NDde を利用してシンプルなDDE通信のクライアントとサーバーを作成するコードを紹介します。 概要 プログラム間でデータの受け渡しをする場合、ファイルでの受け渡しやパラメーターでの受け渡しなどがありますが、DDEを利用するとプログラム間で通信をして値の受け渡しができます。この記事ではDDEを利用したデータの送受信プログラムを作成します。 プログラム例 Windows Formアプリケーションを作成します。 事前準備: NDde のインストール DDE通信を利用するためには、DDE通信のWindows APIを呼ぶ方法がありますが、NDdeというライブラリを使用するとWindows APIを直接呼び出さずにDDEを利用できます。 Visual Studio を起動し、Windows Formアプリケーションのプロジェクトを作成します。プロジェクト作成後[ツール]メニューの[NuGet パッ
マイクロソフト「.NET 7」正式リリース。パフォーマンス改善、Linux対応向上、コンテナ生成、ネイティブコンパイラ搭載など新機能 マイクロソフトは同社の包括的なアプリケーションフレームワーク「.NET 7」の正式リリースを発表しました。 It’s here – and it’s blazing fast… Announcing .NET 7, the fastest .NET yet with new enhancements for .NET MAUI, #ASPNET Core, Cloud Native, ARM64, Performance improvements, and more. Learn more: https://t.co/kGinyOaLBQ pic.twitter.com/yzCWEzlgzF — .NET (@dotnet) November 8, 2022
円安の嵐は、豊かな日本を呼び戻すトリガーになる可能性は高い。 名目成長ゼロ・物価上昇率ゼロ・金利ゼロの頑強な安定(「デフレ均衡」)が続いたのは、日本からの資本漏出(=ビジネス機会の漏出)が続いていたからである。 超円安は、日本経済に全く寄与しない形でため込まれていた巨額の対外資産の国内還流を引き起こし、日本に固く定着したゼロ・ゼロ・ゼロの「デフレ均衡」を瓦解させるトリガーになる、と考えられる。 政策担当者の構想力が強く求められる局面である。 (1) 失われた30年を強固にした「デフレ均衡」 デフレでなぜ長期安定がもたらされたのか 本来デフレは均衡しない。デフレとは資本が増殖を求めて価値形態が変態をすることを止め、貨幣のままでとどまることを強制するものである。よって必然的に大恐慌などのように経済収縮のスパイラルをもたらす、との考えが2000年頃までの経済学の常識であった。しかし日本では、「デ
円安の嵐は、豊かな日本を呼び戻すトリガーになる可能性は高い。 名目成長ゼロ・物価上昇率ゼロ・金利ゼロの頑強な安定(「デフレ均衡」)が続いたのは、日本からの資本漏出(=ビジネス機会の漏出)が続いていたからである。 超円安は、日本経済に全く寄与しない形でため込まれていた巨額の対外資産の国内還流を引き起こし、日本に固く定着したゼロ・ゼロ・ゼロの「デフレ均衡」を瓦解させるトリガーになる、と考えられる。 政策担当者の構想力が強く求められる局面である。 (1) 失われた30年を強固にした「デフレ均衡」 デフレでなぜ長期安定がもたらされたのか 本来デフレは均衡しない。デフレとは資本が増殖を求めて価値形態が変態をすることを止め、貨幣のままでとどまることを強制するものである。よって必然的に大恐慌などのように経済収縮のスパイラルをもたらす、との考えが2000年頃までの経済学の常識であった。しかし日本では、「デ
統計学や機械学習をを勉強していると「尤度」という概念に出会います。まず読めないというコメントをいくつかいただきましたが、「尤度(ゆうど)」です。「尤もらしい(もっともらしい)」の「尤」ですね。犬 じゃありませんw 確率関数や確率密度関数を理解していれば数式的にはこの尤度を処理できると思うのですが、少し直感的な理解のためにグラフィカルに解説を試みたいと思います。 コードの全文はGithub( https://github.com/matsuken92/Qiita_Contents/blob/master/General/Likelihood.ipynb )にも置いてあります。 正規分布を例にとって 正規分布の確率密度関数は f(x)={1 \over \sqrt{2\pi\sigma^{2}}} \exp \left(-{1 \over 2}{(x-\mu)^2 \over \sigma^2
