( 前半 ) 目次 1. 辞書学習の導入と先行研究の紹介. 辞書学習の応用事例 3. 辞書学習のサンプル複雑度とは ( 後半 ) 4. 既存の辞書学習のアルゴリズム 5.Bayes 推定を用いた辞書学習のアルゴリズム /53
|
|
- ありさ こうだ
- 5 years ago
- Views:
Transcription
1 スパース表現を探す - 辞書学習におけるサンプル複雑度と アルゴリズム - 坂田綾香 A, 樺島祥介 B A 統計数理研究所, B 東京工業大学 1/53
2 ( 前半 ) 目次 1. 辞書学習の導入と先行研究の紹介. 辞書学習の応用事例 3. 辞書学習のサンプル複雑度とは ( 後半 ) 4. 既存の辞書学習のアルゴリズム 5.Bayes 推定を用いた辞書学習のアルゴリズム /53
3 ( 前半 ) 目次 1. 辞書学習の導入と先行研究の紹介. 辞書学習の応用事例 3. 辞書学習のサンプル複雑度とは ( 後半 ) 4. 既存の辞書学習のアルゴリズム 5.Bayes 推定を用いた辞書学習のアルゴリズム 3/53
4 辞書 とは スパース表現のための 基底 データ次元 M 3 での例 y 3 辞書 (N 5 本 ) y データサンプル ( 全部で P 個 ) y y 1 全ての基底は使わない スパース表現 4/53
5 行列表記 M 次元 P 個のデータ M 次元 N 個の基底 ( 辞書 ) P 個のデータごとのスパース表現 P N P M Y 1 Y Y P M 1 3 N N ゼロ成分 1 P データ次元 < 辞書コラムの数のとき を過完備辞書と呼ぶ 5/53
6 過完備辞書を用いる目的 特徴を抽出する データが持つ傾向を辞書として表現する ノイズ耐性を得る ゼロ成分が存在していることで もとの信号とノイズを分離することが容易になる 圧縮表現を得る 冗長な成分をゼロ成分と見なすことで圧縮された表現が得られる 6/53
7 M 次元 P 個のデータ P 辞書学習 M 次元 N 個の基底 ( 辞書 ) N P 個のデータごとのスパース表現 P M Y 1 Y Y P M 1 3 N N ゼロ成分 1 P データ Y から辞書 とスパース表現 を学習することを 辞書学習と呼ぶ 7/53
8 辞書学習は行列分解の一種 8/53
9 行列分解問題 データを行列の積として近似する問題の総称 Y ~ A 表現基底 個別の問題ごとに 行列の性質を仮定する 主成分分析 (PCA) A のコラムは互いに直交する 非負因子行列分解 (NMF) A, の要素が非ゼロ 辞書学習 (L) がスパース A の空間での座標 9/53
10 スパース基底に関する研究 年代 : フーリエ基底による信号処理 1965 FFT M M M M Y n 1 M-1 exp( iny), x T y 1/53
11 スパース基底に関する研究 年代 : フーリエ基底による信号処理 1965 FFT フーリエ基底を用いた圧縮 (under coplete 基底 ) K M ~ M K (K < M) Y K n exp( iny), x T y 11/53
12 スパース基底に関する研究. 197, 198 年代 : 主成分分析 (PCA) 主成分 : 第 k 成分 : k arg ax P ( T ) a Y arg ax a Σa 1 a: a Σ の第 1 固有ベクトル T l 1 l 1 a: a 1 Σ の第 k 固有ベクトル Σ Y T Y P M P M Y M M Y 1 Y P 1 M 1 P 1/53
13 スパース基底に関する研究. 197, 198 年代 : 主成分分析 (PCA) 主成分 : 第 k 成分 : k P arg ax P ( T ) a Y arg ax a Σa 1 a: a Σ の第 1 固有ベクトル T l 1 l 1 a: a 1 Σ の第 k 固有ベクトル PCA に基づく圧縮 (under coplete 基底 ) R P Σ Y T Y M Y ~ M R Y 1 Y P 1 R 1 P 13/53
14 スパース基底に関する研究 3. 過完備基底の提案 Sioncelli et al. (199) 基底の直交性を破り 冗長にする Wavelet 変換の並進 回転不変性の欠如を補う目的 Nason and Silveran (1995) Stationary Wavelet Transfor 14/53
15 スパース基底に関する研究 4. 変換 から 基底選択 へ 変換によるスパース表現ではなく 固定された辞書の選択によりスパース表現を得る Chen et al. (1994) 基底選択問題を L1 最小化として定式化 L1 最小化に対して Basis Pursuit アルゴリズムを提案 N in x, subject to y 1 x M N Y 1 1 N 15/53
16 5. 辞書の学習 スパース基底に関する研究 Olshausen and Field (1997) 視覚野における情報表現の疎性について エッジやラインなどの 少数の基本的性質が画像の本質である 視覚野において 少数の性質を抽出するコーディングが行われていると考えられる 基底行列の線形和として 高次元の情報を表す方法を提案 ただし和の数は少ないとする ( スパース性 ) 最尤推定に基づく学習を通して 入力データから基底を学習 16/53
17 スパース基底に関する研究 Olshausen-Field の問題設定 画像 I(x) を i I ( x) φ ( x ) として表す基底 {φ i (x)} スパースベクトル {a i } を知りたい a i i i 方法 E( I, a φ) として * φ I( x) aiφi ( xi ) + x i arg in φ i λ in E( I, a φ) a i S( a i ) スパース正則化 I 平均 17/53
18 スパース基底に関する研究 6. 辞書学習に対するアルゴリズムの開発 Method of Optial irection (Engan et al. 1999) K SV (Aharon et al. 6) 7. 辞書学習に対するサンプル複雑度の解析 Ahron et al. (6) Vainsencher et. al.(11) 18/53
19 ( 前半 ) 目次 1. 辞書学習の導入と先行研究の紹介. 辞書学習の応用事例 3. 辞書学習のサンプル複雑度とは ( 後半 ) 4. 既存の辞書学習のアルゴリズム 5.Bayes 推定を用いた辞書学習のアルゴリズム 19/53
20 過完備辞書による画像のスパース表現 [Elad (1)] スパース表現 データ集合 ictionary ~ 個のパッチ ゼロ成分 4 つの ictionary 成分の重ね合わせとして全パッチを表現 /53
21 辞書学習によるノイズ除去 [Elad and Aharon (6)] in λ Y Z,, Z + ij µ ij x ij + Z ノイズを含む画像 スパース制約 ノイズ除去された画像 辞書 元画像 ノイズあり画像 1/53
22 辞書学習によるノイズ除去 [Elad and Aharon (6)] σ ノイズあり画像 辞書学習 CT ノイズ除去画像 ノイズの強さ /53
23 ( 前半 ) 目次 1. 辞書学習の導入と先行研究の紹介. 辞書学習の応用事例 3. 辞書学習のサンプル複雑度とは ( 後半 ) 4. 既存の辞書学習のアルゴリズム 5.Bayes 推定を用いた辞書学習のアルゴリズム 3/53
24 Overcoplete dictionary によるスパース表現 [Elad (1)] スパース表現 データ集合 ictionary ~ 個のパッチ ゼロ成分 どのくらいサンプルがあれば dictionary を決定可能? 4/53
25 ictionary 同定のための条件 [Aharon et. al. (6)] 1.Support/Spark condition: i k < σ( )/ σ( ) (spark) 最小の線形従属なコラムの数 ( R M N がランダム行列のとき σ( ) M+1)..Richness condition: 同じ コラムの組み合わせ ( N C k 通り ) を持つ k+1 個のサンプルが 存在すること ( したがって, P > (k+1) N C k ) 3.Non-degeneracy condition: 同じ コラムの組み合わせを持つ k+1 サンプルのランクは k. 異なる コラムの組み合わせを持つ k+1 サンプルのランクは k+1. 5/53
26 ictionary 同定のための条件 [Aharon et. al. (6)] 1.Support/Spark condition: i k < σ( )/ σ( ) (spark) 最小の線形従属なコラムの数 ( R M N がランダム行列のとき σ( ) M+1)..Richness condition: 同じ コラムの組み合わせ ( N C k 通り ) を持つ k+1 個のサンプルが 存在すること ( したがって, P > (k+1) N C k ) 3.Non-degeneracy condition: 同じ コラムの組み合わせを持つ k+1 サンプルのランクは k. 異なる コラムの組み合わせを持つ k+1 サンプルのランクは k+1. 6/53
