高次元データ スパース正則化学習法 最適化手法 proximal point algorithm 確率最適化手法 2

Microsoft PowerPoint - ElasticConvergence

IBIS2010 スパース正則化学習の学習性能, 特にスパース性と汎化誤差の関係についてス性と汎化誤差の関係について 鈴木大慈東京大学情報理工学系研究科数理情報学専攻 2010 年 11 月 4 日 冨岡亮太 ( 東京大学 ), 杉山将 ( 東京工業大学 ) との共同研究 1 スパース性と汎化誤差の関係 どのような正則化が好ましい? Multiple Kernel Learning (MKL) Elasticnet

…X…p†[…X’³‚¥›»‡¨‡æ‡Ñ…}…‰…`…J†[…l…‰−w‘K‡Ì‡½‡ß‡Ì“ÅfiK›»…A…‰…S…−…Y…•‡ÆCV†EPR‡Ö‡Ì›žŠp

CV PR 1, 1, 2 1 2 2009-08-31 @ PRMU/CVIM http://www.ibis.t.u-tokyo.ac.jp/ryotat/prmu09/ UT / Tokyo Tech DAL PRMU/CVIM 1 / 58 Outline 1-2 Dual Augmented Lagrangian Proximal minimization Legendre 3 4 UT

: 2 3 2 3 20-0-25 @ RAMP 20 ( ) RAMP20 20-0-25 / 37 - CVX (Grant & Boyd) (80 ) 60-70 ( ) RAMP20 20-0-25 2 / 37 - CVX (Grant & Boyd) (80 ) 60-70 (Accelerated) Proximal gradient methods ( ) RAMP20 20-0-25

A Visually Better Recovered Image Selection for Imaging Inverse Problems

信号処理 画像処理における凸最適化 小野峻佑東京工業大学像情報工学研究所 2015/11/28 日本オペレーションズ リサーチ学会 最適化の基盤とフロンティア 第 4 回研究部会 @ 理科大神楽坂キャンパス 広がる凸最適化応用 画像復元 生体信号処理 医用画像処理 衛星 / 天体画像処理リモートセンシング 凸最適化 ( 非可微分 制約付き ) 無線通信 圧縮センシング 機械学習 コンピュータビジョン

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

PowerPoint 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.

データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習

データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習 ロジスティクス回帰 基本的には重回帰分析のモデルと考え方は似ている = 1 1+ ( ) 目的変数 = 係数 説明変数 + 定数 この式をグラフ化すると y は 0 1 に収まる ( シグモイド関数 ) トレーニングデータから確率を最大となる地点をもとめ それぞれの係数を求める

Microsoft PowerPoint SIGAL.ppt

アメリカン アジアンオプションの 価格の近似に対する 計算幾何的アプローチ 渋谷彰信, 塩浦昭義, 徳山豪 ( 東北大学大学院情報科学研究科 ) 発表の概要 アメリカン アジアンオプション金融派生商品の一つ価格付け ( 価格の計算 ) は重要な問題 二項モデルにおける価格付けは計算困難な問題 目的 : 近似精度保証をもつ近似アルゴリズムの提案 アイディア : 区分線形関数を計算幾何手法により近似 問題の説明

Microsoft 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

2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3.

2008 年度下期未踏 IT 人材発掘 育成事業採択案件評価書 1. 担当 PM 田中二郎 PM ( 筑波大学大学院システム情報工学研究科教授 ) 2. 採択者氏名チーフクリエータ : 矢口裕明 ( 東京大学大学院情報理工学系研究科創造情報学専攻博士課程三年次学生 ) コクリエータ : なし 3. プロジェクト管理組織 株式会社オープンテクノロジーズ 4. 委託金支払額 3,000,000 円 5.

( 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

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 ( 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 ( 前半 ) 目次

icml10yomikai.key

A Fast Augmented Lagrangian Algorithm for Learning Low- Rank Matrices Ryota Tomioka, Taiji Suzuki, Masashi Sugiyama, Hisashi Kashima 2010/8/18 ICML2010 1 Matrix completion [Srebro et al. 05; Abernethy

Microsoft Word - 非線形計画法　原稿

非線形計画法条件付き最適化問題は目的関数と制約条件で示すが この中に一つでも 次式でないものが含まれる問題を総称して非線形計画法いう 非線形計画問題は 多くの分野で研究されているが 複雑性により十分汎用的なものは確立されておらず 限定的なものに限り幾つかの提案がなされている ここでは簡単な解法について紹介する. 制約なし極値問題 単純問題の解法 変数で表される関数 の極値は を解くことによって求められる

Microsoft PowerPoint - CV10.ppt [互換モード]

