Juliaでの等号と不等号いろいろ
TL;DR isequalは==とも===とも違うので注意 islessは<とも≤とも違うので注意 一方でisapproxは≈と同じだったりする 等号評価 実行例 Juliaには等号評価の演算として以下の3つの関数が用意されています。 == === isequal これらの差異は以下のコードを実行して確認することができます。 julia> operators = [==, isequal, ===] 3-element Vector{Function}: == (generic function with 178 methods) isequal (generic function with 26 methods) === (built-in function) julia> pairs = [(Inf, Inf), (Inf, Inf32), (+0.0,-0.0), (NaN, NaN
数学と物理におけるJuliaの活用｜2023a015 | 産業数学の先進的・基礎的共同研究拠点 九州大学IMI
開催方法：九州大学 伊都キャンパスとZoomミーティングによるハイブリッド開催 開催場所：九州大学 伊都キャンパス ウエスト1号館 D棟 4階 IMIオーディトリアム（W1-D-413） 主要言語：日本語 共催：九州大学マス・フォア・インダストリ研究所，学術変革領域研究A「「学習物理学」の創成－機械学習と物理学の融合新領域による基礎物理学の変革」 種別・種目：一般研究-研究集会（Ⅱ） 研究計画題目：数学と物理におけるJuliaの活用 研究代表者：富谷 昭夫（大阪国際工科専門職大学情報工学科・助教） 研究実施期間：2023年7月10日（月）〜2023年7月12日（水） 公開期間：2023年7月10日（月）〜2023年7月12日（水） 研究計画詳細：https://joint1.imi.kyushu-u.ac.jp/research_chooses/view/2023a015
Juliaでニューラルネットワークを使ってタイタニック生存者予測をする
データにはいくつか欠損値があるので、それをどうするか、決めます。 欠損値の扱いは、欠損値の行を消すとか、何か代替の情報で補完するとか、いくつか方法があります。 今回のデータだと、Age（年齢）に177件の欠損値があります。 ちなみに予測するデータにはAge（年齢）とFare（料金）に欠損値があります。 今回は、いくつかの事例を参考に年齢中央値で埋めました。 ここまでのやり方は以下の通り #データの読み込み train_raw = CSV.read("train.csv",DataFrame); test_raw = CSV.read("test.csv",DataFrame); #データの選択 train =select(train_raw,:Survived,:Pclass,:Sex,:Age,:Fare); #欠損値の補完 #年齢を中央値で補完 recode!(train[!,:Age
Juliaでジップの法則を確認(2) ニュース記事の場合
はじめに 以前の記事で、小説データを使ってジップの法則を確認しました。しかし、ジップの法則とはかなり乖離していることがわかりました。 それが、小説を題材にしたことによるものなのかどうかを確認するために、他のデータを使うべく、前回の記事において、Yahoo！ニュースの記事をスクレイピングする方法を紹介しました。 今回は、そのニュース記事を用いて、ジップの法則（Zipf’s law）を確認します。 ニュース記事 今回対象とするのは、Yahoo！ニュースのニュース記事です。 前回、Yahoo！ニュースをスクレイピングする方法を紹介しました。紹介した方法では、その時点で掲載された記事をスクレイピングするだけです。それを複数日繰り返して、得られたJSONデータをマージして、一つのデータとして扱います。 例えば、次のようなコードでマージするとよいでしょう。カレントフォルダにある拡張子「txt」のjso
Julia vs Numba and Cython: Looking Beyond Microbenchmarks
We compare the performance of Julia and Numba, for a minimal benchmark that enables to see some fundamental difference between Julia and accelerated-Python. Python is a programming language with so many advantages that we don’t even need to list them. It is also commonly acknowledged that its main drawback is code performance. Given this problem, many ways of speeding-up Python have been proposed
エフェクト解析による動的言語最適化 Part.1 - Advanced Technology Lab