27 ictionary 同定のための条件 [Aharon et. al. (6)] Aharon et al. (6) は 諸条件を満たしたうえで P > P c ~exp(o(n)) ならば ictionaryを一意に同定できることが数学的に証明可 P > P c ~exp(o(n)) は十分条件 実際は P c ~N(k+1)~O(N ) で十分なのでは と考察しているが 数学的証明は難しい ( 後に [Vainsencher et. al.(11)] により証明される ) 一方で MN+NPρ 個の未知変数に対して既知のデータ数は MP M~O(N) のとき P~O(N) で良いのでは? 7/53
28 研究動機 統計力学的アプローチから P c を見積もる 特に大自由度極限 ( 熱力学的極限 )N,M, P における L の典型的な振る舞いを調べる Aharon らの planted solution シナリオを採用し,saple coplexity の典型な値を評価する. 8/53
29 制約付き二乗誤差最小化による辞書学習 M 次元 P 個のデータ M 次元 N 個の基底 ( 辞書 ) P 個のデータごとのスパース表現 P N P M Y 1 Y Y P M 1 3 N N ゼロ成分 1 P in, Y, subject to MN, NPθ 辞書を規格化 の非ゼロ成分数 9/53
30 Planted solution scenario 訓練データ P Y P 学習 N Y P N P > P c のとき, となる 3/53
31 31/53 制約付き二乗誤差最小化による辞書学習 事後分布 β で - の最小化が実現する 求めたいもの と の類似度 と の類似度の平均値 の分散 の平均値 ) ( ) ( ), ( exp ),, ( θ δ δ β β β NP NM Z N P
32 L の P 依存性を評価する 1 と, と の平均二乗誤差 ( 一成分当たり ) [ ] 1 1 [ ] (1 ) 1 MSE MN MN P(,, ) による, 平均 P (, ) による, 平均 MSE 1 NP ρ [ ] NP 1 NP [ ] [ ] + ρ + Q MSE, MSE なら <>, <> は, に収束 3/53
33 L の P 依存性を評価する と の分散 ( 一成分当たり ) χ β MN ([ ] [ ] ) [ ] 1 1 µ i µ i β µ, i MN µ, i µ i χ il ([ ] [ ] ) β il il NP 33/53
34 34/53 L の P 依存性を評価する 3 エネルギー密度 ( 一成分当たり ),, Q, χ, χ は f の停留点として与えられる Ω Ω ) (1 ) ( ), ; ( extr, h Q Q Q h Q Q Q Q f χ χ ρ αγ λ φ λθ χ χ γ χ χ χ α },,,,,, { },,,,, { λ χ χ χ χ Q Q Q Ω Ω M/N P/N
35 L の P 依存性を評価する : まとめ 平均二乗誤差と分散 Ω * arg extr Ω f ( Ω, Ω ) {, χ, Q,, χ } MSE, MSE, χ, χ エネルギー f ( Ω, Ω ) * * 1 MP 5 変数の連立方程式を解き Ω を求めればよい 複数個の解が存在する 35/53
36 解の分類 解 1 1 ρ Q ρ χ, χ f χ <, χ < f 解 Q x R + χ, χ f χ <, χ < f 36/53
37 解の分類 解 1: 成功解 (S) MSE MSE χ, χ χ <, χ < f f 解 : 失敗解 (F) MSE > MSE > χ, χ f χ <, χ < f 37/53
38 解の分類 解 1: 成功解 (S) MSE MSE 解 : 失敗解 (F) χ, χ χ <, χ < この解が唯一の安定解として存在するとき 学習成功 f f MSE > MSE > χ, χ f χ <, χ < f 38/53
39 解の分類. L の 統計力解 1: 成功解 (S) MSE MSE 学解 : 失敗解 (F) χ, χ χ <, χ < この解が唯一の安定解として存在するとき 学習成功 f f MSE > MSE > χ, χ f χ <, χ < f この解が存在するとき を満たす, がたくさん存在 39/53
40 1 成功解の γ 依存性 MSE MSE χ, χ f 1 < γ <γ S で存在 χ <, χ < f α > θ effs (θ, ρ), γ S < γ で存在 > S u α θeff ( θ, ρ) θ + (1 ρ) u exp π α γ > γ S ( α, θ, ρ) S α θ ( θ, ρ) u は次のように決められる + u eff exp( z dz π ) θ ρ (1 ρ) 4/53
41 . L の MSE> MSE > 学 統計力 失敗解の γ 依存性 χ, χ f < γ< γ F で存在 χ <, χ < f α > θ efff (θ, ρ), γ F < γ で存在 > F v α θeff ( θ ) θ + v exp π a γ > γ F ( α, θ ) F α θ v は次のように決められる ( ) + v eff dz exp π z θ 41/53
42 α θ 平面の相図 α > θefffでは (α θefff から決まるγFを用いて) P > NγFのときにplanted solutionを同定できる α θefff 1.8 α Learnable by O(N) saples αθ.6.4. Ipossible to learn..4 θ /53
43 α θ 平面の相図 α > θefffでは (α θefff から決まるγFを用いて) P > NγFのときにplanted solutionを同定できる α θefff 1.8 α Learnable by O(N) saples αθ.6.4 ベイズ最適な辞書学習では この領域でも学習が可能. Ipossible to learn..4 θ /53
44 44/53 ベイズ最適な学習則 平均自乗誤差 (MSE) を定義, は任意の学習則を用いて Y から推定した解 < > は次の同時分布による平均 i i i MN µ µ µ Y Y,, )) ( ( 1 MSE il il il NP Y Y,, )) ( ( 1 MSE ) ; ( ) ( ),, ( ρ δ Y Y P P N P ) ( Y ) ( Y
45 ベイズ最適な学習則 MSE はベイズ最適な学習則により最小化される この学習則による推定値は以下の通り OL M i Y OL i ( ) ( i 1,..., N), ( Y) i i は の i 番目のコラム < > は事後分布 P(, Y) P(,,Y)/P(Y) による, 平均. つまり 推定の際にモデルの真の分布が分かっている このとき レプリカ対称解は安定 [Y. Iba (1999)] 45/53
46 ベイズ最適な学習則の解析 真の値と推定値の重なり, を定義する 1 MN 1 NP µ i il µ i il OL µ l OL il ( Y) ( Y),,, Y, Y MSE (1 ), MSE (ρ ) となるので 1, ρ : と の学習に成功, : 学習失敗 レプリカ法により, のパラメータ依存性を明らかにする 46/53
47 47/53 レプリカ法による, の表式 ) (1 ) ( Ξ Ξ + + z P zd σ, ρσ γ ρσ α Ξ Ξ Ξ z ) (1, ) (1 ) ( exp 1 ρ σ σ σ ρ α M / N γ P / N ベイズ最適な学習則の解析
48 の γ 依存性 (α.5, ρ.) γ S γ F γ > γ S α/(α - ρ) で 1, ρ の解が現れる Saple coplexity は P c Nγ S. γ > γ M で 1, ρ 以外の解が消える しかし γ M は ρ ρ M (α) で発散する γ γ γ M α 圧縮率 ρ 非ゼロ要素の割合 48/53
49 γ M の α, ρ 依存性 α 圧縮率 ρ 非ゼロ要素の割合 γ M 4 γ M α.5 α γ M 4 γ ρ M ρ ρ ρ M.1..3 ρ ρ α と ρ の差が広がるにつれて γ M は増加し ρ > ρ M (α) で発散する 49/53
50 γ M の意味 γ S < γ < γ M γ > γ M 1 (MSE ) < < 1 (MSE > ) 1 (MSE ) γ > γ M で 1 が大域的安定解となる γ M が有限の時 局所探索アルゴリズムにより学習が可能 5/53