カメラキャリブレーション 呉海元 @ 和歌山大学 2010 年 6 月 21 日 カメラキャリブレーション ( 校正 ) 実世界のカメラとカメラモデルとの対応付け 2 カメラキャリブレーション項目 幾何学的キャリブレーション - 外部パラメータ : 6 世界座標系におけるレンズの中心座標 (t) レンズ光軸の方向 (R) - 内部パラメータ : 5 焦点距離 画像中心 画像像 ( 画素 ) サイズ

Microsoft PowerPoint - 14回パラメータ推定配布用.pptx

パラメータ推定の理論と実践 BEhavior Study for Transportation Graduate school, Univ. of Yamanashi 山梨大学佐々木邦明 最尤推定法 点推定量を求める最もポピュラーな方法 L n x n i1 f x i 右上の式を θ の関数とみなしたものが尤度関数 データ (a,b) が得られたとき, 全体の平均がいくつとするのがよいか 平均がいくつだったら

memo

THE UNIVERSITY OF TOKYO 数理情報学演習第二 A 関係データの機械学習 行列と多次元配列の解析 かしま ひさし 鹿島久嗣情報理工学系研究科数理情報学専攻数理 6 研 kashima@mist.i.~ DEPARTMENT OF MATHEMATICAL INFORMATICS * Some figures in the slides are taken from 1T. G.

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.

(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.

09.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.

Microsoft 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

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

Microsoft PowerPoint rev.pptx

研究室紹介 卒業研究テーマ紹介 木村拓馬 佐賀大学理工学部知能情報システム学科第 2 研究グループ 第 2 研究グループ -- 木村拓馬 : 卒業研究テーマ紹介 (2016/2/16) 1/15 木村の専門分野 応用数学 ( 数値解析 最適化 ) 内容 : 数学 + 計算機 数学の理論に裏付けされた 良い 計算方法 良さ を計算機で検証する方法について研究 目標は でかい 速い 正確 第 2 研究グループ

PowerPoint 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

1. はじめに 2

点予測と能動学習を用いた効率的なコーパス構築 形態素解析における実証実験 京都大学情報学研究科 Graham NEUBIG 1 1. はじめに 2 形態素解析 べた書きの文字列を意味のある単位に分割し 様々な情報を付与 品詞 基本形 読み 発音等を推定 農産物価格安定法を施行した 価格 / 名詞 / 価格 / かかく / かかく安定 / 名詞 / 安定 / あんてい / あんてー法 / 接尾辞 /

Microsoft PowerPoint - IBIS2012_open.pptx

カーネル法の新展開 ーその理論と応用ー 福水 健次 統計数理研究所 / 総合研究大学院大学 第 15 回情報論的学習理論ワークショップ (IBIS2012) 2012.11.7 9. @ 筑波大学東京キャンパス 1 Outline 1. イントロダクション : カーネル法の概要 2. 確率分布の表現としてのカーネル法 3. 条件付確率の表現と推定精度 4. カーネル推論則 5. おわりに 2 データの高次元性,

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

双対問題

一次式とノルムで構成された最適化問題とその双対問題 第一部ゲージ最適化問題とその応用問題 2018 年 7 月 25 日 ( 本資料は 7 月 30 日に改訂 ) 京都大学大学院情報学研究科 山下信雄 本講演の概要 第 1 部一般化ゲージ最適化問題とその応用問題 第 2 部ゲージ関数とその諸性質 第 3 部一般化ゲージ最適化問題の双対問題 I. ラグランジュ双対問題とFenchel 双対問題 II.

Slide 1

ハンズオン受講の為の準備講座 これから始める人の為の ディープラーニング基礎講座 村上真奈 NVIDIA CUDA & Deep Learning Solution Architect NVIDIA Corporation 1 機械学習とディープラーニングの関係 AGENDA ディープラーニングとは? ニューラルネットワークの構造 ディープラーニングの学習とは 畳み込みニューラルネットワーク 午後に予定しているハンズオンの為の基礎講座ディープラーニングをこれから始める方を対象に基礎概念や用語の解説を行います

PowerPoint 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

Microsoft 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

PowerPoint 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

カーネル法

講義 1: カーネル法 産業技術総合研究所津田宏治 1 産業技術総合研究所 ( 産総研 ) 産業技術分野におけるさまざまな研究開発を総合的に行う経済産業省所管の研究組織である ライフサイエンス 情報 通信 環境 エネルギー ナノテク 材料 製造 地質 海洋 標準 計測 の 6 分野を主軸に 日本の産業のほぼ全分野を網羅している 陣容は 研究職を中心とする常勤職員約 2500 名 事務系職員約 700

