Quaternion "lookAt" function
Im struggling with the following problem. Im working with bone animation and I want (ie) the head of the player to follow an another object in space. My up axis is +Z my forward axis is +Y, and the magnitude of the quaternion is in W. I tried to use the mesa code for gluLookAt and use the 3x3 matrix to transform to a quaternion but it doesn't work as expected so I go in another direction... So far
新一の「心の一票」：楽天ブログ
2024.01.02 キリスト教・ユダヤ教に基く欧米の神格化・選民思想と理性の弾圧 カテゴリ：研究関連の現状報告 理論を巡る無意味な混乱と激しい二面性 昨年8月に公開した、宇宙際タイヒミューラー理論を巡る状況に関する報告書で（また[EssLgc]§1.5でも）詳しく解説している通り、 ・理論の数学的内容は既に多くの数学者によって よく理解されており、 ・理論の原論文のみならず、その延長線上にある 具体的な計算を纏めた論文も、査読を経て世界的 に有名な数学者たちが編集者を務める学術誌に 既に出版されており、 ・また新しい応用を見据えた、理論の3種類の新しい ヴァージョンも数名の共同研究者とともに開発中 であり、・理論に対して懐疑的であった欧米の数学者も、 普通に建設的な数学的な議論に応じされすれば、 理論に対する誤解や疑念は、（19世紀の有名な リーマン・ワイエ
Computational Geometry in Python
Home About me Books Presentations Teaching Current | Most recent classes MA122—Fall 2018 MA300—Fall 2018 MA242—Fall 2018 MA241—Spring 2018 MA524—Fall 2017 MA141—Fall 2016 MA142—Fall 2016 Forums for Homework and Review Exams MATH 242 Fall 2018 Review Exams MATH 300 Fall 2018 Problems from Chapter 11 Answers to Assigned Problems in Lesson 13 Answers to Assigned Problems in Lesson 14 Answers to Probl
alexhwoods.com
Hey, I'm Alex. I'm a software engineer in Atlanta, Georgia. I work at Makeswift. I like to write about things that I'm learning; it helps me learn them more deeply. Here are some of my favorite articles I've written so far. Everything Useful I Know About kubectl Consistent Hashing Running Containers on AWS Evaluating GCP's Cloud Key Management Service You can also take a look at everything else I'
カーネルとは直感的に説明するとなんなのか？ - Qiita
How to intuitively explain what a kernel is?に対する回答がわかりやすかったので和訳 まずは質問の意図から。 質問者は、「カーネルとは直感的に説明するとなんなのか？」を聞いています。それに対する回答のひとつが、上記のリンク先です。 和訳 カーネルとはふたつのベクトル $\boldsymbol{x}$ と $\boldsymbol{y}$ の内積を(たいていはとても高次元の)特徴空間で計算する方法であり、これがカーネル関数が時々「一般化内積」と呼ばれる理由です。 $\mathbb{R}^n$ 上にあるベクトルをなんらかの特徴空間 $\mathbb{R}^m$ へ写す写像 $\varphi:\mathbb{R}^n \rightarrow \mathbb{R}^m$ があるとします。すると、その空間での $\boldsymbol{x}$ と $\bol
日本数学会
最新ニュースNEWS 学術的会合 第2回日本数学会賞小平邦彦賞 授賞式および受賞講演会（2023年9月16日 (土)～9月17日 (日)、東京大学駒場キャンパス） 学術的会合 MSJ-KMS Joint Meeting 2023（2023年9月19日（火）仙台国際センター） 学術的会合 2023年度秋季総合分科会（2023年9月20日～9月23日、東北大学） 会員向け 第26回大学女性協会守田科学研究奨励賞受賞候補者募集 会員向け 加藤フェロー募集について(2023年10月31日締切) 会員向け 2024年〜2025年開催「藤原セミナー」の募集について 会員向け 「公益目的支出計画」の実施完了について 会員向け AIMS（African Institute for Mathematical Sciences）への講師派遣について 会員向け Asian and Oceanian Women
望月新一の安否確認情報
望月新一の安否確認情報 2024年03月24日 00：00現在： 元気にやっています。 所在地： 京都府 Safety Confirmation Information for Shinichi Mochizuki As of 24 March 2024, 00:00: I'm doing fine. Location: Kyoto Prefecture, Japan
ウェーブレット木の世界
2013/1/9に統数研チャンネルにて、ウェーブレット木の解説をしました。岩波書店より出版されました「高速文字列解析の世界」の解説になっています。
LAMP - Multiple testing procedure for finding higher order effects
LAMP is a code for multiple testing correction. Given the relationships between transcription factors (TFs) and genes and gene expression levels, the code lists up statistically significant combinations of TFs. The LAMP algorithm calibrates the Family-Wise Error Rate (FWER) at the same level of Bonferroni correction. Applying our method to your data instead of using the Bonferroni correction gives