51 α ρ 平面上の相図 α α.4. (1) () (3) Ipossible to learn..4 ρ ρ 二乗誤差最小化による学習での O(N) liit ρ M (α) α ρ (1)+(): サンプル複雑度は P c Nγ S, γ S α/(α ρ). (1): γ M が有限 (γ > γ M では 1 が大域的安定解となる ) 51/53
52 まとめ 辞書学習に対して ベイズ最適な学習則を用いた場合の サンプル複雑度の解析を行った 非ゼロ要素の割合 ρ < 圧縮率 α のとき 原理的にはサンプル数 P > P c γ s N で辞書学習が達成可 サンプル複雑度は O(N) である 先行研究の上界 O(N ) を改善した 特に ρ < ρ M (α) の場合 学習成功状態が大域的な安定解となるため 多項式時間で解を得られる可能性が示唆された 5/53
53 ictionary Learning のアルゴリズム ictionary learning における理論限界 :P > P c ~O(N) 理論限界を実現するアルゴリズムを構成したい 必要なこと 既存アルゴリズムの性能評価 Method of Optial irection, K SV 新しいアルゴリズムの開発 改善 Belief propagation 53/53
様々なミクロ計量モデル†
担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル
More informationMicrosoft PowerPoint - H17-5時限(パターン認識).ppt
パターン認識早稲田大学講義 平成 7 年度 独 産業技術総合研究所栗田多喜夫 赤穂昭太郎 統計的特徴抽出 パターン認識過程 特徴抽出 認識対象から何らかの特徴量を計測 抽出 する必要がある 認識に有効な情報 特徴 を抽出し 次元を縮小した効率の良い空間を構成する過程 文字認識 : スキャナ等で取り込んだ画像から文字の識別に必要な本質的な特徴のみを抽出 例 文字線の傾き 曲率 面積など 識別 与えられた未知の対象を
More informationProbit , 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,
More informationPowerPoint Presentation
付録 2 2 次元アフィン変換 直交変換 たたみ込み 1.2 次元のアフィン変換 座標 (x,y ) を (x,y) に移すことを 2 次元での変換. 特に, 変換が と書けるとき, アフィン変換, アフィン変換は, その 1 次の項による変換 と 0 次の項による変換 アフィン変換 0 次の項は平行移動 1 次の項は座標 (x, y ) をベクトルと考えて とすれば このようなもの 2 次元ベクトルの線形写像
More informationMicrosoft PowerPoint - 10.pptx
0. 固有値とその応用 固有値と固有ベクトル 2 行列による写像から固有ベクトルへ m n A : m n n m 行列によって線形写像 f R R A が表せることを見てきた ここでは 2 次元平面の行列による写像を調べる 2 = 2 A 2 2 とし 写像 まず 単位ベクトルの像を求める u 2 x = v 2 y f : R A R を考える u 2 2 u, 2 2 0 = = v 2 0
More informationPowerPoint Presentation
. カーネル法への招待 正定値カーネルによるデータ解析 - カーネル法の基礎と展開 - 福水健次統計数理研究所 / 総合研究大学院大学 統計数理研究所公開講座 0 年 月 34 日 概要 カーネル法の基本 線形データ解析と非線形データ解析 カーネル法の原理 カーネル法の つの例 カーネル主成分分析 : PCA の非線形拡張 リッジ回帰とそのカーネル化 概要 カーネル法の基本 線形データ解析と非線形データ解析
More informationMicrosoft PowerPoint - 10.pptx
m u. 固有値とその応用 8/7/( 水 ). 固有値とその応用 固有値と固有ベクトル 行列による写像から固有ベクトルへ m m 行列 によって線形写像 f : R R が表せることを見てきた ここでは 次元平面の行列による写像を調べる とし 写像 f : を考える R R まず 単位ベクトルの像 u y y f : R R u u, u この事から 線形写像の性質を用いると 次の格子上の点全ての写像先が求まる
More informationvecrot
1. ベクトル ベクトル : 方向を持つ量 ベクトルには 1 方向 2 大きさ ( 長さ ) という 2 つの属性がある ベクトルの例 : 物体の移動速度 移動量電場 磁場の強さ風速力トルクなど 2. ベクトルの表現 2.1 矢印で表現される 矢印の長さ : ベクトルの大きさ 矢印の向き : ベクトルの方向 2.2 2 個の点を用いて表現する 始点 () と終点 () を結ぶ半直線の向き : ベクトルの方向
More informationMicrosoft Word - thesis.doc
剛体の基礎理論 -. 剛体の基礎理論初めに本論文で大域的に使用する記号を定義する. 使用する記号トルク撃力力角運動量角速度姿勢対角化された慣性テンソル慣性テンソル運動量速度位置質量時間 J W f F P p .. 質点の並進運動 質点は位置 と速度 P を用いる. ニュートンの運動方程式 という状態を持つ. 但し ここでは速度ではなく運動量 F P F.... より質点の運動は既に明らかであり 質点の状態ベクトル
More information0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌
0 部分的最小二乗回帰 Parial Leas Squares Regressio PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 部分的最小二乗回帰 (PLS) とは? 部分的最小二乗回帰 (Parial Leas Squares Regressio, PLS) 線形の回帰分析手法の つ 説明変数 ( 記述 ) の数がサンプルの数より多くても計算可能 回帰式を作るときにノイズの影響を受けにくい
More informationMicrosoft Word - 補論3.2
補論 3. 多変量 GARC モデル 07//6 新谷元嗣 藪友良 対数尤度関数 3 章 7 節では 変量の対数尤度を求めた ここでは多変量の場合 とくに 変量について対数尤度を求める 誤差項 は平均 0 で 次元の正規分布に従うとする 単純化のため 分散と共分散は時間を通じて一定としよう ( この仮定は後で変更される ) したがって ij から添え字 を除くことができる このとき と の尤度関数は
More information<4D F736F F D E4F8E9F82C982A882AF82E98D7397F1>
3 三次における行列 要旨高校では ほとんど 2 2 の正方行列しか扱ってなく 三次の正方行列について考えてみたかったため 数 C で学んだ定理を三次の正方行列に応用して 自分たちで仮説を立てて求めていったら 空間における回転移動を表す行列 三次のケーリー ハミルトンの定理 三次における逆行列を求めたり 仮説をたてることができた. 目的 数 C で学んだ定理を三次の正方行列に応用する 2. 概要目的の到達点として
More informationベイズ統計入門
ベイズ統計入門 条件付確率 事象 F が起こったことが既知であるという条件の下で E が起こる確率を条件付確率 (codtoal probablt) という P ( E F ) P ( E F ) P( F ) 定義式を変形すると 確率の乗法公式となる ( E F ) P( F ) P( E F ) P( E) P( F E) P 事象の独立 ある事象の生起する確率が 他のある事象が生起するかどうかによって変化しないとき
More informationMicrosoft PowerPoint - H21生物計算化学2.ppt
演算子の行列表現 > L いま 次元ベクトル空間の基底をケットと書くことにする この基底は完全系を成すとすると 空間内の任意のケットベクトルは > > > これより 一度基底を与えてしまえば 任意のベクトルはその基底についての成分で完全に記述することができる これらの成分を列行列の形に書くと M これをベクトル の基底 { >} による行列表現という ところで 行列 A の共役 dont 行列は A
More informationSAP11_03
