マルコフアルゴリズム - Wikipedia
マルコフアルゴリズム（英: Markov algorithm）とは、記号の文字列に対して一種の文法的規則を適用していく文字列書き換え系である。マルコフアルゴリズムはチューリング完全であることがわかっており、計算の汎用モデルとして使え、任意の数式を単純な記法で表現できる。 考案者のアンドレイ・マルコフ・ジュニア（英語版）は、マルコフ連鎖のアンドレイ・マルコフの息子である。 マルコフアルゴリズムに基づいた関数型プログラミング言語としてRefalがある。 アルゴリズム[編集] 規則を上から順にチェックし、矢印の左辺の文字列が記号文字列にないか調べる。 1つも見つからない場合、アルゴリズムの実行を停止する。 1つ以上見つかった場合、記号文字列の中でも最も左端に近い部分にマッチした規則を適用し、矢印の右辺の文字列と置換する。 適用した規則が停止規則（terminating rule）であった場合、ア
Peak Detection in the Python World
As I was working on a signal processing project for Equisense, I’ve come to need an equivalent of the MatLab findpeaks function in the Python world. Detecting peaks with MatLab For those not familiar to digital signal processing, peak detection is as easy to understand as it sounds: this is the process of finding peaks - we also names them local maxima or local minima - in a signal. The MatLab DSP
Understanding the FFT Algorithm | Pythonic Perambulations
The Fast Fourier Transform (FFT) is one of the most important algorithms in signal processing and data analysis. I've used it for years, but having no formal computer science background, It occurred to me this week that I've never thought to ask how the FFT computes the discrete Fourier transform so quickly. I dusted off an old algorithms book and looked into it, and enjoyed reading about the dece
Fortune's algorithm - Wikipedia
Fortune's algorithm animation Fortune's algorithm is a sweep line algorithm for generating a Voronoi diagram from a set of points in a plane using O(n log n) time and O(n) space.[1][2] It was originally published by Steven Fortune in 1986 in his paper "A sweepline algorithm for Voronoi diagrams."[3] Algorithm description[edit] The algorithm maintains both a sweep line and a beach line, which both
Langevin dynamics - Wikipedia
In physics, Langevin dynamics is an approach to the mathematical modeling of the dynamics of molecular systems. It was originally developed by French physicist Paul Langevin. The approach is characterized by the use of simplified models while accounting for omitted degrees of freedom by the use of stochastic differential equations. Langevin dynamics simulations are a kind of Monte Carlo simulation
Sugiyama-Honda-Yokoya Lab at UTokyo
Sugiyama-Honda-Yokoya Lab at the University of Tokyo We are working on theory, algorithm, and application of machine learning and statistical data analysis. [ English | Japanese ] Software The software available below is free of charge for research and education purposes. However, you must obtain a license from the author(s) to use it for commercial purposes. The software must not be distributed w
Bayes Independence Test - HSIC と性能を比較する-
[DL輪読会]Wasserstein GAN/Towards Principled Methods for Training Generative Adv...Deep Learning JP
可視化で理解するマルコフ連鎖モンテカルロ法(MCMC) - ほくそ笑む
先日行われた第9回「データ解析のための統計モデリング入門」読書会にて、 「可視化で理解するマルコフ連鎖モンテカルロ法」というタイトルで発表させて頂きました。 発表スライドは以下です。 可視化で理解するマルコフ連鎖モンテカルロ法 from hoxo_m この発表は、みどりぼんに登場する、マルコフ連鎖モンテカルロ法(MCMC)のアルゴリズムである「メトロポリス法」と「ギブス・サンプラー」について、可視化して理解しようというお話です。 「マルコフ連鎖モンテカルロ法」というのは、字面だけ見ると難しそうですが、この発表で理解すべきポイントは、次のスライド 1枚に凝縮されています。 このことを念頭に置いて、それぞれの手法を見ていきましょう。 まず、メトロポリス法ですが、これは、 前の状態の近くの点を次の遷移先候補として選ぶ（マルコフ連鎖） そのときの確率比 r < 1 ならば確率 r で棄却する。それ
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
Fourier Transforms (scipy.fftpack) — SciPy v1.4.0.dev0+50df830 Reference Guide
scipy.spatial.Voronoi — SciPy v1.7.0.dev0+05aa62c Reference Guide
A Gentle Introduction to RKHS and Kernel Methods - The Analytic Bastard
Cause-effect pairs | Kaggle
MICの解説