これさえあれば数学を楽しく学べる 20の娯楽作品 - 日本経済新聞
勉学の秋。様々な学問の中でも、好き・嫌いがはっきり分かれるのが数学かもしれない。今回は誰もが楽しめて数学の魅力あふれる娯楽作品を「本」「漫画」「映画」の3分野で専門家に選んでもらった。＜本でワクワク＞1位 数の悪魔 ―算数・数学が楽しくなる12夜230ポイント かわいい挿絵、大人でも読み応え 算数が大嫌いな少年ロバートの夢に、「数の悪魔」を名乗る奇妙な老紳士が現れて数の法則の不思議と魅力をゲームなどを通して教えてくれる。「1の不思議」「素数の秘密」など12の数学的テーマを一夜につき一つずつ取り上げて展開していく。 かわいい挿絵が入った童話のような体裁だが、大人でも十分に読み応えがある。「算数、数学を嫌いになる前に読んで、楽しい感覚を習得するのに活用してほしい本」（野沢佳代さん）。 (1)エンツェンスベルガー（著）ベルナー（絵）丘沢静也（訳）(2)晶文社(3)1680円（普及版）
submodularity.org: Tutorials, References, Activities and Tools for Submodular Optimization
Overview This page collects some material and references related to submodular optimization, with applications in particular in machine learning and AI. Convex optimization has become a main workhorse for many machine learning algorithms during the past ten years. When minimizing a convex loss function for, e.g., training a Support Vector Machine, we can rest assured to efficiently find an optimal
指数型分布族とはなんぞ - Fire and Motion
皆さん，ご存じの指数型分布族(exponential family)について私の拙い理解をまとめておきたいと思います．指数型分布族といえば，難しめの統計学や機械学習の本を読んだときに突如出てきて，「え，何それ，指数分布じゃないの？僕，指数分布しか知らないよ−」と思っている読者を撲殺し，しかし，殺されている本人は「まぁ，たぶん指数分布みたいなものだろう，とりあえず読み進めよう」と見ない振りをしているアレです．えぇ．私もそういう理解です．しかし，このままではいかんので，そこらへんにあった文献を元に簡単な理解をまとめておきたいと思います．ちなみに私の初エンカウンターはPRMLでした．てか，（私が学んだゆるい）大学時代の講義ではこんなもの習わなかったのですが，この指数型分布族とはどういう統計の授業では学ぶモノなのでしょう…．単なる勉強不足かもしれませんが…． あいつもこいつも指数型分布族 まず，P
圏論勉強会 第1回 @ ワークスアプリケーションズ
@ワークスアプリケーションズ 中村晃一 2013年5月16日 謝辞 この会の企画・会場設備の提供をして頂きました ㈱ ワークスアプリケーションズ様 にこの場をお借りして御礼申し上げます。 自己紹介 中村晃一 東京大学 大学院 情報理工学系研究科 コンピュータ科学専攻 後期博士課程 2年 プログラム最適化・言語処理系の実装技術・人間と言語の関係等に興味があります。 twitter: @9_ties はじめに この会について 圏論(category theory)を題材にいろんなことを学びます。 分かり易さを重視して初歩的な例を多用します。 関数型言語の経験がある方がより楽しめると思います。資料中では主にHaskellを使います。 この資料はhttp://nineties.github.com/category-seminarに置いてあります。 参考書 私はSteve Awodey著「Cate
ORIPA: Origami Pattern Editor
[2012/6/17] Source code of ORIPA was released as an Open Source. [2011/9/6] All contents about ORIPA was moved to this page. ORIPA is a drawing software dedicated to designing the crease patterns of origami. The unique feature of ORIPA is calculation of the folded shape from the pattern. The first version of ORIPA was released in 2005. ORIPA は折紙の展開図を描くための専用ドローソフトです。平坦に折りたたむことができる展開図に対しては、それを折りたたんだ
ボロノイ折り紙 - みたにっき＠はてな
先日、Webで公開している「折り紙研究ノート」で、平織りに関する解説を公開しました。 （この内容は日本折紙学会の研究会でもちょっと紹介したいと検討中。日本図学会の連載記事でも紹介される予定です。） ↑こんな感じで、正方形などの正多角形を規則的に並べることで、ねじり折り要素をタイリングすることができます。 解説の中では、Robert J. Lang氏と Alex Bateman 氏の研究によって、正多角形でないタイルであっても、「縮小と回転」で平坦に折りたたむことができるケースがあることが示されていること、そして、ボロノイタイリングが、その条件を満たすということを紹介しました。 下の図のように、適当に作られたボロノイ図でも、ボロノイ領域を縮小・回転させることで、平坦折りできる展開図になります。不思議。 これまでに、驚くほど見事な平織り作品を数多く創作してきた Eric Gjerde 氏も、ボ
スライド 1
劣モジュラ性を用いた データ生成過程の学習 大阪大学 産業科学研究所 / 日本科学技術機構(さきがけ) Email: kawahara@ar.sanken.osaka-u.ac.jp web: http://www.ar.sanken.osaka-u.ac.jp/~kawahara/ 河原 吉伸 発表の概要 機械学習における組合せ的計算によるアプローチの 重要性と難しい点，劣モジュラ性利用の動機 劣モジュラ性の導入的説明と特徴選択への利用 劣モジュラカット法を中心として，劣モジュラ性を用いた 大域的解法の紹介 2 特徴選択（1） 例） 治療日数を決定する親変数の中から， 1. 治療日数を予測するのに有用な変数を選ぶ 2. 治療日数の要因を特定する 3 治療日数 重症度 投薬 年齢 治療日数= 𝑏11 ×投薬+𝑏12 ×重症度+𝑏13 ×年齢+ ⋯ + 𝑒1 𝑒1 …
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Distance between point and a line (from two points)
Shortest distance between two line segments
IPSJ-ONEまとめ #ipsjone
ODICON