第 3 回 音声音響信号処理 ( 線形予測分析と自己回帰モデル ) 亀岡弘和 東京大学大学院情報理工学系研究科日本電信電話株式会社 NTT コミュニケーション科学基礎研究所 講義内容 ( キーワード ) 信号処理 符号化 標準化の実用システム例の紹介情報通信の基本 ( 誤り検出 訂正符号 変調 IP) 符号化技術の基本 ( 量子化 予測 変換 圧縮 ) 音声分析 合成 認識 強調 音楽信号処理統計的信号処理の基礎
More informationMicrosoft PowerPoint - 資料04 重回帰分析.ppt
04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline
More informationFEM原理講座 (サンプルテキスト)
サンプルテキスト FEM 原理講座 サイバネットシステム株式会社 8 年 月 9 日作成 サンプルテキストについて 各講師が 講義の内容が伝わりやすいページ を選びました テキストのページは必ずしも連続していません 一部を抜粋しています 幾何光学講座については 実物のテキストではなくガイダンスを掲載いたします 対象とする構造系 物理モデル 連続体 固体 弾性体 / 弾塑性体 / 粘弾性体 / 固体
More informationMicrosoft PowerPoint - 9.pptx
9. 線形写像 ここでは 行列の積によって 写像を定義できることをみていく また 行列の積によって定義される写像の性質を調べていく 行列演算と写像 ( 次変換 3 拡大とスカラー倍 p ' = ( ', ' = ( k, kk p = (, k 倍 k 倍 拡大後 k 倍拡大の関係は スカラー倍を用いて次のように表現できる ' = k ' 拡大前 拡大 4 拡大と行列の積 p ' = ( ', '
More informationMicrosoft PowerPoint - 9.pptx
9/7/8( 水 9. 線形写像 ここでは 行列の積によって 写像を定義できることをみていく また 行列の積によって定義される写像の性質を調べていく 拡大とスカラー倍 行列演算と写像 ( 次変換 拡大後 k 倍 k 倍 k 倍拡大の関係は スカラー倍を用いて次のように表現できる p = (, ' = k ' 拡大前 p ' = ( ', ' = ( k, k 拡大 4 拡大と行列の積 拡大後 k 倍
More informationMicrosoft PowerPoint - mp11-02.pptx
数理計画法第 2 回 塩浦昭義情報科学研究科准教授 shioura@dais.is.tohoku.ac.jp http://www.dais.is.tohoku.ac.jp/~shioura/teaching 前回の復習 数理計画とは? 数理計画 ( 復習 ) 数理計画問題とは? 狭義には : 数理 ( 数学 ) を使って計画を立てるための問題 広義には : 与えられた評価尺度に関して最も良い解を求める問題
More informationLLG-R8.Nisus.pdf
d M d t = γ M H + α M d M d t M γ [ 1/ ( Oe sec) ] α γ γ = gµ B h g g µ B h / π γ g = γ = 1.76 10 [ 7 1/ ( Oe sec) ] α α = λ γ λ λ λ α γ α α H α = γ H ω ω H α α H K K H K / M 1 1 > 0 α 1 M > 0 γ α γ =
More informationPowerPoint プレゼンテーション
20150528 信号処理システム特論 本日の内容 適応フィルタ ( 時間領域 ) 適応アルゴリズム (LMS,NLMS,RLS) 適応フィルタの応用例 適応処理 非適応処理 : 状況によらずいつでも同じ処理 適応処理 : 状況に応じた適切な処理 高度な適応処理の例 雑音抑圧, 音響エコーキャンセラ, 騒音制御など 時間領域の適応フィルタ 誤差信号 与えられた手順に従ってフィルタ係数を更新し 自動的に所望の信号を得るフィルタ
More information画像処理工学
画像処理工学 画像の空間周波数解析とテクスチャ特徴 フーリエ変換の基本概念 信号波形のフーリエ変換 信号波形を周波数の異なる三角関数 ( 正弦波など ) に分解する 逆に, 周波数の異なる三角関数を重ねあわせることにより, 任意の信号波形を合成できる 正弦波の重ね合わせによる矩形波の表現 フーリエ変換の基本概念 フーリエ変換 次元信号 f (t) のフーリエ変換 変換 ( ω) ( ) ωt F f
More information混沌系工学特論 #5
混沌系工学特論 #5 情報科学研究科井上純一 URL : htt://chaosweb.comlex.eng.hokudai.ac.j/~j_inoue/ Mirror : htt://www5.u.so-net.ne.j/j_inoue/index.html 平成 17 年 11 月 14 日第 5 回講義 デジタルデータの転送と復元再考 P ({ σ} ) = ex σ ( σσ ) < ij>
More information第6章 実験モード解析
第 6 章実験モード解析 6. 実験モード解析とは 6. 有限自由度系の実験モード解析 6.3 連続体の実験モード解析 6. 実験モード解析とは 実験モード解析とは加振実験によって測定された外力と応答を用いてモードパラメータ ( 固有振動数, モード減衰比, 正規固有モードなど ) を求める ( 同定する ) 方法である. 力計 試験体 変位計 / 加速度計 実験モード解析の概念 時間領域データを利用する方法
More information医系の統計入門第 2 版 サンプルページ この本の定価 判型などは, 以下の URL からご覧いただけます. このサンプルページの内容は, 第 2 版 1 刷発行時のものです.
医系の統計入門第 2 版 サンプルページ この本の定価 判型などは, 以下の URL からご覧いただけます. http://www.morikita.co.jp/books/mid/009192 このサンプルページの内容は, 第 2 版 1 刷発行時のものです. i 2 t 1. 2. 3 2 3. 6 4. 7 5. n 2 ν 6. 2 7. 2003 ii 2 2013 10 iii 1987
More informationii 3.,. 4. F. (), ,,. 8.,. 1. (75%) (25%) =7 20, =7 21 (. ). 1.,, (). 3.,. 1. ().,.,.,.,.,. () (12 )., (), 0. 2., 1., 0,.
24(2012) (1 C106) 4 11 (2 C206) 4 12 http://www.math.is.tohoku.ac.jp/~obata,.,,,.. 1. 2. 3. 4. 5. 6. 7.,,. 1., 2007 (). 2. P. G. Hoel, 1995. 3... 1... 2.,,. ii 3.,. 4. F. (),.. 5... 6.. 7.,,. 8.,. 1. (75%)
More informationii 3.,. 4. F. (), ,,. 8.,. 1. (75% ) (25% ) =9 7, =9 8 (. ). 1.,, (). 3.,. 1. ( ).,.,.,.,.,. ( ) (1 2 )., ( ), 0. 2., 1., 0,.
23(2011) (1 C104) 5 11 (2 C206) 5 12 http://www.math.is.tohoku.ac.jp/~obata,.,,,.. 1. 2. 3. 4. 5. 6. 7.,,. 1., 2007 ( ). 2. P. G. Hoel, 1995. 3... 1... 2.,,. ii 3.,. 4. F. (),.. 5.. 6.. 7.,,. 8.,. 1. (75%
More information多次元レーザー分光で探る凝縮分子系の超高速動力学
波動方程式と量子力学 谷村吉隆 京都大学理学研究科化学専攻 http:theochem.kuchem.kyoto-u.ac.jp TA: 岩元佑樹 iwamoto.y@kuchem.kyoto-u.ac.jp ベクトルと行列の作法 A 列ベクトル c = c c 行ベクトル A = [ c c c ] 転置ベクトル T A = [ c c c ] AA 内積 c AA = [ c c c ] c =
More informationMicrosoft PowerPoint - qcomp.ppt [互換モード]
量子計算基礎 東京工業大学 河内亮周 概要 計算って何? 数理科学的に 計算 を扱うには 量子力学を計算に使おう! 量子情報とは? 量子情報に対する演算 = 量子計算 一般的な量子回路の構成方法 計算って何? 計算とは? 計算 = 入力情報から出力情報への変換 入力 計算機構 ( デジタルコンピュータ,etc ) 出力 計算とは? 計算 = 入力情報から出力情報への変換 この関数はどれくらい計算が大変か??