各学科 課程 専攻別開設授業科目 ( 教職関係 ) 総合情報学科 ( 昼間コース ) 中学校教諭 1 種免許状 ( 数学 ) 高等学校教諭 1 種免許状 ( 数学 ) 代数学 線形代数学第一 2 線形代数学第二 2 離散数学 2 応用代数学 2 オペレーションズ リサーチ基礎 2 数論アルゴリズム

免許状取得に必要な履修科目 教育職員免許法施行規則に 左に該当する本学の 履修 高等学校教諭 高等学校教諭 中学校教諭 定める修得を要する科目 開設科目及び単位数 年次 専修免許状 1 種免許状 1 種免許状 教職の意義等に関する科目教職論 2 1 年 2 単位 2 単位 2 単位 教 教育原理 2 1 年 職 に教育の基礎理論に関する科教育心理学 2 1 年 6 単位 6 単位 6 単位 関目 す

Microsoft PowerPoint - 物情数学C（2012）（フーリエ前半）_up

年度物理情報工学科 年生秋学期 物理情報数学 C フーリエ解析 (Fourier lysis) 年 月 5 日 フーリエ ( フランス ) (768~83: ナポレオンの時代 ) 歳で Ecole Polyechique ( フランス国立理工科大学 ) の教授 ナポレオンのエジプト遠征に従軍 (798) 87: 任意の関数は三角関数によって級数展開できる という フーリエ級数 の概念を提唱 ( 論文を提出

自己紹介 名前 : 竹田卓也 年齢 : 20 歳 ( 大学生 ) 経歴 : 人工知能歴 1ヶ月プログラミング歴 5 年くらい 言語 : PythonとかJavaとかGoとか 趣味 : オンライン オフラインゲーム 2

リカレントニューラルネットワークの概要と動作原理 竹田卓也 後援 : ドワンゴ 1 自己紹介 名前 : 竹田卓也 年齢 : 20 歳 ( 大学生 ) 経歴 : 人工知能歴 1ヶ月プログラミング歴 5 年くらい 言語 : PythonとかJavaとかGoとか 趣味 : オンライン オフラインゲーム 2 アウトライン Feed forward neural network Recurrent neural

PowerPoint プレゼンテーション

工業数学 Ⅰ 第 7 章多変数関数の微分 2. 実多変数の実数値関数 千葉大学工学部機械工学科担当者武居昌宏 教科書 工科系の数学 (4) [ 単行本 ] マイベルク ファヘンアウア著 及川正行訳 出版社 : サイエンス社 (1996/12) ISBN-10: 4781907814 第 7 章多変数関数の微分 2. 実多変数の実数値関数 2.1 基礎 多変数の実数値関数変数が2つ以上の n 変数関数定義域がn

Overview Simulation Kleisli Simulation Contribution 1. Implementation 2. Increasing the Chance of Simulation Experimental Results and Comparison 2

Kleisli Simulation for Real-Weighted Automata and its Algorithm 卜部夏木 ( 蓮尾研究室 ) 1 Overview Simulation Kleisli Simulation Contribution 1. Implementation 2. Increasing the Chance of Simulation Experimental

斎藤参郎 データサイエンス A 2018 年度水曜日 2 限目 (10:40-12:10) 0. イントロダクション 講義の進め方 担当昨年度より 講義の方針 1) 自宅でも学習できる 2) 様々なデータ分析手法を自分でインストールし 実験できる 環境の紹

斎藤参郎 saito@fukuoka-u.ac.jp データサイエンス A 2018 年度水曜日 2 限目 (10:40-12:10) 0. イントロダクション 講義の進め方 担当昨年度より 講義の方針 1) 自宅でも学習できる 2) 様々なデータ分析手法を自分でインストールし 実験できる 環境の紹介 3) データ分析技法を自習していくことができる基礎能力 講義内容で考慮すべき点 4) 多くの手法が電卓のように使える時代

Microsoft 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

Microsoft 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 ' = ( ', '

PowerPoint 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

電子図書館用高速データベース管理システム[稲田]

03/0/ 情報処理技術演習問題の分類. 分類実験情報処理技術者資格試験問題には何章の問題であるかの区別はない. 概ね同じ章の問題が連続して出題されるが,00% 正しいわけでない. したがって, 過去問題を章別に分類管理するには, 人手による分類作業が必要となる. 本研究では自動分類を試みる. 情報処理技術者資格試験の過去問題,40 問を教師データ,30 問をテストデータとして分類実験を行った. データは問題文および選択肢を

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,

1 2 3 1 34060120 1,00040 2,000 1 5 10 50 2014B 305,000140 285 5 6 9 1,838 50 922 78 5025 50 10 1 2

0120-563-506 / 9001800 9001700 123113 0120-860-777 163-8626 6-13-1 Tel.03-6742-3111 http://www.himawari-life.co.jp 1 2 3 1 34060120 1,00040 2,000 1 5 10 50 2014B 305,000140 285 5 6 9 1,838 50 922 78 5025

