ξ ] 1 (ξ ξ )) (7) ( ξ, u) = 0, = 1,..., N](/thumbs/80/81723780.jpg ", ( ξ/) ξ(x), ( ξ/) x = x 1,. ξ ξ ( ξ, u) = 0. M LS ξ ξ (6) u,, u M LS 3).,.. ξ x ξ = ξ(x),, 1. J = (ξ ξ, V [ξ ] 1 (ξ ξ )) (7) ( ξ, u) = 0, = 1,..., N")
1,,.,.. Maximum Likelihood Estimation for Geometric Fitting Yasuyuki Sugaya 1 Geometric fitting, the problem which estimates a geometric model of a scene from extracted image data, is one of the most fundamental
ERDAS IMAGINE における処理速度の向上 株式会社ベストシステムズ PASCO CORPORATION 2015
ERDAS IMAGINE における処理速度の向上 株式会社ベストシステムズ 本セッションの目的 本セッションでは ERDAS IMAGINEにおける処理速度向上を目的として機器 (SSD 等 ) 及び並列処理の比較 検討を行った 1.SSD 及び RAMDISK を利用した処理速度の検証 2.Condorによる複数 PCを用いた並列処理 2.1 分散並列処理による高速化試験 (ERDAS IMAGINEのCondorを使用した試験
不偏推定量
不偏推定量 情報科学の補足資料 018 年 6 月 7 日藤本祥二 統計的推定 (statistical estimatio) 確率分布が理論的に分かっている標本統計量を利用する 確率分布の期待値の値をそのまま推定値とするのが点推定 ( 信頼度 0%) 点推定に ± で幅を持たせて信頼度を上げたものが区間推定 持たせた幅のことを誤差 (error) と呼ぶ 信頼度 (cofidece level)
IPSJ SIG Technical Report Vol.2017-ARC-225 No.12 Vol.2017-SLDM-179 No.12 Vol.2017-EMB-44 No /3/9 1 1 RTOS DefensiveZone DefensiveZone MPU RTOS
1 1 RTOS DefensiveZone DefensiveZone MPU RTOS RTOS OS Lightweight partitioning architecture for automotive systems Suzuki Takehito 1 Honda Shinya 1 Abstract: Partitioning using protection RTOS has high
2007-Kanai-paper.dvi
19 Estimation of Sound Source Zone using The Arrival Time Interval 1080351 2008 3 7 S/N 2 2 2 i Abstract Estimation of Sound Source Zone using The Arrival Time Interval Koichiro Kanai The microphone array
[2] OCR [3], [4] [5] [6] [4], [7] [8], [9] 1 [10] Fig. 1 Current arrangement and size of ruby. 2 Fig. 2 Typography combined with printing
![[2] OCR [3], [4] [5] [6] [4], [7] [8], [9] 1 [10] Fig. 1 Current arrangement and size of ruby. 2 Fig. 2 Typography combined with printing](/thumbs/93/112070099.jpg "[2] OCR [3], [4] [5] [6] [4], [7] [8], [9] 1 [10] Fig. 1 Current arrangement and size of ruby. 2 Fig. 2 Typography combined with printing")
1,a) 1,b) 1,c) 2012 11 8 2012 12 18, 2013 1 27 WEB Ruby Removal Filters Using Genetic Programming for Early-modern Japanese Printed Books Taeka Awazu 1,a) Masami Takata 1,b) Kazuki Joe 1,c) Received: November
2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] PLUM [2] LifelogViewer 3 1 Apple iphoto, 2 Goo
![2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] PLUM [2] LifelogViewer 3 1 Apple iphoto, 2 Goo](/thumbs/93/112162943.jpg "2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] PLUM [2] LifelogViewer 3 1 Apple iphoto, 2 Goo")
DEIM Forum 2012 D9-4 606 8501 E-mail: {sasage,tsukuda,nakamura,tanaka}@dl.kuis.kyoto-u.ac.jp,,,, 1. 2000 1 20 10 GPS A A A A A A A 2. Apple iphoto 1 Google Picasa 2 Calendar for Everything [1] Email PLUM
Microsoft PowerPoint - statistics pptx
