「葉の形」の巨大データベースが完成 | Nature ダイジェスト | Nature Portfolio
世界各地の141科の葉18万2000枚の形状が、トポロジーを用いて解析された。このデータは、植物の地理的・分類学的な種間関係の研究に有効なことも実証された。 Credit: DAN CHITWOOD 植物の来歴、つまり生まれ育った環境は、葉に刻まれている。水の豊富な低温環境下の樹木は、葉縁部に鋸歯の多い大型の葉を持つことが多い。しかし、同じ種が温暖な乾燥地域で生育した場合、葉は比較的小型で、葉縁部も滑らかな形になる場合が多い。このほど、植物の来歴を読み解く際に役立つと期待される「葉の形状」データベースが完成した。このデータベースには、世界各地75カ所の植物141科の葉18万2000点の形状が記録されている。 このデータベースを作成したのは、かつてドナルド・ダンフォース植物科学センター（米国ミズーリ州）に所属していた植物形態学者、Dan Chitwoodが率いる研究チームだ。研究チームはこの
クラウドサービスに最適な暗号方式とは？――暗号化したまま計算する「準同型暗号」
クラウドサービスに最適な暗号方式とは？――暗号化したまま計算する「準同型暗号」：クラウド時代の暗号化技術論（4）（1/2 ページ） 情報漏えいの懸念があるクラウドの世界では、データを暗号化して保持するのが安全です。しかし従来の暗号方式では、暗号化されたデータを計算するときにいったん復号を行う必要があり、ネットワークやクライアントマシンに負荷がかかってしまいます。今回はこの問題を解決するための「準同型暗号」について解説します。 連載目次 準同型暗号とは？ 今回からいよいよ近年の暗号技術を見ていきます。まず、「準同型暗号（HE：Homomorphic Encryption）」を取り上げます。“準同型”というのは耳慣れない言葉かもしれませんが、ここでは「暗号化したまま計算ができる方式」を意味します。 例えば、ウエアラブルコンピューターを用いて身長、体重、心拍数などの個人情報を集約するサービスを考
【簡単】日本酒とつまみの相性を科学する【レシピ】
日本酒とつまみの相性を科学する題して、日本酒に良く合う代表的なつまみを紹介いたします。科学すると言う以上は、良く合うとされる根拠も踏まえてお伝えしていきます。しかし嗜好品であることを考えれば、合う合わないも人それぞれとなりますので、「それは違うんじゃね？」なんてのもあることでしょう。そんな場合はコメントいただければ幸いです。 この後、すぐにでも飲みたくなることが想定されます。まだ午前中で、午後も仕事が・・・と言う方、この後運転しなくてはと言う方は「はてなブックマーク」しておき、飲む準備が整ってから読み進めることをお勧めします。広告を挟んで、本編に突入いたします。 ちなみにこれは東高円寺の居酒屋「天★」（てんせい）さんを営む早坂登志男さんが書かれた本で、比較的簡単に入手できる食材で、日本酒がとまらなくなる絶品つまみを紹介されています。 日本酒がとまらなくなる絶品つまみ (新書y) 東高円寺の
クラウドを支えるこれからの暗号技術 - Cybozu Inside Out | サイボウズエンジニアのブログ
サイボウズ・ラボの光成です。 私は先月のDevelopers Summit 2015で、「クラウドを支えるこれからの暗号技術」という講演をいたしました。そのとき、近いうちに詳細なテキストを公開する予定と申し上げました。その準備ができましたので報告いたします。 講演と同じタイトル『クラウドを支えるこれからの暗号技術』のpdfはgithubから取得できます。 2015/6/21追記。このテキストが秀和システムから出版されました。 表題の講演は、主に2000年に入ってから登場した新しい暗号技術の紹介がメインです。そのときのプレゼン資料は3月の時点で4万5千ビューを超えていて、デブサミ資料の中でもかなり上位に入る閲覧数のようです。技術者の暗号に関する関心が高いことを伺わせます。 しかし一般向けの暗号のテキストは、公開鍵暗号の一つであるRSA暗号やElGamal暗号ぐらいしか詳しい原理が記されていな
第1回 機械学習の基礎