平成 年 月 7 日 ( 土 第 75 回数学教育実践研究会アスティ 45 ビル F セミナールーム A 札幌医科大学 年 P ab, を正の定数とする 平面上において ( a, を中心とする円 Q 4 C と (, b を中心とする円 C が 原点 O で外接している また P を円 C 上の点と

平成 年 月 7 日 ( 土 第 75 回数学教育実践研究会アスティ 45 ビル F セミナールーム 微分積分の拡張 変数関数問題へのアプローチ 予選決勝優勝法からラグランジュ未定乗数法 松本睦郎 ( 札幌北高等学校 変数関数の最大値 最小値に関する問題には多様なアプローチ法がある 文字を固定した 予選決勝優勝法, 計算のみで解法する 文字消去法, 微分積分を利用した ラグランジュ未定乗数法 がある

Microsoft PowerPoint - OsakaU_1intro.pptx

カーネル法入門. カーネル法へのイントロダクション 福水健次 統計数理研究所 / 総合研究大学院大学 大阪大学大阪大学大学院基礎工学研究科 集中講義 204 September カーネル法 : 近年 990 年代半ばごろから 発展したデータ解析の方法論. 非線形な情報や高次モーメントの扱いが容易. サポートベクターマシンの提案が発端となった. 2 線形なデータ解析 非線形な データ解析 3 データ解析とは?

スライド 1

Keal H. Sahn A R. Crc: A dual teperature sulated annealng approach for solvng blevel prograng probles Coputers and Checal Engneerng Vol. 23 pp. 11-251998. 第 12 回論文ゼミ 2013/07/12( 金 ) #4 M1 今泉孝章 2 段階計画問題とは

PowerPoint プレゼンテーション

データ解析 第 7 回 : 時系列分析 渡辺澄夫 過去から未来を予測する 観測データ 回帰 判別分析 解析方法 主成分 因子 クラスタ分析 時系列予測 時系列を予測する 無限個の確率変数 ( 確率変数が作る無限数列 ){X(t) ; t は整数 } を生成する情報源を考える {X(t)} を確率過程という 確率過程に ついて過去の値から未来を予測するにはどうしたらよいだろうか X(t-K),X(t-K+1),,X(t-1)

0 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

スライド 1

1 非対称通信路の通信路容量を達成する 符号化法に関する最近の進展 東京大学大学院新領域創成科学研究科複雑理工学専攻講師本多淳也 情報理論研究会 2018/5/18 概要 2 非対称通信路の符号化 polar 符号を用いる方式 無歪み圧縮を用いた符号化法の一般的な枠組み Miyake-Muramatsuの方式 連鎖構造に基づく方式 無歪み圧縮の逆操作について 通信路符号化 3 ノイズを含む通信路を用いて情報を伝送したい

共有辞書を用いた 効率の良い圧縮アルゴリズム

大規模テキストに対する 共有辞書を用いた Re-Pair 圧縮法 Variable-to-Fixed-Length Encoding for Large Texts Using Re-Pair Algorithm with Efficient Shared Dictionaries 関根渓, 笹川裕人, 吉田諭史, 喜田拓也 北海道大学大学院情報科学研究科 1 背景 : 巨大なデータ 計算機上で扱うデータの巨大化.

PowerPoint Presentation

知能システム論 1 (11) 2012.6.20 情報システム学研究科情報メディアシステム学専攻知能システム学講座末廣尚士 13. ロボットアームの逆運動学 ( 幾何的解法 ) 何をしたいか 手首 手先 ツールの3 次元空間での位置や姿勢から それを実現する関節角度を計算する アームソリューション アームの解とも呼ぶ 何のために たとえばビジョンで認識された物をつかむ場合 物の位置 姿勢は3 次元空間で表現されることが普通である

図 1 非負値行列因子分解 (NMF) を音楽データに適用した例 NMF のアプローチは 教師なし学習と教師付き学習に大別される 教師なし学習では W と H が両方とも未知であると仮定するのに対して 教師付き学習では ( 予め 各楽器音単独のスペクトルの情報が入手可能である状況を想定して )W が

1. 研究背景と目的非負値行列因子分解 (NMF) は 非負値行列 Y( 各成分が 0 以上の実数値を取る行列 ) を 2 つの非負値行列 W と H の積に分解する数理問題である この問題は 遅くとも 1970 年代には研究されていたが 20 世紀の終わりに学術誌 Nature に掲載された Lee, 湯川正裕 (Masahiro YUKAWA, Dr. Eng.) 慶應義塾大学理工学部電子工学科准教授