統計学 第 16 回 講義 母平均の区間推定 Part-1 016 年 6 10 ( ) 1 限 担当教員 : 唐渡 広志 ( からと こうじ ) 研究室 : 経済学研究棟 4 階 43 号室 email: kkarato@eco.u-toyama.ac.jp website: http://www3.u-toyama.ac.jp/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を
(MIRU2008) HOG Histograms of Oriented Gradients (HOG)
(MIRU2008) 2008 7 HOG - - E-mail: katsu0920@me.cs.scitec.kobe-u.ac.jp, {takigu,ariki}@kobe-u.ac.jp Histograms of Oriented Gradients (HOG) HOG Shape Contexts HOG 5.5 Histograms of Oriented Gradients D Human
2reA-A08.dvi
204 30 1 SP2-A2015 Digital Picture Book System for Foreign Learners who Studies Japanese Onomatopoeia 1 Arisa Maeda Hiroki Uema Faculty of Informatics, Kansai University Graduate School of Informatics,
1 3DCG [2] 3DCG CG 3DCG [3] 3DCG 3 3 API 2 3DCG 3 (1) Saito [4] (a) 1920x1080 (b) 1280x720 (c) 640x360 (d) 320x G-Buffer Decaudin[5] G-Buffer D
![1 3DCG [2] 3DCG CG 3DCG [3] 3DCG 3 3 API 2 3DCG 3 (1) Saito [4] (a) 1920x1080 (b) 1280x720 (c) 640x360 (d) 320x G-Buffer Decaudin[5] G-Buffer D](/thumbs/91/105248386.jpg "1 3DCG [2] 3DCG CG 3DCG [3] 3DCG 3 3 API 2 3DCG 3 (1) Saito [4] (a) 1920x1080 (b) 1280x720 (c) 640x360 (d) 320x G-Buffer Decaudin[5] G-Buffer D")
3DCG 1) ( ) 2) 2) 1) 2) Real-Time Line Drawing Using Image Processing and Deforming Process Together in 3DCG Takeshi Okuya 1) Katsuaki Tanaka 2) Shigekazu Sakai 2) 1) Department of Intermedia Art and Science,
1 OpenCL OpenCL 1 OpenCL GPU ( ) 1 OpenCL Compute Units Elements OpenCL OpenCL SPMD (Single-Program, Multiple-Data) SPMD OpenCL work-item work-group N
GPU 1 1 2 1, 3 2, 3 (Graphics Unit: GPU) GPU GPU GPU Evaluation of GPU Computing Based on An Automatic Program Generation Technology Makoto Sugawara, 1 Katsuto Sato, 1 Kazuhiko Komatsu, 2 Hiroyuki Takizawa
LAN LAN LAN LAN LAN LAN,, i
22 A secure wireless communication system using virtualization technologies 1115139 2011 3 4 LAN LAN LAN LAN LAN LAN,, i Abstract A secure wireless communication system using virtualization technologies
Core1 FabScalar VerilogHDL Cache Cache FabScalar 1 CoreConnect[2] Wishbone[3] AMBA[4] AMBA 1 AMBA ARM L2 AMBA2.0 AMBA2.0 FabScalar AHB APB AHB AMBA2.0
![Core1 FabScalar VerilogHDL Cache Cache FabScalar 1 CoreConnect[2] Wishbone[3] AMBA[4] AMBA 1 AMBA ARM L2 AMBA2.0 AMBA2.0 FabScalar AHB APB AHB AMBA2.0](/thumbs/92/110467312.jpg "Core1 FabScalar VerilogHDL Cache Cache FabScalar 1 CoreConnect[2] Wishbone[3] AMBA[4] AMBA 1 AMBA ARM L2 AMBA2.0 AMBA2.0 FabScalar AHB APB AHB AMBA2.0")
AMBA 1 1 1 1 FabScalar FabScalar AMBA AMBA FutureBus Improvement of AMBA Bus Frame-work for Heterogeneos Multi-processor Seto Yusuke 1 Takahiro Sasaki 1 Kazuhiko Ohno 1 Toshio Kondo 1 Abstract: The demand
1. World Trade Center 5). 6).. 3. Massive 3.1 Massive Massive D 2 7)8). Massive.. Maya 3 9) Massive ). 2 c2011 Information Processing Soc