More informationカイ二乗フィット検定、パラメータの誤差
統計的データ解析 008 008.. 林田清 ( 大阪大学大学院理学研究科 ) 問題 C (, ) ( x xˆ) ( y yˆ) σ x πσ σ y y Pabx (, ;,,, ) ˆ y σx σ y = dx exp exp πσx ただし xy ˆ ˆ はyˆ = axˆ+ bであらわされる直線モデル上の点 ( ˆ) ( ˆ ) ( ) x x y ax b y ax b Pabx (,
More informationスライド タイトルなし
線形代数 演習 (008 年度版 ) 008/5/6 線形代数 演習 Ⅰ コンピュータ グラフィックス, 次曲面と線形代数指南書第七の巻 直交行列, 実対称行列とその対角化, 次曲線池田勉龍谷大学理工学部数理情報学科 実行列, 正方行列, 実対称行列, 直交行列 a a N A am a MN 実行列 : すべての成分 a が実数である行列 ij ji ij 正方行列 : 行の数と列の数が等しい (
More informationMicrosoft PowerPoint - シミュレーション工学-2010-第1回.ppt
シミュレーション工学 ( 後半 ) 東京大学人工物工学研究センター 鈴木克幸 CA( Compter Aded geerg ) r. Jaso Lemo (SC, 98) 設計者が解析ツールを使いこなすことにより 設計の評価 設計の質の向上を図る geerg の本質の 計算機による支援 (CA CAM などより広い名前 ) 様々な汎用ソフトの登場 工業製品の設計に不可欠のツール 構造解析 流体解析
More information09.pptx
講義内容 数値解析 第 9 回 5 年 6 月 7 日 水 理学部物理学科情報理学コース. 非線形方程式の数値解法. はじめに. 分法. 補間法.4 ニュートン法.4. 多変数問題への応用.4. ニュートン法の収束性. 連立 次方程式の解法. 序論と行列計算の基礎. ガウスの消去法. 重対角行列の場合の解法項目を変更しました.4 LU 分解法.5 特異値分解法.6 共役勾配法.7 反復法.7. ヤコビ法.7.
More information1/30 平成 29 年 3 月 24 日 ( 金 ) 午前 11 時 25 分第三章フェルミ量子場 : スピノール場 ( 次元あり ) 第三章フェルミ量子場 : スピノール場 フェルミ型 ボーズ量子場のエネルギーは 第二章ボーズ量子場 : スカラー場 の (2.18) より ˆ dp 1 1 =
/ 平成 9 年 月 日 ( 金 午前 時 5 分第三章フェルミ量子場 : スピノール場 ( 次元あり 第三章フェルミ量子場 : スピノール場 フェルミ型 ボーズ量子場のエネルギーは 第二章ボーズ量子場 : スカラー場 の (.8 より ˆ ( ( ( q -, ( ( c ( H c c ë é ù û - Ü + c ( ( - に限る (. である 一方 フェルミ型は 成分をもち その成分を,,,,
More information<4D F736F F F696E74202D20906C8D488AC28BAB90DD8C7689F090CD8D488A D91E F1>
人工環境設計解析工学構造力学と有限要素法 ( 第 回 ) 東京大学新領域創成科学研究科 鈴木克幸 固体力学の基礎方程式 変位 - ひずみの関係 適合条件式 ひずみ - 応力の関係 構成方程式 応力 - 外力の関係 平衡方程式 境界条件 変位規定境界 反力規定境界 境界条件 荷重応力ひずみ変形 場の方程式 Γ t Γ t 平衡方程式構成方程式適合条件式 構造力学の基礎式 ひずみ 一軸 荷重応力ひずみ変形
More informationパソコンシミュレータの現状
第 2 章微分 偏微分, 写像 豊橋技術科学大学森謙一郎 2. 連続関数と微分 工学において物理現象を支配する方程式は微分方程式で表されていることが多く, 有限要素法も微分方程式を解く数値解析法であり, 定式化においては微分 積分が一般的に用いられており. 数学の基礎知識が必要になる. 図 2. に示すように, 微分は連続な関数 f() の傾きを求めることであり, 微小な に対して傾きを表し, を無限に
More informationChap2.key
. f( ) V (V V ) V e + V e V V V V ( ) V V ( ) E. - () V (0 ) () V (0 ) () V (0 ) (4) V ( ) E. - () V (0 ) () V (0 ) O r θ ( ) ( ) : (r θ) : { r cos θ r sn θ { r + () V (0 ) (4) V ( ) θ θ arg( ) : π π
More informationPowerPoint プレゼンテーション
ロボットの計画と制御 マルコフ決定過程 確率ロボティクス 14 章 http://www.probabilistic-robotics.org/ 1 14.1 動機付けロボットの行動選択のための確率的なアルゴリズム 目的 予想される不確かさを最小化したい. ロボットの動作につての不確かさ (MDP で考える ) 決定論的な要素 ロボット工学の理論の多くは, 動作の影響は決定論的であるという仮定のもとに成り立っている.
More informationH AB φ A,1s (r r A )Hφ B,1s (r r B )dr (9) S AB φ A,1s (r r A )φ B,1s (r r B )dr (10) とした (S AA = S BB = 1). なお,H ij は共鳴積分 (resonance integra),s ij は重
半経験量子計算法 : Tight-binding( 強結合近似 ) 計算の基礎 1. 基礎 Tight-binding 近似 ( 強結合近似, TB 近似あるいは TB 法などとも呼ばれる ) とは, 電子が強く拘束されており隣り合う軌道へ自由に移動できない, とする近似であり, 自由電子近似とは対極にある. 但し, 軌道間はわずかに重なり合っているので, 全く飛び移れないわけではない. Tight-binding
More informationMicrosoft Word - 量子化学概論v1c.doc
この講義ノートは以下の URL から入手できます http://www.sbchem.kyoto-u.ac.p/matsuda-lab/hase_fles/educaton_jh.html 量子化学概論講義ノート 3 正準 HF(Canoncal HF) 方程式 制限 HF(RHF) 方程式 HF-Roothaan(HFR) 方程式 京都大学工学研究科合成 生物化学専攻長谷川淳也 HF 解の任意性について式
More informationnsg02-13/ky045059301600033210
φ φ φ φ κ κ α α μ μ α α μ χ et al Neurosci. Res. Trpv J Physiol μ μ α α α β in vivo β β β β β β β β in vitro β γ μ δ μδ δ δ α θ α θ α In Biomechanics at Micro- and Nanoscale Levels, Volume I W W v W
More information航空機の運動方程式
オブザーバ 状態フィードバックにはすべての状態変数の値が必要であった. しかしながら, システムの外部から観測できるのは出力だけであり, すべての状態変数が観測できるとは限らない. そこで, 制御対象システムの状態変数を, システムのモデルに基づいてその入出力信号から推定する方法を考える.. オブザーバとは 次元 m 入力 r 出力線形時不変システム x Ax Bu y Cx () の状態変数ベクトル
More informationKumamoto 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
More information画像解析論(2) 講義内容
画像解析論 画像解析論 東京工業大学長橋宏 主な講義内容 信号処理と画像処理 二次元システムとその表現 二次元システムの特性解析 各種の画像フィルタ 信号処理と画像処理 画像解析論 処理の応答 記憶域 入出力の流れ 信号処理系 実時間性が求められる メモリ容量に対する制限が厳しい オンラインでの対応が厳しく求められる 画像処理系 ある程度の処理時間が許容される 大容量のメモリ使用が容認され易い オフラインでの対応が容認され易い
More information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
More information経済数学演習問題 2018 年 5 月 29 日 I a, b, c R n に対して a + b + c 2 = a 2 + b 2 + c 2 + 2( a, b) + 2( b, c) + 2( a, c) が成立することを示しましょう.( 線型代数学 教科書 13 ページ 演習 1.17)
経済数学演習問題 8 年 月 9 日 I a, b, c R n に対して a + b + c a + b + c + a, b + b, c + a, c が成立することを示しましょう. 線型代数学 教科書 ページ 演習.7 II a R n がすべての x R n に対して垂直, すなわち a, x x R n が成立するとします. このとき a となることを示しましょう. 線型代数学 教科書
More information(Microsoft PowerPoint - \221\34613\211\361)
計算力学 ~ 第 回弾性問題の有限要素解析 (Ⅱ)~ 修士 年後期 ( 選択科目 ) 担当 : 岩佐貴史 講義の概要 全 5 講義. 計算力学概論, ガイダンス. 自然現象の数理モデル化. 行列 場とその演算. 数値計算法 (Ⅰ) 5. 数値計算法 (Ⅱ) 6. 初期値 境界値問題 (Ⅰ) 7. 初期値 境界値問題 (Ⅱ) 8. マトリックス変位法による構造解析 9. トラス構造の有限要素解析. 重み付き残差法と古典的近似解法.