FEM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

DVIOUT-OCTbook201

第 3 章 ヒルベルト空間 本節では, 量子系の理解のために必要な無限次元線形空間の理論であるヒルベルト空間の基本的事柄を概説する. 0.1 基本定理数体 K ( 実数体 R または複素数体 C; これらをスカラー体ともいう ) 上の線形空間の任意の元 x, y, z X と任意の λ K に対して, 1. hx, xi 0, = 0 x =0, 2. hx, yi = hy, xi, 3. hx,

スライド 1

CNN を用いた弱教師学習による画像領域分割 下田和, 柳井啓司 電気通信大学 大学院情報理工学 研究科 総合情報学専攻 c 2015 UEC Tokyo. Convolutional Neural Network CNN クラス分類タスクにおいてトップの精度 CNN の応用 ( 物体位置の認識 ) 物体検出 物体に BB を付与 領域分割 ピクセル単位の認識 CNN を用いた領域分割 CNN による完全教師ありのセグメンテーション

A Bit flipping Reduction Method for Pseudo-random Patterns Using Don’t Care Identification on BAST Architecture

29 年 2 月 4 日日本大学大学院生産工学研究科数理情報工学専攻修士論文発表会 BAST アーキテクチャにおけるランダムパターンレジスタント故障ドントケア抽出を用いた擬似ランダムパターンのビット反転数削減法に関する研究 日本大学院生産工学研究科数理情報工学専攻万玲玲 背景 概要 BAST アーキテクチャ 目的と提案手法 ハンガリアンアルゴリズム ランダムパターンレジスタント故障検出用ドントケア抽出法

_viscon資料

CG のための数学的手法と発想 概要 何が CG に望まれているか? CG で使われる数学的手法 CG と数学のコラボレーション 数学的発想とは? CG に何が 望まれているか? CG で使われる 数学的手法 光と影のシミュレーション L( x, θ) = L e ( x, θ) + L( x, φ) ρ( x, θ, φ)dω Ex. 流体なら Navier-Stokes 方程式 : 流体 雲 爆発

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

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

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,

Microsoft PowerPoint - NA03-09black.ppt

きょうの講義 数値 記号処理 2003.2.6 櫻井彰人 NumSymbol@soft.ae.keo.ac.jp http://www.sakura.comp.ae.keo.ac.jp/ 数値計算手法の定石 多項式近似 ( 復習 )» 誤差と手間の解析も 漸化式» 非線型方程式の求解 数値演算上の誤差 数値計算上の誤差 打ち切り誤差 (truncaton error)» 使う公式を有限項で打ち切る

永原 : スパースモデリングのための凸最適化 2 x 2 2 = x 2 +x 2 2 +x 2 3 = t 2 + 2t+3) 2 +t 2 = 6t ) interpolating polynomial を最小化する t は t = であるので,2) 式より解は x,x 2,x 3

2 システム / 制御 / 情報,Vol. 6, No., pp. 2 28, 27 スパースモデリングのための凸最適化 近接勾配法による高速アルゴリズム 解 永原正章 * 説. はじめに 近年, 情報学の分野でスパースモデリングが注目を集 めている []. これは, 大量の高次元データからデータ フィッティングと説明変数の選択を自動的に行う方法で, ビッグデータなどの大規模なデータであっても本質的には少数の説明変数しか存在しないというスパース性に着目する.

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

ボルツマンマシンの高速化

1. はじめに ボルツマン学習と平均場近似 山梨大学工学部宗久研究室 G04MK016 鳥居圭太 ボルツマンマシンは学習可能な相互結合型ネットワー クの代表的なものである. ボルツマンマシンには, 学習のための統計平均を取る必要があり, 結果を求めるまでに長い時間がかかってしまうという欠点がある. そこで, 学習の高速化のために, 統計を取る2つのステップについて, 以下のことを行う. まず1つ目のステップでは,

微分方程式 モデリングとシミュレーション

1 微分方程式モデリングとシミュレーション 2018 年度 2 質点の運動のモデル化 粒子と粒子に働く力 粒子の運動 粒子の位置の時間変化 粒子の位置の変化の割合 速度 速度の変化の割合 加速度 力と加速度の結び付け Newtonの運動方程式 : 微分方程式 解は 時間の関数としての位置 3 Newton の運動方程式 質点の運動は Newton の運動方程式で記述される 加速度は力に比例する 2

16soukatsu_p1_40.ai

2 2016 DATA. 01 3 DATA. 02 4 DATA. 03 5 DATA. 04 6 DATA. 05 7 DATA. 06 8 DATA. 07 9 DATA. 08 DATA. 09 DATA. 10 DATA. 11 DATA. 12 DATA. 13 DATA. 14 10 11 12 13 COLUMN 1416 17 18 19 DATA. 15 20 DATA. 16