. Massive Development of evacuation model in disaster Yuji Hashiura Tokuro Matsuo Takayuki Ito If big disasters occurs in the city, evacuation is important to reduce the various damage. During the disaster,
Bulletin of JSSAC(2014) Vol. 20, No. 2, pp (Received 2013/11/27 Revised 2014/3/27 Accepted 2014/5/26) It is known that some of number puzzles ca
Bulletin of JSSAC(2014) Vol. 20, No. 2, pp. 3-22 (Received 2013/11/27 Revised 2014/3/27 Accepted 2014/5/26) It is known that some of number puzzles can be solved by using Gröbner bases. In this paper,
Using VectorCAST/C++ with Test Driven Development
ホワイトペーパー V2.0 2018-01 目次 1 はじめに...3 2 従来型のソフトウェア開発...3 3 テスト主導型開発...4 4...5 5 TDD を可能にするテストオートメーションツールの主要機能...5 5.1 テストケースとソースコード間のトレーサビリティー...5 5.2 テストケースと要件間のトレーサビリティー...6 6 テスト主導型開発の例...7 2 1 はじめに 本書では
Appropriate Disaster Preparedness Education in Classrooms According to Students Grade, from Kindergarten through High School Contrivance of an Educati
Appropriate Disaster Preparedness Education in Classrooms According to Students Grade, from Kindergarten through High School Contrivance of an Education of Disaster Preparedness System and Class Practice
, (GPS: Global Positioning Systemg),.,, (LBS: Local Based Services).. GPS,.,. RFID LAN,.,.,.,,,.,..,.,.,,, i
25 Estimation scheme of indoor positioning using difference of times which chirp signals arrive 114348 214 3 6 , (GPS: Global Positioning Systemg),.,, (LBS: Local Based Services).. GPS,.,. RFID LAN,.,.,.,,,.,..,.,.,,,
EQUIVALENT TRANSFORMATION TECHNIQUE FOR ISLANDING DETECTION METHODS OF SYNCHRONOUS GENERATOR -REACTIVE POWER PERTURBATION METHODS USING AVR OR SVC- Ju
EQUIVALENT TRANSFORMATION TECHNIQUE FOR ISLANDING DETECTION METHODS OF SYNCHRONOUS GENERATOR -REACTIVE POWER PERTURBATION METHODS USING AVR OR SVC- Jun Motohashi, Member, Takashi Ichinose, Member (Tokyo
Microsoft PowerPoint - 【最終提出版】 MATLAB_EXPO2014講演資料_ルネサス菅原.pptx
MATLAB/Simulink を使用したモータ制御アプリのモデルベース開発事例 ルネサスエレクトロニクス株式会社 第二ソリューション事業本部産業第一事業部家電ソリューション部 Rev. 1.00 2014 Renesas Electronics Corporation. All rights reserved. IAAS-AA-14-0202-1 目次 1. はじめに 1.1 モデルベース開発とは?
TopSE並行システム はじめに
はじめに 平成 23 年 9 月 1 日 トップエスイープロジェクト 磯部祥尚 ( 産業技術総合研究所 ) 2 本講座の背景と目標 背景 : マルチコア CPU やクラウドコンピューティング等 並列 / 分散処理環境が身近なものになっている 複数のプロセス ( プログラム ) を同時に実行可能 通信等により複数のプロセスが協調可能 並行システムの構築 並行システム 通信 Proc2 プロセス ( プログラム
遅延デジタルフィルタの分散型積和演算回路を用いたFPGA実装の検討
第 回電気学会東京支部栃木 群馬支所合同研究発表会 ETT--7 遅延デジタルフィルタの分散型積和演算回路を用いた FPGA 実装の検討 易茹 * 立岩武徳 ( 群馬大学 ) 浅見幸司 ( 株式会社アドバンテスト ) 小林春夫 ( 群馬大学 ) 発表内容 研究の背景 目的 分散型積和演算回路 実装の検討 まとめ 今後の課題 発表内容 研究の背景 目的 分散型積和演算回路 実装の検討 まとめ 今後の課題
論 文 Earnings Management in Pension Accounting and Revised Jones Model Kazuo Yoshida, Nagoya City University 要約本稿では退職給付会計における全ての会計選択を取り上げて 経営者の報告利益管理行動
