Graphillion: 数え上げおねえさんを救え / Don't count naively
Graphillion は膨大な数のグラフに対して検索や最適化、列挙を行うための Python モジュールです。このビデオは Graphillion の概要を知るためのチュートリアルです。「フカシギの数え方」 http://youtu.be/Q4gTV4r0zRs の続編として作成されました。 Graphillion is a Python software package on search, optimization, and enumeration for a very large set of graphs. This video is a quick tutorial to learn what Graphillion is. The story follows our previous episode, "Let's count!" http://youtu.be/Q4gT
emit.jp - emit リソースおよび情報
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
簡単そうで難しい組合せ最適化
簡単そうで難しい組合せ最適化 簡単そうで難しい組合せ最適化 高校生，高専生，大学学部生の皆さん 私たちの研究室では，組合せ最適化（離散最適化）という ものを研究の対象にしています．これは離散数学の問題で すが，私たちの身近なところにも現れています．ここでは 組合せ最適化問題の例を挙げて，その解決に向けた研究に ついて説明いたします 京都大学工学部情報学科 数理工学コース 京都大学大学院情報学研究科 数理工学専攻 離散数理分野 長方形詰め込み問題 最初にパズルのような問題を紹介しましょう．左の図のようにいくつかの長方 形が与えられ，これらを入れ物に重ならないように詰めます．このとき，右の 図のように詰めた結果の高さをできるだけ低くすることがこの問題の目的です． １ ２ ３ ７ ６ ４ ５ ６ ８ ９ ２ ８ ５ ７ ４ ９ １ ３ 与えられた長方形 入れ物 詰めた
動的計画法とナップサック問題を学びたい人におすすめのサイト - ダウンロードたけし（寅年）の日記
組み合わせ最適化の手法として「動的計画法」というモノがあります。 wikipediaから抜粋 動的計画法（どうてきけいかくほう、英: Dynamic Programming, DP） コンピュータ科学の分野において、ある最適化問題を複数の部分問題に分割して解く際に、そこまでに求められている以上の最適解が求められないような部分問題を切り捨てながら解いていく手法 一見難しそうですが、実は理解するのは以外と簡単です。いろいろな場面で応用が利く便利な手法ですので、覚えておいて損はないものです。コンピュータ系、情報系のお勉強をする人であれば、おそらく一度は習ったりするかもしれません。 ナップサック問題と動的計画法 動的計画法の一番親しみやすそうな例として「ナップサック問題」というのがよく取り上げられます。 こんな感じの問題です。 今ここに様々な大きさの品物が置いてあるとします。そしてそれらの品物は各
おむつとビール（おむつとびーる）
「おむつを買った人はビールを買う傾向がある」という米国におけるマーケットバスケット分析（注1）の事例。1990年代半ばから2000年代初めにかけてメディアや講演などでよく語られ、データマイニング（注2）という言葉と概念を一躍有名にした。 一般に「米国の大手スーパーマーケット・チェーンで販売データを分析した結果、顧客はおむつとビールを一緒に買う傾向があることが分かった。調査の結果、子供のいる家庭では母親はかさばる紙おむつを買うように父親に頼み、店に来た父親はついでに缶ビールを購入していた。そこでこの2つを並べて陳列したところ、売り上げが上昇した」という内容で知られる。 直接的には、1992年12月23日の「ウォールストリートジャーナル」に掲載された「Supercomputer Manage Holiday Stock」という記事が発端だとされる。この記事では「米国中西部の都市でこの店は、ある
著名ソーシャルメディアが使っているアルゴリズムを大公開！ | Moz - SEOとインバウンドマーケティングの実践情報
“アルゴリズム”は、もっとも非人間的なものの代表だともいえる。ソーシャルメディアにとって、そのアルゴリズムが不可欠だというのは、実に皮肉めいている。 僕はこの間、グーグルがどうやってユーザーデータを集めているかについて書いた記事を掲載した（前編、後編）。今回は、著名なソーシャルメディアサイトが、ユーザーデータを活用する上でどのようにアルゴリズムを用いているのか、白日の下にさらそう。 ソーシャルメディアを成り立たせているのは人間の力だが、ユーザーが入力したデータを利用できる状態にする仕組みは、アルゴリズムによって作られている。現在活動している無数のソーシャルメディアサイトで実証済みのことだが、ユーザーの関与とアルゴリズムによる処理ルールの上手いバランスを見出すことは、とても難しくなりがちだ。これから紹介するアルゴリズムは、悪意のないユーザーと結びついて初めてうまくいくものだ。 人気ソーシャル
画像圧縮アルゴリズム (2)減色・パレット化
画像圧縮アルゴリズム (2)減色・パレット化 この章では、色に着目した画像変換を利用した圧縮方法について説明したいと思います。 前の章でも少し説明をしましたが、ディスプレイ上でカラー画像を表す時の色成分としては、現在RGBが一般的に使用されています。RGBでは、光の三原色であるR(赤)G(緑)B(青)で構成される表色系で、それぞれの色成分が持つ値(強さ)の組合わせによって、様々なカラーを作り出すことが可能になります。他にも、表色系の例としてYMCやYOQ、YUVなどが挙げられます。これらについては、以前ペイントルーチンの章で説明をしましたので、こちらをご覧下さい。 各色成分の強さは値の強弱で表されます。例えば赤色を表したい場合は、赤成分のみを最大値にして他の成分を0にすればいいわけです。HTMLドキュメントでは背景やフォントの色をRGB表色系で定義することができるので、参考までに色コード
1
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
: _