Microsoft Word - ㅎ㇤ㇺå®ı璃ㆨAIã†®æŁ°ç’ƒ.docx

ベイズの定理から AI の数理 ベイズ更新とロジステック曲線について 松本睦郎 ( 札幌啓成高等学校講師 ) Episode ロジステック曲線 菌やウイルスの増殖数や 人口増加等を表現する曲線の一つにロジステック曲線があります 例 シャーレの中で培養された大腸菌の数について考察する シャーレ内に栄養が十分に存在するとき 菌は栄養を吸収しながら 一定時間ごとに細胞分裂をして増 殖する 菌の数 u u(t)

Microsoft PowerPoint - Eigen.ppt [互換モード]

固有値解析 中島研吾 東京大学情報基盤センター同大学院情報理工学系研究科数理情報学専攻数値解析 ( 科目番号 58) 行列の固有値問題 べき乗法 対称行列の固有値計算法 Eige Eige A 行列の固有値問題 標準固有値問題 (Stdrd Eigevle Problem を満足する と を求める : 固有値 (eigevle) : 固有ベクトル (eigevetor) 一般固有値問題 (Geerl

AI技術の紹介とセンサーデータ解析への応用

AI を活用したセンサーデータ解析 MathWorks Japan アプリケーションエンジニアリンググループアプリケーションエンジニア吉田剛士 2018 The MathWorks, Inc. 1 AI を活用したセンサーデータ解析 11:20-11:50 MATLAB による AI 作成 アプリを使った簡易的な解析 学習モデルのパラメータ自動調整 学習モデルのスタンドアロン化 2 課題 : ターボファンエンジンの予知保全

モデリングとは

コンピュータグラフィックス基礎 第 5 回曲線 曲面の表現 ベジェ曲線 金森由博 学習の目標 滑らかな曲線を扱う方法を学習する パラメトリック曲線について理解する 広く一般的に使われているベジェ曲線を理解する 制御点を入力することで ベジェ曲線を描画するアプリケーションの開発を行えるようになる C++ 言語の便利な機能を使えるようになる 要素数が可変な配列としての std::vector の活用 計算機による曲線の表現

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 =

大気環境シミュレーション

第 3 回 (Q) 各自 eelを用いて 次の漸化式 + = の解の初期値依存性を調べよ.は50まで () 0 =.0 () 0 =.5 (3) 0 =.0 締切 04 年 月 6 日 ( 月 ) 夕方まで 提出先 347 室 オーバーフロー失敗ゴメンなさい (Q) 各自 eelを用いて 次の漸化式 + = の解の初期値依存性を調べよ.は50まで () 0 =.330 () 0 =.33 (3) 0

1 人間と同様の知能とは実際どの様な事か! 人間だからこそ可能と思われている事象から * 判断する * 予測する * 診断する * 推測する 人間が行っていること 多くの判断材料からある種の結論を導き出す事 技術的には 多くのデータから特徴を見出し結論を導き出す事 研究開発や工場では人間だからこそで

AI とは? 人工知能 (AI :artificial intelligence) 人間だからこそ可能と思われている判断 行動をコンピュータ上で実現させるための技術 ( 人間と同様の知能を人工的に作る ) < 目次 > 1. 人間と同様の知能とは実際どの様な事か! 2.AI を実現するには! 3. 人間以上の高性能を出すにはどうすれば良いか!! 4. 品質工学 +MATLAB と Deep Learning

ムーアの法則に関するレポート

情報理工学実験レポート 実験テーマ名 : ムーアの法則に関する調査 職員番号 4570 氏名蚊野浩 提出日 2019 年 4 月 9 日 要約 大規模集積回路のトランジスタ数が 18 ヶ月で2 倍になる というムーアの法則を検証した その結果 Intel 社のマイクロプロセッサに関して 1971 年から 2016 年の平均で 26.4 ヶ月に2 倍 というペースであった このことからムーアの法則のペースが遅くなっていることがわかった

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

Introduction to System Identification

y(t) モデルベースデザイン 制御系設計のためのシステム同定入門 s 2 Teja Muppirala t s 2 3s 4 2012 The MathWorks, Inc. 1 モデルベースデザイン 正確なモデルがあることが大前提 実行可能な仕様書 シミュレーションによる設計 モデル 連続したテスト 検証 コード生成による実装 2 動的システムのモデリング モデリング手法 第一原理モデリング データドリブンモデリング

概要 単語の分散表現に基づく統計的機械翻訳の素性を提案 既存手法の FFNNLM に CNN と Gate を追加 dependency- to- string デコーダにおいて既存手法を上回る翻訳精度を達成