論 文 Earnings Management in Pension Accounting and Revised Jones Model Kazuo Yoshida, Nagoya City University 要約本稿では退職給付会計における全ての会計選択を取り上げて 経営者の報告利益管理行動について包括的な分析を行った 分析の結果 会計基準変更時差異による裁量額が最も大きく 報告利益管理の主要な手段であったことが明らかとなった
(3.6 ) (4.6 ) 2. [3], [6], [12] [7] [2], [5], [11] [14] [9] [8] [10] (1) Voodoo 3 : 3 Voodoo[1] 3 ( 3D ) (2) : Voodoo 3D (3) : 3D (Welc
![(3.6 ) (4.6 ) 2. [3], [6], [12] [7] [2], [5], [11] [14] [9] [8] [10] (1) Voodoo 3 : 3 Voodoo[1] 3 ( 3D ) (2) : Voodoo 3D (3) : 3D (Welc](/thumbs/65/54056306.jpg "(3.6 ) (4.6 ) 2. [3], [6], [12] [7] [2], [5], [11] [14] [9] [8] [10] (1) Voodoo 3 : 3 Voodoo[1] 3 ( 3D ) (2) : Voodoo 3D (3) : 3D (Welc")
1,a) 1,b) Obstacle Detection from Monocular On-Vehicle Camera in units of Delaunay Triangles Abstract: An algorithm to detect obstacles by using a monocular on-vehicle video camera is developed. Since
モータ HILS の概要 1 はじめに モータ HILS の需要 自動車の電子化及び 電気自動車やハイブリッド車の実用化に伴い モータの使用数が増大しています 従来行われていた駆動用モータ単体のシミュレーション レシプロエンジンとモータの駆動力分配制御シミュレーションの利用に加え パワーウインドやサ
モータ HILS の概要 1 はじめに モータ HILS の需要 自動車の電子化及び 電気自動車やハイブリッド車の実用化に伴い モータの使用数が増大しています 従来行われていた駆動用モータ単体のシミュレーション レシプロエンジンとモータの駆動力分配制御シミュレーションの利用に加え パワーウインドやサンルーフなどのボディー系 電動パワーステアリングやそのアシスト機能など 高度な制御 大電流の制御などが要求されています
21 Key Exchange method for portable terminal with direct input by user
21 Key Exchange method for portable terminal with direct input by user 1110251 2011 3 17 Diffie-Hellman,..,,,,.,, 2.,.,..,,.,, Diffie-Hellman, i Abstract Key Exchange method for portable terminal with
AP AP AP AP AP AP AP( AP) AP AP( AP) AP AP Air Patrol[1] Air Patrol Cirond AP AP Air Patrol Senser Air Patrol Senser AP AP Air Patrol Senser AP
![AP AP AP AP AP AP AP( AP) AP AP( AP) AP AP Air Patrol[1] Air Patrol Cirond AP AP Air Patrol Senser Air Patrol Senser AP AP Air Patrol Senser AP](/thumbs/89/100390964.jpg "AP AP AP AP AP AP AP( AP) AP AP( AP) AP AP Air Patrol[1] Air Patrol Cirond AP AP Air Patrol Senser Air Patrol Senser AP AP Air Patrol Senser AP")
AP AP 1,a) 2,b) LAN LAN AP LAN AP LAN AP Proposal of a System to Estimate the Location of Unknown Wireless APs by Utilizing the Signal Strength and Location Information of the Known APs Yoshiaki Tahara
memo
数理情報工学特論第一 機械学習とデータマイニング 4 章 : 教師なし学習 3 かしまひさし 鹿島久嗣 ( 数理 6 研 ) kashima@mist.i.~ DEPARTMENT OF MATHEMATICAL INFORMATICS 1 グラフィカルモデルについて学びます グラフィカルモデル グラフィカルラッソ グラフィカルラッソの推定アルゴリズム 2 グラフィカルモデル 3 教師なし学習の主要タスクは
DPA,, ShareLog 3) 4) 2.2 Strino Strino STRain-based user Interface with tacticle of elastic Natural ObjectsStrino 1 Strino ) PC Log-Log (2007 6)
1 2 1 3 Experimental Evaluation of Convenient Strain Measurement Using a Magnet for Digital Public Art Junghyun Kim, 1 Makoto Iida, 2 Takeshi Naemura 1 and Hiroyuki Ota 3 We present a basic technology