機械学習には様々な種類・アルゴリズムが存在するが、それらにほとんど100%共通して言えるのは、機械学習とは 「データの分類を計算機で自動化する」 技術である。 現代社会では至る所に機械学習が応用されているが、スパムフィルタも言語判定も文字認識も含め普く機械学習は 「計算機で自動的に受け取ったデータをいずれかのクラスに分類する」ことになる。 機械学習の種類 機械学習には学習の仕方によっていくつかの種類がある。 教師あり学習(Classification) 学習時に学習データとラベル（つまり答え）を一緒に学習させる。手書き数字認識なら 学習データ: 手書き数字の画素 ラベル: 手書き数字が0〜9のどれなのか 教師なし学習(Clustering) 学習時にラベルを与えず、学習アルゴリズムに勝手に「いい感じの」境界を作ってデータを分類させる。例えば自然言語で書かれたテキストの分類など。 発言を自動
ダメな統計学：目次｜Colorless Green Ideas
2017年1月20日追記：『ダメな統計学――悲惨なほど完全なる手引書』という本が出版されることになった。この本は、ここに掲載されているウェブ版の『ダメな統計学』に大幅に加筆したものだ。ウェブ版の『ダメな統計学』を読んで興味を持った方は、書籍となった『ダメな統計学』をぜひ読んでいただければと思う。書籍版の詳細については「『ダメな統計学――悲惨なほど完全なる手引書』の翻訳出版」という記事をご参照願いたい。 ここに公開する『ダメな統計学』は、アレックス・ラインハート (Alex Reinhart) 氏が書いたStatistics Done Wrongの全訳である。この文章は全部で13章から構成されている。詳しくは以下の目次を参照されたい。 はじめに データ分析入門 検定力と検定力の足りない統計 擬似反復：データを賢く選べ p値と基準率の誤り 有意であるかないかの違いが有意差でない場合 停止規則と
Deep learning実装の基礎と実践
2014年8月26日の日本神経回路学会主催セミナー「Deep Learningが拓く世界」における発表スライドです。Deep Learningの主なフレームワークで共通する設計部分と、実験の仕方について説明しています。
理科ねっとわーく 一般公開版
小・中・高等学校の授業で使える理科教育用デジタル教材を集めたWebサイト。授業の単元に対応した、さまざまな写真や映像、アニメーションを取り揃え、授業に役立つデジタル教材。
ゼロから始めるDeepLearning_その1_ニューラルネットとは - 分からんこと多すぎ
対象とする人 ディープラーニングすごい！ ←聞き飽きた チュートリアルあるよ！ ←ふわっとしすぎて具体的なところが分からん こういう論文あるよ！ ←読めるわけないだろ そういう人向け。（たぶん学部四年程度向け） ニューラルネット初学者が、書ききるまで怪しいところ満載でも突っ走ります。 ニューラルネット（この記事） →（AutoEncoder） →（DenoisingAutoEncoder） →ホップフィールドネットワーク →ボルツマンマシン →Restrictedボルツマンマシン →（Gaussian Binary - Restricted Boltzmann Machines） →（DeepBeliefNetwork） →（DeepNeuralNetworks） →畳み込みニューラルネット（後日） までやる。 太線以外は読み飛ばしてOK 本文中では怖い式は使わない。（Appendixに書
敵の敵は味方？「帰無仮説」と「カイ二乗検定」
統計を学びたいけれども、数式アレルギーが……。そんなビジネスパーソンは少なくありません。でも、大丈夫。日常よくあるシーンに統計分析の手法をあてはめてみることで、まずは統計的なモノの見方に触れるところから始めてください。モノの見方のバリエーションを増やすことは、モノゴトの本質を捉え、ビジネスのための発想や「ひらめき」をつかむ近道です。 統計という手法は、全体を構成する個が数えきれないほど多いとき、「全体から一部分を取り出して、できるだけ正確に全体を推定したい」という思いから磨かれてきた技術といってよいでしょう。 たとえば「標本抽出（サンプリング）」は、全体（母集団）を推定するための一部分（標本）を取り出すための手法です。ところが、取り出された部分から推定された全体は、本当の全体とまったく同じではないので、その差を「誤差」という数値で表現します。では、どの程度の「ズレ」であれば、一部分（標本）