米Microsoftは10月27日(現地時間)、Windows message centerのアナウンスメントを更新する形で、ブラウザ「Internet Explorer 11」を完全に無効化するスケジュールについて発表した。2023年2月14日配布のパッチを適用すると、IE11は永久に使えなくなる。 画像は現行ブラウザ「Microsoft Edge」のランディングページから抜粋 Internet Explorer 11はすでに2022年6月15日をもってサポートを終了しており(関連記事)、今回発表されたのは動作中のWindowsからInternet Explorer 11そのものを無効化するという内容。サポートが終了した今はMicrosoft Edgeへのリダイレクトで対処しているが、今後はWindows Update経由で、IE11のデスクトップアプリケーションそのものを無効化する。
コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能(広告ブロック機能を持つ拡張機能等)を無効にしてページを再読み込みしてください。 ✕
概要 こちらで書いた 動的時間伸縮法 / DTW (Dynamic Time Warping) を使って時系列をクラスタリングしてみる。ここからは パッケージ {TSclust} を使う {TSclust} のインストール install.packages('TSclust') library(TSclust) サンプルデータの準備 {TSclust} では時系列間の距離を計算する方法をいくつか定義している。クラスタリングの際にどの定義 (距離) を使えばよいかは 時系列を何によって分類したいのかによる。{TSclust} に実装されているものをいくつかあげると、 diss.ACF : ACF diss.CID : Complexity Correlations (よくわからん) で補正したユークリッド距離 diss.COR : ピアソン相関 (ラグは考慮しない) diss.EUCL :
はじめに この記事は初心者C++er Advent Calendar 2016の14日目の記事です。 C++のライブラリってすごく機能がいっぱいあるように思うんですけど、なんか汎用的すぎたり、痒いところに手が届かなかったりするんですよね。 今回はそんな話をしたいと思います。 真の乱数 <random>ヘッダの話をします。 乱数ってよく使いますよね。 でもパソくんはサイコロを振る事ができません。計算をすることしかできないのです。 まあ、そこで現在の時刻とかCPUの温度とかを使ってランダムっぽい数値を引っ張ってきます。 それをやってくれるのは std::random_deviceというやつである。 これはクラスなので のようにして、いちいちオブジェクトを作ったりして使う。 random_deviceクラスのoperator()を呼び出すと乱数を得ることができる。 備考(C++がチョットできる人
最近時系列分析を勉強していて、時系列同士の類似度を測る際にDTWという手法を学んだのでゆるくまとめてみようと思います。今回は説明編、次回を実践編としたいです。 DTW(Dynamic Time Warping)/動的時間伸縮法とは DTWとは時系列データ同士の類似度を測る際に用いる手法です。波形の類似度を求める手法としてはユークリッド距離やコサイン距離等があるかと思います。 DTWは2つの時系列の各点の距離(誤差の絶対値)を総当たりで求め、全て求めた上で2つの時系列が最短となるパスを見つけます。 対応する点を選ぶ際に重複を許す(その時点までに選択済みの点も選択できる)ため、時系列同士の長さや周期が違っても類似度を求めることができます。 なので、DTWは「周期はずれているが、形は似ている」という場合や、系列同士の長さが異なるデータの類似度を測りたいときに他の手法よりも便利な手法だと言えます。