More information例 e 指数関数的に減衰する信号を h( a < + a a すると, それらのラプラス変換は, H ( ) { e } e インパルス応答が h( a < ( ただし a >, U( ) { } となるシステムにステップ信号 ( y( のラプラス変換 Y () は, Y ( ) H ( ) X (
第 週ラプラス変換 教科書 p.34~ 目標ラプラス変換の定義と意味を理解する フーリエ変換や Z 変換と並ぶ 信号解析やシステム設計における重要なツール ラプラス変換は波動現象や電気回路など様々な分野で 微分方程式を解くために利用されてきた ラプラス変換を用いることで微分方程式は代数方程式に変換される また 工学上使われる主要な関数のラプラス変換は簡単な形の関数で表されるので これを ラプラス変換表
More informationハートレー近似(Hartree aproximation)
ハートリー近似 ( 量子多体系の平均場近似 1) 0. ハミルトニアンの期待値の変分がシュレディンガー方程式と等価であること 1. 独立粒子近似という考え方. 電子系におけるハートリー近似 3.3 電子系におけるハートリー近似 Mde by R. Okmoto (Kyushu Institute of Technology) filenme=rtree080609.ppt (0) ハミルトニアンの期待値の変分と
More information航空機の運動方程式
可制御性 可観測性. 可制御性システムの状態を, 適切な操作によって, 有限時間内に, 任意の状態から別の任意の状態に移動させることができるか否かという特性を可制御性という. 可制御性を有するシステムに対し, システムは可制御である, 可制御なシステム という言い方をする. 状態方程式, 出力方程式が以下で表されるn 次元 m 入力 r 出力線形時不変システム x Ax u y x Du () に対し,
More information1/17 平成 29 年 3 月 25 日 ( 土 ) 午前 11 時 1 分量子力学とクライン ゴルドン方程式 ( 学部 3 年次秋学期向 ) 量子力学とクライン ゴルドン方程式 素粒子の満たす場 y ( x,t) の運動方程式 : クライン ゴルドン方程式 : æ 3 ö ç å è m= 0
/7 平成 9 年 月 5 日 ( 土 午前 時 分量子力学とクライン ゴルドン方程式 ( 学部 年次秋学期向 量子力学とクライン ゴルドン方程式 素粒子の満たす場 (,t の運動方程式 : クライン ゴルドン方程式 : æ ö ç å è = 0 c + ( t =, 0 (. = 0 ì æ = = = ö æ ö æ ö ç ì =,,,,,,, ç 0 = ç Ñ 0 = ç Ñ 0 Ñ Ñ
More informationファイナンスのための数学基礎 第1回 オリエンテーション、ベクトル
時系列分析 変量時系列モデルとその性質 担当 : 長倉大輔 ( ながくらだいすけ 時系列モデル 時系列モデルとは時系列データを生み出すメカニズムとなるものである これは実際には未知である 私たちにできるのは観測された時系列データからその背後にある時系列モデルを推測 推定するだけである 以下ではいくつかの代表的な時系列モデルを考察する 自己回帰モデル (Auoregressive Model もっとも頻繁に使われる時系列モデルは自己回帰モデル
More informationMicrosoft Word - 素粒子物理学I.doc
6. 自発的対称性の破れとヒッグス機構 : 素粒子の標準模型 Dc 方程式.5 を導くラグランジアンは ϕ ϕ mϕϕ 6. である [H] Eu-nn 方程式 を使って 6. のラグランジア ンから Dc 方程式が導かれることを示せ 6. ゲージ対称性 6.. U 対称性 :QED ディラック粒子の複素場 ψに対する位相変換 ϕ ϕ 6. に対して ラグランジアンが不変であることを要請する これは簡単に示せる
More information0 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,
More informationii 3.,. 4. F. ( ), ,,. 8.,. 1. (75% ) (25% ) =7 24, =7 25, =7 26 (. ). 1.,, ( ). 3.,...,.,.,.,.,. ( ) (1 2 )., ( ), 0., 1., 0,.
(1 C205) 4 10 (2 C206) 4 11 (2 B202) 4 12 25(2013) http://www.math.is.tohoku.ac.jp/~obata,.,,,..,,. 1. 2. 3. 4. 5. 6. 7. 8. 1., 2007 ( ).,. 2. P. G., 1995. 3. J. C., 1988. 1... 2.,,. ii 3.,. 4. F. ( ),..
More informationN cos s s cos ψ e e e e 3 3 e e 3 e 3 e
3 3 5 5 5 3 3 7 5 33 5 33 9 5 8 > e > f U f U u u > u ue u e u ue u ue u e u e u u e u u e u N cos s s cos ψ e e e e 3 3 e e 3 e 3 e 3 > A A > A E A f A A f A [ ] f A A e > > A e[ ] > f A E A < < f ; >
More information数学 t t t t t 加法定理 t t t 倍角公式加法定理で α=β と置く. 三角関数
. 三角関数 基本関係 t cot c sc c cot sc t 還元公式 t t t t t t cot t cot t 数学 数学 t t t t t 加法定理 t t t 倍角公式加法定理で α=β と置く. 三角関数 数学. 三角関数 5 積和公式 6 和積公式 数学. 三角関数 7 合成 t V v t V v t V V V V VV V V V t V v v 8 べき乗 5 6 6
More informationMicrosoft PowerPoint - SPECTPETの原理2012.ppt [互換モード]
22 年国家試験解答 1,5 フーリエ変換は線形変換 FFT はデータ数に 2 の累乗数を要求するが DFT は任意のデータ数に対応 123I-IMP Brain SPECT FBP with Ramp filter 123I-IMP Brain SPECT FBP with Shepp&Logan filter 99mTc-MIBI Myocardial SPECT における ストリークアーチファクト
More informationMicrosoft PowerPoint - 第3回2.ppt
講義内容 講義内容 次元ベクトル 関数の直交性フーリエ級数 次元代表的な対の諸性質コンボリューション たたみこみ積分 サンプリング定理 次元離散 次元空間周波数の概念 次元代表的な 次元対 次元離散 次元ベクトル 関数の直交性フーリエ級数 次元代表的な対の諸性質コンボリューション たたみこみ積分 サンプリング定理 次元離散 次元空間周波数の概念 次元代表的な 次元対 次元離散 ベクトルの直交性 3
More information14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手
14 化学実験法 II( 吉村 ( 洋 014.6.1. 最小 乗法のはなし 014.6.1. 内容 最小 乗法のはなし...1 最小 乗法の考え方...1 最小 乗法によるパラメータの決定... パラメータの信頼区間...3 重みの異なるデータの取扱い...4 相関係数 決定係数 ( 最小 乗法を語るもう一つの立場...5 実験条件の誤差の影響...5 問題...6 最小 乗法の考え方 飲料水中のカルシウム濃度を
More informationデータ解析
データ解析 ( 前期 ) 最小二乗法 向井厚志 005 年度テキスト 0 データ解析 - 最小二乗法 - 目次 第 回 Σ の計算 第 回ヒストグラム 第 3 回平均と標準偏差 6 第 回誤差の伝播 8 第 5 回正規分布 0 第 6 回最尤性原理 第 7 回正規分布の 分布の幅 第 8 回最小二乗法 6 第 9 回最小二乗法の練習 8 第 0 回最小二乗法の推定誤差 0 第 回推定誤差の計算 第
More informationDVIOUT-SS_Ma
第 章 微分方程式 ニュートンはリンゴが落ちるのを見て万有引力を発見した という有名な逸話があります 無重力の宇宙船の中ではリンゴは落ちないで静止していることを考えると 重力が働くと始め静止しているものが動き出して そのスピードはどんどん大きくなる つまり速度の変化が現れることがわかります 速度は一般に時間と共に変化します 速度の瞬間的変化の割合を加速度といい で定義しましょう 速度が変化する, つまり加速度がでなくなるためにはその原因があり
More information位相最適化?