Encoding Source Language with Convolu5onal Neural Network for Machine Transla5on Fandong Meng, Zhengdong Lu, Mingxuan Wang, Hang Li, Wenbin Jiang, Qun Liu, ACL- IJCNLP 2015 すずかけ読み会奥村 高村研究室博士二年上垣外英剛 概要

大域照明計算手法開発のためのレンダリングフレームワーク Lightmetrica: 拡張 検証に特化した研究開発のためレンダラ 図 1: Lightmetrica を用いてレンダリングした画像例 シーンは拡散反射面 光沢面を含み 複数の面光 源を用いて ピンホールカメラを用いてレンダリングを行った

大域照明計算手法開発のためのレンダリングフレームワーク Lightmetrica: 拡張 検証に特化した研究開発のためレンダラ 図 1: Lightmetrica を用いてレンダリングした画像例 シーンは拡散反射面 光沢面を含み 複数の面光 源を用いて ピンホールカメラを用いてレンダリングを行った モデルとして外部から読み込んだ三角形メ ッシュを用いた このように Lightmetrica はレンダラとして写実的な画像を生成する十分な実力を有する

シミュレーション物理4

シミュレーション物理 4 運動方程式の方法 運動方程式 物理で最もよく出てくる そもそも物理はものの運動を議論する学問から出発 ( つり合いは運動を行わないという意味で含まれる ) 代表例 ニュートンの運動方程式 波動方程式 シュレーディンガー方程式 運動方程式 ( 微分方程式の解法 ) 高次の微分方程式を 1 階微分方程式に変形 N 変数の 階微分方程式 N 変数の 1 階微分方程式 dy/dt=f(t,y)

リレーショナルデータベース入門 SRA OSS, Inc. 日本支社 Copyright 2008 SRA OSS, Inc. Japan All rights reserved. 1

リレーショナルデータベース入門 SRA OSS, Inc. 日本支社 Copyright 2008 SRA OSS, Inc. Japan All rights reserved. 1 データベース とは? データ (Data) の基地 (Base) 実世界のデータを管理するいれもの 例えば 電話帳辞書メーラー検索エンジン もデータベースである Copyright 2008 SRA OSS, Inc.

(Microsoft PowerPoint - \203|\203X\203^\201[\224\255\225\\\227p\216\221\227\ ppt)

Web ページタイプによるクラスタリングを用いた検索支援システム 折原大内海彰電気通信大学システム工学専攻 はじめに 背景 文書クラスタリングを用いた検索支援システム Clusty(http://clusty.jp/) KartOO(http://www.kartoo.com/) Carrot(http://www.carrot-search.com/) これらはすべてトピックによる分類を行っている

スライド 1

非線形数理秋の学校 パターン形成の数理とその周辺 - 反応拡散方程式理論による時 空間パターンの解析を中心に - 2007 年 9 月 25 日 -27 日 モデル方程式を通してみるパターン解析ー進行波からヘリカル波の分岐を例としてー 池田勉 ( 龍谷大学理工学部 ) 講義概要, 講義資料, 講義中に使用する C 言語プログラムと初期値データ, ヘリカル波のアニメーションをウェブで公開しています :

<4D F736F F D208DB295BF904D8F838E81948E8E6D985F95B690528DB895F18D908F C4816A2E646F63>

2005 年 3 月 9 日 一橋大学大学院経済学研究科博士学位請求論文審査報告 佐柄信純氏の博士学位請求論 Optimality of Intertemporal Choice with an Infinite Horizon: Existence, Sensitivity, and Statistical Inference は無限期間モデルにおける最適経済成長に関する研究である 論文は2 部

Microsoft PowerPoint - CSA_B3_EX2.pptx

Computer Science A Hardware Design Excise 2 Handout V2.01 May 27 th.,2019 CSAHW Computer Science A, Meiji University CSA_B3_EX2.pptx 32 Slides Renji Mikami 1 CSAHW2 ハード演習内容 2.1 二次元空間でのベクトルの直交 2.2 Reserved

Microsoft 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

Microsoft PowerPoint - mp13-07.pptx

数理計画法 ( 数理最適化 ) 第 7 回 ネットワーク最適化 最大流問題と増加路アルゴリズム 担当 : 塩浦昭義 ( 情報科学研究科准教授 ) hiour@di.i.ohoku.c.jp ネットワーク最適化問題 ( 無向, 有向 ) グラフ 頂点 (verex, 接点, 点 ) が枝 (edge, 辺, 線 ) で結ばれたもの ネットワーク 頂点や枝に数値データ ( 距離, コストなど ) が付加されたもの