こんにちは。ATL客員研究員の門脇です。普段は Julia Computing というボストンにある会社のソフトウェアエンジニアとして プログラミング言語Julia のコンパイラの開発に携わっています。 今回のブログ記事では、次のJuliaの最新版であるv1.8から追加される新しいコンパイラ機能 エフェクト解析 についてご紹介したいと思います。 エフェクト解析とは、メモリへの書き込みなどプログラムが持つ エフェクト(computational effects) を解析する技術のことで、 一般的にはエフェクトを解析することでリソースの安全な管理などを行うための発展的なコンパイルタイムチェックを行います。 そうしたエフェクトシステムおよび静的解析はいくつかの静的型付けの言語では既に実用化されていて、 例えば Haskell ではエフェクトシステムがライブラリレベルで実装されていたり、 Koka
Ruby を Julia に変換して実行すると速くなる (場合がある) - Speee DEVELOPER BLOG
開発部 R&D ユニットの村田です。OSSの開発をしております。本記事では、Ruby で書かれたマンデルブロ集合を計算するメソッドを実行時に Julia に変換して実行するとめっちゃ速くなる (場合がある)、という話をします。 はじめに Ruby 3.1 では YJIT がマージされ、Rails アプリケーションが速くなりました。今後のバージョンアップがとても楽しみですね。ただし、Ruby のデータ処理対応を進めている身としては、データ処理や数値計算がより高速になって欲しいと思っています。 データ処理や数値計算を高速化する試みとして、Python では NUMBA というライブラリが開発されています。NUMBA は、メソッド単位でバイトコードを LLVM を用いてネイティブコードにコンパイルすることでメソッド実行を高速化します。ただメソッドをネイティブコードに変換するのではなく、実行時にメ
nonrigorous_numerics
Juliaで間違える数値計算¶この文章は筑波大学大学院システム情報工学研究科リスク工学専攻の紀要「リスク工学研究」Vol. 16, pp.27-30に掲載された内容をJuliaを用いた計算例を加えて加筆修正したものです。 はじめに¶「数値計算・数値解析」という言葉、日頃よく耳にすると思いますが、「数値計算・数値解析」とは何でしょうか。本稿は、まずこの二つの言葉を明確に区別する事から始めます。今日、筆者が知る限り、「数値解析」は同じ言葉で二つの使い方をされます。一つは、「数値解析」とは数値を用いて代数的操作によって解くことができない数学の問題を解決する手法とする使い方、数値計算・数値実験・数値シミュレーションなどと同義のように使用されます。もう一つは、「数値解析」とは応用数学の一分野で、上記の数学問題を、数値を用いて近似的に解く手法に関する数学的な概念を研究する分野とする使い方。筆者は後者の
NA basic (Numerical Analysis Basic) (2019)
時限、教室 火曜日 2限、サイバーメディアセンター豊中教育研究棟 第5教室 授業で使う JuliaBox のライセンスについて 受講学生が授業期間中使えるライセンスを用意してあります． 授業時に配布しているので，出席したときに受け取ってください． 参考 web, link先等 The Julia Language 科学技術計算専用言語 “Julia” の本家 web. オンラインマニュアルや、Pkg の情報についてはここをまず頼ることになるだろう． julia について 本教官が少しずつ記述を追加している、julia の解説 web. とりあえず「超入門」を読んでおくと良いだろう． juliabox 無料で web browser から使える julia 環境だ． 授業にはぴったり．2回目の授業までに(できれば初回までに)ログインできるようにしておこう． 参考 書籍 Unix に関する，自
JuliaパッケージModelingToolkit.jlでタンクモデルを作成する - システムとモデリング
久しぶりの投稿です。 今回は非因果モデリングのためのJuliaパッケージModelingToolkit.jlを使用してタンクモデルを作成してみます。 ModelingToolkit.jlについて ModelingToolkitはJuliaネイティブのモデリングツールで、方程式ベースでモデルを記述できます。方程式ベースのため入力と出力を区別しない非因果的なモデリングが可能です。その他の非因果モデリングツールはmodelicaや同じくJuliaベースのmodia.jlが有名ですが、ModelingToolkitとそれらの相違点は以下の記事に詳しく書かれています。 https://www.stochasticlifestyle.com/modelingtoolkit-modelica-and-modia-the-composable-modeling-future-in-julia/ また、Mo
カルマンフィルターについて - Qiita