DTW(Dynamic Time Warping)とは、2つの時系列データの類似度を調べることができるアルゴリズムです。 2つの時系列データの各サンプル値間の距離(コスト)を総渡りで計算していき、距離(コスト)が最小となる関係性(経路)を見つます。よって ●サンプル数が異なる時系列データ同士の比較が可能 ●時間や位相軸が異なっていても、波形が似ていれば類似度が高くなる という優れた利点があります。つまり、周期や動きが似ているが、サンプル数が異なる時系列データ同士を比較できます。 【アルゴリズム】類似度の算出(計算例つき) アルゴリズムを計算例つきで解説します。 ● 2つの時系列データ(X, Y)を用意します。ます。 x = [1, 2, 3] y = [2, 3, 4] ● 各サンプル点に対して総当たりで距離を計算し、要素がデータ点同士の距離となる行列D(m × n)を作成します。 D =
最近ある時系列データの因果関係が分析できればと、手始めに時系列データの相関解析やクラスタリングの手法を調査しています。 今回は、時系列データクラスタリング手法の動向と、2015年に論文が発表された正規化相互相関手法を用いた形状ベース(Shape-based)の時系列クラスタリング手法であるk-Shape[3]についてまとめてみます。 クラスタリングとは? クラスタリングとは、対象となるグループに対する高度な知識がなくとも、類似のデータを関連するグループや同種のグループに分割するデータマイニングの手法です。クラスタリングは、科学的データの探査、情報検索とテキストマイニング、CRMやマーケティング、医療診断などの、データマイニングの手法として実用的に用いられています [1]。 研究的な観点からも、クラスタリングは、統計、パターン認識、機械学習などの分野で、現在も活発に研究されています。機械学習
tslearnとは 時系列分析のための機械学習ツールを提供するPythonパッケージで、scikit-learnをベースとして作られているみたいです。 主な機能として、クラスタリング、教師ありの分類、複数の時系列を重ねた際の重心の計算ができたりします。 今回使用するに至った一番のモチベーションは、波形や振動などの時系列データに対してクラスタリングできるというところです。 tslearnインストール pipコマンドでインストールできます。 Kshapeというクラスタリング手法 今回tslearnで使用するモジュールとして、Kshapeというクラスタリング手法を時系列データに適用していきたいと思います。 Kshapeは2015年に下記の論文で提唱された方法で、以下の流れで実行されるアルゴリズムになります。 相互相関測定に基づいた距離尺度を使う(Shape-based distance: SBD
ちょっとしたデータを保存するのであれば、テキストファイルを使うのが手軽で簡単です。 でも、数十~数十ギガバイトのデータから、特定の条件のものを抜き出したり集計したりする場合、データベースが不可欠です。 データベースと一言で言っても、商用データベースで有名なOracleやSQLServer、無料ながら業務で使われているPostgreSqlやMySqlなど、数多くの製品が存在しますが、ちょっとした用途で使うには向いていません。 そんな時重宝されるのがSQLiteです。 ということで、今回はC#からSQLiteを使うためのインストール方法と使い方について解説したいと思います。 SQLiteの使い方を解説しているサイトはたくさん存在しますが、他のサイトでは解説していない「SQLiteを使うために必要な手順の全体像」と「関数化した機能単位のサンプル」で構成しています。 SQLiteの概要 SQLit
macOSユーザガイド ようこそ デスクトップについて メニューバーとは? デスクトップで作業する Spotlightで検索する 設定を素早く変更する Siriを使用する 通知を受け取る Dockからアプリを開く Finderでファイルを整理する Macの基本 インターネットに接続する Webをブラウズする ファイルをプレビューする スクリーンショットを撮る ディスプレイの輝度を調節する 音量を調節する トラックパッドとマウスのジェスチャを使う Touch IDを使用する 書類をプリントする キーボードショートカット アプリ Macのアプリ アプリを開く アプリウインドウを操作する アプリをフルスクリーンで使用する アプリをSplit Viewで使用する ステージマネージャを使用する App Storeからアプリを入手する App Storeからアプリをインストールする/再インストールする
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
処理を実行中です
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