均質化設計法 藤井大地 ( 東京大学 ) 位相最適化? 従来の考え方 境界形状を変化させて最適な形状 位相を求める Γ t Ω b Γ D 境界形状を変化させる問題点 解析が進むにつれて, 有限要素メッシュが異形になり, 再メッシュが必要になる 位相が変化する問題への適応が難しい Γ Γ t t Ω b Ω b Γ D Γ D 領域の拡張と特性関数の導入 χ Ω ( x) = f 0 f x Ω x
More information第86回日本感染症学会総会学術集会後抄録(I)
κ κ κ κ κ κ μ μ β β β γ α α β β γ α β α α α γ α β β γ μ β β μ μ α ββ β β β β β β β β β β β β β β β β β β γ β μ μ μ μμ μ μ μ μ β β μ μ μ μ μ μ μ μ μ μ μ μ μ μ β
More informationNLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A
NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, AstraZeneca KK 要旨 : NLMIXEDプロシジャの最尤推定の機能を用いて 指数分布 Weibull
More information( )/2 hara/lectures/lectures-j.html 2, {H} {T } S = {H, T } {(H, H), (H, T )} {(H, T ), (T, T )} {(H, H), (T, T )} {1
( )/2 http://www2.math.kyushu-u.ac.jp/ hara/lectures/lectures-j.html 1 2011 ( )/2 2 2011 4 1 2 1.1 1 2 1 2 3 4 5 1.1.1 sample space S S = {H, T } H T T H S = {(H, H), (H, T ), (T, H), (T, T )} (T, H) S
More informationPart () () Γ Part ,
Contents a 6 6 6 6 6 6 6 7 7. 8.. 8.. 8.3. 8 Part. 9. 9.. 9.. 3. 3.. 3.. 3 4. 5 4.. 5 4.. 9 4.3. 3 Part. 6 5. () 6 5.. () 7 5.. 9 5.3. Γ 3 6. 3 6.. 3 6.. 3 6.3. 33 Part 3. 34 7. 34 7.. 34 7.. 34 8. 35
More information2009 年 11 月 16 日版 ( 久家 ) 遠地 P 波の変位波形の作成 遠地 P 波の変位波形 ( 変位の時間関数 ) は 波線理論をもとに P U () t = S()* t E()* t P() t で近似的に計算できる * は畳み込み積分 (convolution) を表す ( 付録
遠地 波の変位波形の作成 遠地 波の変位波形 ( 変位の時間関数 ) は 波線理論をもとに U () t S() t E() t () t で近似的に計算できる は畳み込み積分 (convolution) を表す ( 付録 参照 ) ここで St () は地震の断層運動によって決まる時間関数 1 E() t は地下構造によって生じる種々の波の到着を与える時間関数 ( ここでは 直達 波とともに 震源そばの地表での反射波や変換波を与える時間関数
More informationMicrosoft PowerPoint - H22制御工学I-10回.ppt
制御工学 I 第 回 安定性 ラウス, フルビッツの安定判別 平成 年 6 月 日 /6/ 授業の予定 制御工学概論 ( 回 ) 制御技術は現在様々な工学分野において重要な基本技術となっている 工学における制御工学の位置づけと歴史について説明する さらに 制御システムの基本構成と種類を紹介する ラプラス変換 ( 回 ) 制御工学 特に古典制御ではラプラス変換が重要な役割を果たしている ラプラス変換と逆ラプラス変換の定義を紹介し
More informationMicrosoft PowerPoint - H22制御工学I-2回.ppt
制御工学 I 第二回ラプラス変換 平成 年 4 月 9 日 /4/9 授業の予定 制御工学概論 ( 回 ) 制御技術は現在様々な工学分野において重要な基本技術となっている 工学における制御工学の位置づけと歴史について説明する さらに 制御システムの基本構成と種類を紹介する ラプラス変換 ( 回 ) 制御工学 特に古典制御ではラプラス変換が重要な役割を果たしている ラプラス変換と逆ラプラス変換の定義を紹介し
More informationPowerPoint プレゼンテーション
有効理論を用いた vector like クォーク模型に対する B 中間子稀崩壊からの制限 (Work in progre) 広大院理 高橋隼也 共同研究者 : 広大院理, 広大 CORE-U 広大院理 島根大総合理工 両角卓也 清水勇介 梅枝宏之 導入 標準模型 (SM) のクォーク 標準模型は 6 種類のクォークの存在を仮定 アップタイプ ダウンタイプ u c t d 更にクォークが存在する可能性は?
More informationビジネス統計 統計基礎とエクセル分析 正誤表
ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります
More informationMicrosoft Word - Time Series Basic - Modeling.doc
時系列解析入門 モデリング. 確率分布と統計的モデル が確率変数 (radom varable のとき すべての実数 R に対して となる確 率 Prob( が定められる これを の関数とみなして G( Prob ( とあらわすとき G( を確率変数 の分布関数 (probablt dstrbuto ucto と呼 ぶ 時系列解析で用いられる確率変数は通常連続型と呼ばれるもので その分布関数は (
More informationOCW-iダランベールの原理
講義名連続体力学配布資料 OCW- 第 2 回ダランベールの原理 無機材料工学科准教授安田公一 1 はじめに今回の講義では, まず, 前半でダランベールの原理について説明する これを用いると, 動力学の問題を静力学の問題として解くことができ, さらに, 前回の仮想仕事の原理を適用すると動力学問題も簡単に解くことができるようになる また, 後半では, ダランベールの原理の応用として ラグランジュ方程式の導出を示す
More informationMicrosoft PowerPoint - mp11-06.pptx
数理計画法第 6 回 塩浦昭義情報科学研究科准教授 shioura@dais.is.tohoku.ac.jp http://www.dais.is.tohoku.ac.jp/~shioura/teaching 第 5 章組合せ計画 5.2 分枝限定法 組合せ計画問題 組合せ計画問題とは : 有限個の もの の組合せの中から, 目的関数を最小または最大にする組合せを見つける問題 例 1: 整数計画問題全般
More information領域シンポ発表
1 次元の減衰運動の中の強制振動 ) ( f d d d d d e f e ce ) ( si ) ( 1 ) ( cos ω =ω -γ とおくと 一般解は 外力 f()=f siω の場合 f d d d d si f ce f ce si ) cos( cos si ) cos( この一般解は 1 φ は外力と変位との間の位相差で a 時間が経つと 第 1 項は無視できる この場合の振幅を
More informationスライド 1
データ解析特論第 5 回 ( 全 15 回 ) 2012 年 10 月 30 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 をもっとやります 2 第 2 回 3 データマイニングの分野ではマクロ ( 巨視的 ) な視点で全体を捉える能力が求められる 1. コンピュータは数値の集合として全体を把握していますので 意味ある情報として全体を見ることが不得意 2. 逆に人間には もともと空間的に全体像を捉える能力が得意
More informationmemo
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
More informationスライド 1
第 13 章系列データ 2015/9/20 夏合宿 PRML 輪読ゼミ B4 三木真理子 目次 2 1. 系列データと状態空間モデル 2. 隠れマルコフモデル 2.1 定式化とその性質 2.2 最尤推定法 2.3 潜在変数の系列を知るには 3. 線形動的システム この章の目標 : 系列データを扱う際に有効な状態空間モデルのうち 代表的な 2 例である隠れマルコフモデルと線形動的システムの性質を知り
More informationMicrosoft Word ã‡»ã…«ã‡ªã…¼ã…‹ã…žã…‹ã…³ã†¨åłºæœ›å•¤(佒芤喋çfl�)