はじめに 千葉大学/Nospareの米倉です．今回はカルマンフィルターについて解説していきたいと思います． カルマンフィルターで何が出来るの？ フィルターとあるように，カルマンフィルターが出来る基本的なことは線形ガウス状態空間モデルのフィルタリング密度を逐次的に求めることです．ここで２つのキーワード，「線形ガウス状態空間モデル」と「フィルタリング密度」という単語が出てきましたので，まずはそれらについて解説します． 線形ガウス状態空間モデルとは 状態空間モデルとは2つの確率過程からなります．1つは潜在変数・状態変数・隠れ変数といわれるもので，これは直接観測できないがマルコフ連鎖に従う変数だとモデリングされます．例えば景気の良し・悪し等，概念として存在するけれど直接は観測できないものを想像してください．2つめは観測値で，これは直接観測できるもの，つまりデータです．ただし変数に依存して観測される
Juliaで精度保証付き数値計算
Juliaを使って、精度保証付き数値計算の方法を紹介します。精度保証付き数値計算は「敷居が高い」と言われ続けていますが、その敷居をみんなが跨げるようにするのが本稿の目的です。Juliaは近年飛ぶ鳥を落とす勢いの計算機言語で、区間演算が実装されているIntervalArithmetic.jlというパッケージがあります。これを利用して、精度保証付き数値計算を実装した例を紹介します。精度保証付き数値計算ってこうやるんだと身近に感じてもらい、今後使ってもらったら嬉しいです。 注意 区間演算の実装であるIntervalArithmetic.jlの実装にまだ不安があり、精度保証付き数値計算で論文を書くときは、MATLABのINTLABやC++のkvライブラリを利用することを推奨します。今はまだ、こうやって実装するのかと気軽に精度保証付き数値計算を体感してもらうためのコンテンツです。今後、区間演算の実装
逐次モンテカルロ、状態空間モデル、粒子フィルター
今回もまた、逐次モンテカルロ、状態空間モデル、そして粒子フィルタについてそれぞれやや詳しく解説していこうかと思う。理論的な分析は専門家向け過ぎるので割愛。 ますは逐次モンテカルロ法から。$(E,\mathcal{E})$を適当な可測空間として、$(E^{n},\mathcal{E}^{n}):=(\prod_{p=0}^{n}E^{p},\mathcal{E}^{\otimes n})$ 上で定義されるターゲットとなる（サンプリングをしたい）密度関数 $\left\{ \pi_{n}(x_{0:n})\right\} $ があるとする。仮定として、$\left\{ \pi_{n}(x_{0:n})\right\} $ の積分化定数は分からないとする。つまり、\begin{align} \pi_{n}(x_{0:n}) & =\frac{\gamma_{n}(x_{0:n})}{Z_{n}}
Generalizing Automatic Differentiation to Automatic Sparsity, Uncertainty, Stability, and Parallelism - Stochastic Lifestyle
Automatic differentiation is a “compiler trick” whereby a code that calculates f(x) is transformed into a code that calculates f'(x). This trick and its two forms, forward and reverse mode automatic differentiation, have become the pervasive backbone behind all of the machine learning libraries. If you ask what PyTorch or Flux.jl is doing that’s special, the answer is really that it’s doing automa
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
GitHub - AtelierArith/GomalizingFlow.jl: A Julia package for Flow-based sampling algorithm
Optimisers.jl 入門
Deep Learning with Julia
Simulation of a swimming dogfish shark
GitHub - akio-tomiya/LatticeQCD.jl: A native Julia code for lattice QCD with dynamical fermions in 4 dimension.
GitHub - JuliaLinearAlgebra/Octavian.jl: Multi-threaded BLAS-like library that provides pure Julia matrix multiplication