確率概念について説明する（第3-1回）：可能な世界の全体を1とする — コルモゴロフによる確率の定理（前編） - Take a Risk：林岳彦の研究メモ
こんにちは。林岳彦です。先日、小学生の息子とセブンイレブンに行きました。そこでふと、「あの外壁、あれ本物のレンガじゃなくてただの印刷だから」と息子に教えたところ、それが彼にとっては思いもよらぬことだったようで、実はすべすべとしている外壁に触っては「すっかり騙されてた！（ガーン）」と衝撃を受けていました。小さな子どもをお持ちのみなさま、この世の隠蔽された真実（＝セブンイレブンの外壁は印刷）を彼ら／彼女らに教えてみると面白い反応が期待できるかもですよ！ さて。 今回は、前回の記事の続きとして、確率という概念の「規格」について説明していきたいと思います。 （今回はとても長い上に内容がハードかもしれません。いつもながらすみません。。） 前回の軽いまとめ 前回の記事では： 少なくとも、「確率」とは「可能性を数値で表したもの」である というボンヤリとした出発点から： 「可能である」ということは、「この
JAXA｜赤外線天文衛星「あかり」（ASTRO-F）プロジェクトの終了について
宇宙航空研究開発機構 JAXA について [組織情報] プロジェクト [活動内容] ファン！ファン！JAXA！ [コミュニティ] サイトコンシェルジュ [お問い合わせ・FAQ] English TOP > プレスリリース > 赤外線天文衛星「あかり」（ASTRO-F）プロジェクトの終了について Tweet 赤外線天文衛星「あかり」（ASTRO-F）プロジェクトの終了について 平成25年7月12日 宇宙航空研究開発機構 本日開催された宇宙開発利用部会において、下記のとおり報告をいたしました。 赤外線天文衛星「あかり」（ASTRO-F）プロジェクトの終了について （PDF：5.67MB） 問い合わせ先： 関連資料： 関連リンク: 宇宙開発利用部会 2013年7月のインデックス © 2003 Japan Aerospace Exploration Agency
指数時間アルゴリズム入門
2. 自己紹介 TopCoder: ◎wata TCO2010Marathon優勝など Twitter: @wata_orz 東京大学情報理工学系研究科コンピュータ科学専攻 理論計算機科学 (アルゴリズムの理論的な解析とか) プログラミングコンテスト チャレンジブック 2 3. 本日の内容 NP困難問題を解くためのアルゴリズムを扱います 𝑂𝑃𝑇 𝐼 ≤ 𝐴 𝐼 ≤ 𝑐𝑂𝑃𝑇(𝐼) 近似アルゴリズム ヒューリスティック 𝑓 𝑘 𝑝 𝑛 FPT アルゴリズム max 𝑐𝑥|𝐴𝑥 ≤ 𝑏, 𝑥: 整数} { 𝑂∗ 𝑐 𝑛 整数計画 厳密指数時間アルゴリズム 3 4. 効率的な指数時間アルゴリズム 何の指数？ 頂点数? 辺の数? それとも… • 2 𝐸 のアルゴリズムはまず役に立たないが，2 𝑉 のアル ゴリズムならコンテストでもよ
第10回 ベイズ確率 | gihyo.jp
これから前回の「線形回帰」を確率化した「ベイズ線形回帰」に進んでいく予定ですが、今回はその中で大活躍する「ベイズ確率」です（編注）。「ベイズ確率」は本連載の第2回で一度登場していますが、そのときは名前の紹介だけでした。 まずは「ベイズ確率」とは何で、なぜそれを使うのか、というところから見ていきましょう。 編注 本来であればベータ分布を実践する回をお届けする予定でしたが、諸事情により、理論編のお話を先に進めさせていただきます。引き続き、ご愛読いただければ幸いです。 「確率」を求める 高校で確率の授業を受けたことがある人であれば、一度くらいは次のようなことを思ったことはありませんか？ 「コインを投げたら表が出る確率は1/2とか、サイコロを振ったらそれぞれの目が出る確率が1/6とかよく言うけど、どうやってそれを確かめるの？」 「確率1/6といっても、6回振って各目が1回ずつ出たりしないし、
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
暗号文のままで計算しよう - 準同型暗号入門 -
汎用人工知能の研究動向