24 Region-Based Image Retrieval using Fuzzy Clustering
24 Region-Based Image Retrieval using Fuzzy Clustering 1130323 2013 3 9 Visual-key Image Retrieval(VKIR) k-means Fuzzy C-means 2 200 2 2 20 VKIR 5 18% 54% 7 30 Fuzzy C-means i Abstract Region-Based Image
7,, i
23 Research of the authentication method on the two dimensional code 1145111 2012 2 13 7,, i Abstract Research of the authentication method on the two dimensional code Karita Koichiro Recently, the two
Excelによる統計分析検定_知識編_小塚明_5_9章.indd
第7章57766 検定と推定 サンプリングによって得られた標本から, 母集団の統計的性質に対して推測を行うことを統計的推測といいます 本章では, 推測統計の根幹をなす仮説検定と推定の基本的な考え方について説明します 前章までの知識を用いて, 具体的な分析を行います 本章以降の知識は操作編での操作に直接関連していますので, 少し聞きなれない言葉ですが, 帰無仮説 有意水準 棄却域 などの意味を理解して,
Microsoft Word doc
. 正規線形モデルのベイズ推定翠川 大竹距離減衰式 (PGA(Midorikawa, S., and Ohtake, Y. (, Attenuation relationships of peak ground acceleration and velocity considering attenuation characteristics for shallow and deeper earthquakes,
900 GPS GPS DGPS Differential GPS RTK-GPS Real Time Kinematic GPS 2) DGPS RTK-GPS GPS GPS Wi-Fi 3) RFID 4) M-CubITS 5) Wi-Fi PSP PlayStation Portable
Vol. 51 No. 3 899 913 (Mar. 2010) 1 2 1 1 1 GPS GPS GPS GPS GPS GPS 80 m 80 m 2 3 GPS 0 GPS GPS GPS 5 CGI NTT KDDI 98% A Pedestrian Positioning System Using Road Traffic Signs and Landmarks Tomoyuki Kojima,
Autodesk Inventor Skill Builders Autodesk Inventor 2010 構造解析の精度改良 メッシュリファインメントによる収束計算 予想作業時間:15 分 対象のバージョン:Inventor 2010 もしくはそれ以降のバージョン シミュレーションを設定する際
Autodesk Inventor Skill Builders Autodesk Inventor 2010 構造解析の精度改良 メッシュリファインメントによる収束計算 予想作業時間:15 分 対象のバージョン:Inventor 2010 もしくはそれ以降のバージョン シミュレーションを設定する際に 収束判定に関するデフォルトの設定をそのまま使うか 修正をします 応力解析ソルバーでは計算の終了を判断するときにこの設定を使います
IPSJ SIG Technical Report Vol.2014-IOT-27 No.14 Vol.2014-SPT-11 No /10/10 1,a) 2 zabbix Consideration of a system to support understanding of f
1,a) 2 zabbix Consideration of a system to support understanding of fault occurrences based on the similarity of the time series Miyaza Nao 1,a) Masuda Hideo 2 Abstract: With the development of network
Microsoft Word - NumericalComputation.docx
数値計算入門 武尾英哉. 離散数学と数値計算 数学的解法の中には理論計算では求められないものもある. 例えば, 定積分は, まずは積分 ( 被積分関数の原始関数をみつけること できなければ値を得ることはできない. また, ある関数の所定の値における微分値を得るには, まずその関数の微分ができなければならない. さらに代数方程式の解を得るためには, 解析的に代数方程式を解く必要がある. ところが, これらは必ずしも解析的に導けるとは限らない.
Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷
熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている
The 15th Game Programming Workshop 2010 Magic Bitboard Magic Bitboard Bitboard Magic Bitboard Bitboard Magic Bitboard Magic Bitboard Magic Bitbo
Magic Bitboard Magic Bitboard Bitboard Magic Bitboard Bitboard Magic Bitboard 64 81 Magic Bitboard Magic Bitboard Bonanza Proposal and Implementation of Magic Bitboards in Shogi Issei Yamamoto, Shogo Takeuchi,