Cellulr uo nd heir eigenlues 東洋大学総合情報学部 佐藤忠一 Tdzu So Depren o Inorion Siene nd rs Toyo Uniersiy. まえがき 一次元セルオ-トマトンは数学的には記号列上の行列の固有値問題である 固有値問題の行列はふつう複素数体上の行列である 量子力学における固有値問題も無限次元ではあるが関数環上の行列でその成分は可換環である
More information以下 変数の上のドットは時間に関する微分を表わしている (ex. 2 dx d x x, x 2 dt dt ) 付録 E 非線形微分方程式の平衡点の安定性解析 E-1) 非線形方程式の線形近似特に言及してこなかったが これまでは線形微分方程式 ( x や x, x などがすべて 1 次で なおかつ
以下 変数の上のドットは時間に関する微分を表わしている (e. d d, dt dt ) 付録 E 非線形微分方程式の平衡点の安定性解析 E-) 非線形方程式の線形近似特に言及してこなかったが これまでは線形微分方程式 ( や, などがすべて 次で なおかつそれらの係数が定数であるような微分方程式 ) に対して安定性の解析を行ってきた しかしながら 実際には非線形の微分方程式で記述される現象も多く存在する
More information物性物理学I_2.pptx
phonon U r U = nαi U ( r nαi + u nαi ) = U ( r nαi ) + () nαi,β j := nαi β j U r nαi r β j > U r nαi r u nαiuβ j + β j β j u β j n α i () nαi,β juβj 調和振動子近似の復習 極 小 値近傍で Tylor展開すると U ( x) = U ( x ) + (
More informationMicrosoft Word - mathtext8.doc
8 章偏微分と重積分 8. 偏微分とは これまで微分を考える際 関数は f という形で 関数値がつの変数 に依存している場合のみを扱ってきました しかし一般に変数はつとは決まっておらず f のように 複数の変数を持つ関数も考えなければなりません そ こでこの節では今まで学んできた微分を一般化させ 複数の変数に対応した偏微分と呼ばれるものについて説明します これまでの微分を偏微分と区別したいとき 常微分という呼び方を用います
More information物性基礎
水素様原子 水素原子 水素様原子 エネルギー固有値 波動関数 主量子数 角運動量 方位量子数 磁気量子数 原子核 + 電子 個 F p F = V = 水素様原子 古典力学 水素様原子 量子力学 角運動量 L p F p L 運動方程式 d dt p = d d d p p = p + dt dt dt = p p = d dt L = 角運動量の保存則 ポテンシャルエネルギー V = 4πε =
More informationディジタル信号処理
ディジタルフィルタの設計法. 逆フィルター. 直線位相 FIR フィルタの設計. 窓関数法による FIR フィルタの設計.5 時間領域での FIR フィルタの設計 3. アナログフィルタを基にしたディジタル IIR フィルタの設計法 I 4. アナログフィルタを基にしたディジタル IIR フィルタの設計法 II 5. 双 次フィルタ LI 離散時間システムの基礎式の証明 [ ] 4. ] [ ]*
More information有限密度での非一様なカイラル凝縮と クォーク質量による影響
空間的に非一様なカイラル凝縮に対する current quark mass の影響 東京高専 前段眞治 東京理科大学セミナー 2010.9.6 1 1.Introduction 低温 高密度における QCD の振る舞い 中性子星 compact star クォーク物質の理解に重要 T 0 での QCD の基底状態 カイラル対称性の破れた相 カラー超伝導相 μ 2 有限密度において fermionic
More information2 1 1 α = a + bi(a, b R) α (conjugate) α = a bi α (absolute value) α = a 2 + b 2 α (norm) N(α) = a 2 + b 2 = αα = α 2 α (spure) (trace) 1 1. a R aα =
1 1 α = a + bi(a, b R) α (conjugate) α = a bi α (absolute value) α = a + b α (norm) N(α) = a + b = αα = α α (spure) (trace) 1 1. a R aα = aα. α = α 3. α + β = α + β 4. αβ = αβ 5. β 0 6. α = α ( ) α = α
More informationテンソル ( その ) テンソル ( その ) スカラー ( 階のテンソル ) スカラー ( 階のテンソル ) 階数 ベクトル ( 階のテンソル ) ベクトル ( 階のテンソル ) 行列表現 シンボリック表現 [ ]
Tsor th-ordr tsor by dcl xprsso m m Lm m k m k L mk kk quott rul by symbolc xprsso Lk X thrd-ordr tsor cotrcto j j Copyrght s rsrvd. No prt of ths documt my b rproducd for proft. テンソル ( その ) テンソル ( その
More informationPowerPoint プレゼンテーション
復習 ) 時系列のモデリング ~a. 離散時間モデル ~ y k + a 1 z 1 y k + + a na z n ay k = b 0 u k + b 1 z 1 u k + + b nb z n bu k y k = G z 1 u k = B(z 1 ) A(z 1 u k ) ARMA モデル A z 1 B z 1 = 1 + a 1 z 1 + + a na z n a = b 0
More information三重大学工学部
反応理論化学 ( その 軌道相互作用 複数の原子が相互作用して分子が形成される複数の原子軌道 ( または混成軌道 が混合して分子軌道が形成される原子軌道 ( または混成軌道 が混合して分子軌道に変化すると軌道エネルギーも変化する. 原子軌道 原子軌道は3つの量子数 ( nlm,, の組合せにより指定される量子数の取り得る値の範囲 n の値が定まる l の範囲は n の値に依存して定まる m の範囲は
More information線形弾性体 線形弾性体 応力テンソル とひずみテンソルソル の各成分が線形関係を有する固体. kl 応力テンソル O kl ひずみテンソル
Constitutive equation of elasti solid Hooke s law λδ μ kk Lame s onstant λ μ ( )( ) ( ) linear elasti solid kl kl Copyright is reserved. No part of this doument may be reprodued for profit. 線形弾性体 線形弾性体
More information<4D F736F F F696E74202D2091E6824F82538FCD8CEB82E88C9F8F6F814592F990B382CC8CB4979D82BB82CC82505F D E95848D8682CC90B69
第 章 誤り検出 訂正の原理 その ブロック符号とその復号 安達文幸 目次 誤り訂正符号化を用いる伝送系誤り検出符号誤り検出 訂正符号 7, ハミング符号, ハミング符号生成行列, パリティ検査行列の一般形符号の生成行列符号の生成行列とパリティ検査行列の関係符号の訂正能力符号多項式 安達 : コミュニケーション符号理論 安達 : コミュニケーション符号理論 誤り訂正符号化を用いる伝送系 伝送システム
More information工業数学F2-04(ウェブ用).pptx
工業数学 F2 #4 フーリエ級数を極める 京都大学加納学 京都大学大学院情報学研究科システム科学専攻 Human Systems Lab., Dept. of Systems Science Graduate School of Informatics, Kyoto University 復習 1: 複素フーリエ級数 2 周期 2π の周期関数 f(x) の複素フーリエ級数展開 複素フーリエ係数
More information6.1 (P (P (P (P (P (P (, P (, P.101
(008 0 3 7 ( ( ( 00 1 (P.3 1 1.1 (P.3.................. 1 1. (P.4............... 1 (P.15.1 (P.15................. (P.18............3 (P.17......... 3.4 (P................ 4 3 (P.7 4 3.1 ( P.7...........
More information