クックパッドマートの配送ルートを自動生成している仕組み - クックパッド開発者ブログ
こんにちは、クックパッドマート流通基盤アプリケーション開発グループのオサ（@s_osa_）です。 生鮮食品の EC サービスであるクックパッドマートでは、「1品から送料無料」をはじめとするサービスの特徴を実現するために、商品の流通網を自分たちでつくっています。 このエントリでは、商品をユーザーに届けるための配送ルートを自動生成している仕組みについて紹介します。 解決したい問題 配送ルートとは クックパッドマートにはいくつかの流通方法がありますが、ここでは「ステーション便」と呼ばれるものについて解説します。他の流通方法などを含む全体像が気になる方は以下のエントリがオススメです。 クックパッド生鮮 EC お届けの裏側 2022 年版 - クックパッド開発者ブログ ステーション便では、ハブと呼ばれる流通拠点からユーザーが商品を受け取りに行く場所であるステーションへと商品を運びます。東京都、神奈川
難しくても使いこなす組合せ最適化(1) ー問題例と解き方ー｜NTTデータ数理システム
HOME MSIISMについてABOUT US MSIISM とは NTTデータ数理システムとは 技術TECHNOLOGY ベイジアンネットワーク 機械学習・統計解析 数理計画・最適化 ディープラーニング シミュレーション 自然言語処理 画像認識 EDA（半導体） 量子計算 分野・業界FIELD 流通・マーケティング 運輸・物流 製造 研究開発 医療・医薬・ヘルスケア 金融 教育・アカデミック 公共・インフラ 経営・人事・労務 製品活用事例CASE S4 Simulation System Nuorium Optimizer BayoLinkS Text Mining Studio Alkano セミナー&イベントSEMINAR&EVENT お役立ち情報USEFUL 無料E-Book セミナー動画視聴 1から学ぶ基礎知識 お問い合わせ このコラムは「組合せ最適化問題」という難問、しかし、ビ
ラグランジュの未定乗数法の解説と直感的な証明 | yunabe.jp
ある関数 f(x,y)f(x,y)f(x,y) を束縛条件 g(x,y)=0g(x,y)=0g(x,y)=0 の元で最大化あるいは最小化する (x,y)(x,y)(x,y) を求める際に用いられるのがラグランジュの未定乗数法(Lagrange Multipliers)です。 ラグランジュの未定乗数法の式 L(x,y)=f(x,y)−λg(x,y)L(x,y)=f(x,y)-\lambda g(x,y)L(x,y)=f(x,y)−λg(x,y) ∂L∂x=∂L∂y=∂L∂λ=0\frac{\partial L}{\partial x}=\frac{\partial L}{\partial y}=\frac{\partial L}{\partial \lambda}=0∂x∂L=∂y∂L=∂λ∂L=0 は一見複雑な見た目をしており特に L(x,y)L(x,y)L(x,y) が何を意味して
確率的勾配降下法のメリットについて考えてみた
機械学習初心者です。機械学習やディープラーニングでは、「確率的勾配降下法」というアルゴリズムがよく出てきますが、そのメリットがいまいちピンとこなかったので考えてみました。素人のポエムなのでトンチンカンなこと書いていると思います（そこそこ長いよ！）。 二次関数の最小値 全てはここから始まります。今回の確率的勾配降下法も、それのもととなった最急降下法も全てこれの応用です。 例：$ y=x^2-4x$ の最小値とそのときの$x$を求めなさい 参考：二次関数の最大値，最小値の2通りの求め方 数学的解法（１）～平方完成～ 高校数学でおなじみ（？）の平方完成をします。 $$y = (x^2-4x+4)-4 = (x-2)^2-4 $$ したがって、x=2のときに最小値-4です。簡単ですね。 しかし、次数や次元が増えていくと簡単に平方完成できなくなります。もう少し一般的に使える方法を考えます。 数学的解
勾配法は本当に鞍点近傍にはまるのか？モース理論で考えてみる - Qiita
TL;DR 勾配法はほとんどのケースで極小点に収束する（鞍点には収束しない） この事実は力学系や最適化の分野ではよく知られているが，機械学習では新しい？ 数年前にバズった勾配法の比較動画は実際の学習現象を説明できていないかも 鞍点の近傍での振舞いで差がつく？ いや，そもそも鞍点近傍に流れ込まないかも 比較動画に登場した鞍点は，実際にはまず生じないタイプかも 機械学習にも役立つモース理論 ほとんどすべての関数はモース関数 モース関数の臨界点のタイプはわずか $d+1$ 種類（$d$ は定義域次元） 安定/不安定多様体とモース・スメール複体で勾配法の流れは分かる Monkey saddleはまず現れない（もし現れても簡単に消せる） 量的な問題に関しては，結局は実験するしかない この記事を書いたきっかけ 昨夜，ある論文を見かけて，ふとこんなツイートをした． ML業界，「勾配法が鞍点に収束する確率
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
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