PowerPoint プレゼンテーション

回転型クレーン / 倒立振子の制御 回転型クレーンの制御 状態方程式 コントローラ設計 ( 極配置法 ) コントローラ設計 ( 最適レギュレータ ) 回転型倒立振子の制御 状態方程式 コントローラ設計 コントローラの形式 : 状態フィードバック P-D コントローラ アームの P-D 振子の P-D 目標値 状態フィードバック制御 回転型クレーン コントローラ で 状態フィードバック制御 回転型クレーン

1. 線形シフト不変システムと z 変換 ここで言う システム とは? 入力数列 T[ ] 出力数列 一意変換 ( 演算子 ) 概念的には,, x 2, x 1, x 0, x 1, x 2, を入力すると, y 2, y 1, y 0, y 1, y 2, が出力される. 線形システム : 線形シ

1. 線形シフト不変システムと z 変換 ここで言う システム とは? 入力数列 T[ ] 出力数列 一意変換 ( 演算子 ) 概念的には,, x 2, x 1, x, x1, x2, を入力すると, y 2, y 1, y, y1, y2, が出力される. 線形システム : 線形システムの例 x nxn 1 yn= 2 線形でないシステムの例 xn yn={ 2 xn xn othewise なぜ線形システム?

コンピュータグラフィックス第6回

コンピュータグラフィックス 第 6 回 モデリング技法 1 ~3 次元形状表現 ~ 理工学部 兼任講師藤堂英樹 本日の講義内容 モデリング技法 1 様々な形状モデル 曲線 曲面 2014/11/10 コンピュータグラフィックス 2 CG 制作の主なワークフロー 3DCG ソフトウェアの場合 モデリング カメラ シーン アニメーション テクスチャ 質感 ライティング 画像生成 2014/11/10 コンピュータグラフィックス

! Aissi, H., Bazga, C., & Vaderpoote, D. (2009). Mi max ad mi max regret versios of combiatorial optimizatio problems: A survey. Europea joural of ope

mi max regret l m ( ) ! Aissi, H., Bazga, C., & Vaderpoote, D. (2009). Mi max ad mi max regret versios of combiatorial optimizatio problems: A survey. Europea joural of operatioal research, 197(2), 427-438.!

PowerPoint Presentation

パターン認識入門 パターン認識 音や画像に中に隠れたパターンを認識する 音素 音節 単語 文 基本図形 文字 指紋 物体 人物 顔 パターン は唯一のデータではなく 似通ったデータの集まりを表している 多様性 ノイズ 等しい から 似ている へ ~ だ から ~ らしい へ 等しい から 似ている へ 完全に等しいかどうかではなく 似ているか どうかを判定する パターンを代表する模範的データとどのくらい似ているか

微分方程式による現象記述と解きかた

微分方程式による現象記述と解きかた 土木工学 : 公共諸施設 構造物の有用目的にむけた合理的な実現をはかる方法 ( 技術 ) に関する学 橋梁 トンネル ダム 道路 港湾 治水利水施設 安全化 利便化 快適化 合法則的 経済的 自然および人口素材によって作られた 質量保存則 構造物の自然的な性質 作用 ( 外力による応答 ) エネルギー則 の解明 社会的諸現象のうち マスとしての移動 流通 運動量則

NumericalProg09

数値解析および プログラミング演習 [08 第 9 回目 ] の解法 - 4. Ruge-Kua( ルンゲ クッタ 法 Ruge-Kua-Gill( ルンゲ クッタ ジル / ギル 法 5. 多段解法 解法の対象 常微分方程式 d( d 初期値条件 (, の変化に応じて変化する の値を求める. ( 0 ( 0 と 0 は,give 0 常微分方程式の初期値問題 と言う. 3 Ruge-Kua 法の導出

p01.qxd

2 s 1 1 2 6 2 POINT 23 23 32 15 3 4 s 1 3 2 4 6 2 7003800 1600 1200 45 5 3 11 POINT 2 7003800 7 11 7003800 8 12 9 10 POINT 2003 5 s 45700 3800 5 6 s3 1 POINT POINT 45 2700 3800 7 s 5 8 s3 1 POINT POINT

株主通信：第18期 中間

19 01 02 03 04 290,826 342,459 1,250,678 276,387 601,695 2,128,760 31,096 114,946 193,064 45,455 18,478 10,590 199,810 22,785 2,494 3,400,763 284,979 319,372 1,197,774 422,502 513,081 2,133,357 25,023

2

株主通信　第16 期 報告書

10 15 01 02 1 2 3 03 04 4 05 06 5 153,476 232,822 6,962 19,799 133,362 276,221 344,360 440,112 412,477 846,445 164,935 422,265 1,433,645 26,694 336,206 935,497 352,675 451,321 1,739,493 30,593 48,894 153,612

21 POINT 1 POINT 2 POINT 3