はてなキーワード: スカラーとは
そりゃそうかもしれんが、2進法をn進法に変換したら 0 or !0 しかならんので、スカラー量だし一次元なんじゃないの?
オーラの量と念能力の強度の間の関係は必ずしも線形であるとは限らず、指数関数や対数関数を用いることで、より現実的なモデルを作成することができる。
各カテゴリーの重み係数を固定の値とするのではなく、確率的な要素を導入することも考えられる。
これは、念能力者の個々の能力や性格が時間とともに変化する可能性を反映している。
この場合、重み係数は確率変数となり、それぞれのカテゴリーの重み係数が従う確率分布を設定することができる。
さらに心理的な因子Mをスカラー値とするのではなく、ベクトルまたは行列とすることで、念能力者の精神状態や感情、意志の強さの多様性をより詳細に表現することができる。
したがって、新しいモデルは次のようになる。
P = kO \exp\left(\sum_{i=1}^{6} W_i\right) M
ここで、
このモデルは、念能力の複雑さと多様性をより詳細に捉えることができる。
ただし、このモデルも念能力者間の相互作用や特定の状況下での念能力の振る舞いなど、さらに詳細な要素を考慮に入れる必要がある。
まず、念能力者間の相互作用を表すために、新しいパラメーターIを導入。
これは、他の念能力者との相互作用が念能力の強度に影響を与えることを表す。
特に、クロロとの一対一の戦闘では、このパラメーターが大きな役割を果たす。
次に、特定の状況下での念能力の振る舞いを表すために、新しいパラメーターSを導入。
これは、特定の状況(この場合、クロロとの一対一の戦闘)が念能力の強度に影響を与えることを表す。
したがって、新しいモデルは次のようになる。
P = kO \exp\left(\sum_{i=1}^{6} W_i\right) M I S
パラメーターIとSの決定方法は、具体的な状況や念能力者の特性による。
以下に、それぞれのパラメーターを決定するための一般的なアプローチを提案する。
1. 相互作用パラメーターI: このパラメーターは、念能力者間の相互作用を表すため、他の念能力者との関係性やその念能力の特性を考慮に入れることが重要。例えば、相手が攻撃的な念能力者である場合、Iは低く設定されるかもしれない。逆に、相手が協力的な念能力者である場合、Iは高く設定される可能性がある。また、特定の念能力者が他の念能力者の能力を強化または弱体化する能力を持っている場合、これもIの値に影響を与える。
2. 状況パラメーターS: このパラメーターは、特定の状況下での念能力の振る舞いを表すため、その状況の特性を考慮に入れることが重要。例えば、クロロとの一対一の戦闘では、クロロの戦闘スタイルや戦略、そしてその戦闘が行われる環境(例えば、都市環境、森林、空中など)を考慮に入れることができる。これらの要素はすべて、念能力の振る舞いに影響を与え、したがってSの値を決定する。
ウィンドウモードにして以下のサイトを見るのが鉄板(デフォルトでウィンドウモードで動作しないのは意味不明)
第1~第7世界まではこれを繰り返すことになる(第7世界クリア後は通称「W8」のスカラーの村に飛ばされるが、第7世界のトリビアの洞窟をクリアしないと外に出れない仕様となっている)
町・ダンジョン名 | 大陸 | 備考 |
---|---|---|
メルボンの町 | 第1大陸 | |
大地の洞窟 | 第1大陸 | |
ピラミッド | 第1大陸 | 推奨、しなくても攻略はできるが後半で時間がかかる |
風の塔 | 第1大陸 | 第2大陸へのダンジョン |
ハラーレの村 | 第2大陸 | |
ハラーレの訓練所 | 第2大陸 | ハラーレの村内の北にある、クラスアップ推奨 |
カナンガの大森林 | 第2大陸 | |
北の砂漠 | 第2大陸 | サボボイベント、大体ここで詰まる |
エストの町 | 第3大陸 | 北の砂漠を川で隔てた右側の橋から行ける、生命の洞窟には寄らなくてよい |
ラビリンス | 第3大陸 | |
ジャック・ザ・リッパー | 第1大陸 | メルボンの町に居るジャック・ザ・リッパーを倒す必要がある |
蜃気楼の塔 | 第3大陸 | |
炎のほこら | 第4大陸 | 蜃気楼の塔から北東にある橋から行ける、フレンズダンジョンは寄らなくてよい |
炎の洞窟 | 第4大陸 | |
???? | 第1大陸 | メルボンの町の北にある墓から魔界へ行ける |
魔界の村 | 魔界 | ワープを取ってないならスルーしても構わないが、RTAでもない限りは通常寄るべき |
ラストダンジョン | 魔界 |
誰かと一緒に行かないとワープが使えないという時代は終わっている
実はサブキャラを作ってスイッチの上で切り替えれば一人で行けることが判明している
出現する場所は砂漠であることに間違いはないので、エンカウントするまでひたすら動くしかない(なぜエンカウント率まで上げないのかは全く意味不明)
マディスライムや生命の洞窟で全体攻撃できる奴らを使えば戦闘の労力は減る
また、第一世界のサボボであっても第二世界以降でも条件はクリアできるということを覚えておくこと
第4大陸へ行くには、ラビリンスと蜃気楼の塔、そしてメルボンの町に居るジャック・ザ・リッパーを倒さなければならない
よくありがちなパターンとして、ラビリンスの後に蜃気楼の塔をクリアして、メルボンの町まで戻ってジャックを倒してからまた行くのは非常に面倒で無駄な往復でしかない
そこで経験値25倍を利用して蜃気楼の塔を攻略する前にジャックを倒せば、蜃気楼の塔へ行った後にすぐ第4大陸まで行けるようになる
IPアドレスレベルで行っている可能性もあるが、実際はキャラクター削除でしかないらしく、新しく作ればプレイすることが可能なことが多い
MACアドレスで登録している可能性もあるのだが、もしそうだとしても工夫でどうにでもなる
ユーザー登録時の郵便番号や生年月などは、かつてゲーム内のシステムで使っていた名残で残っているだけなので、完全な架空でも問題はない
というより自分自身の情報を入れてもリスクでしかないので完全架空が推奨される
今は募集するよりもやることを失ったプレイヤーとかがCコースでAコースを開けてくれている可能性があるので、便乗してしまうのもあり
また1時間以上居ると追い出される仕様だが、戦闘中に経過しても生命の洞窟に居るという扱いになる
自動ログアウトもないのでピラミッドのスイッチなどでは必要分のキャラクターとクラウドなんかを使えばずっと押しっぱなしも出来る
戦闘のゲージは戦闘時に一番敏棲が高いキャラクターが一番速く、値に合わせて進行が遅くなる計算となっている(自爆でもない限り最低戦闘時間が短くなることは永遠にない)
チャットルームが売りだったけど管理人が見ていることで価値無し、現在は別のSNSなどでそのチャットを作っていることが多いので意味がない、吹き出しはログに残らない
ましてや通常の利用である協力要請をしても妨害されるし、チャット発言したら無視されたりリア凸される危険しかないため、ゲーム内チャットは使わないというプレイヤーも多い
海外のソースを参照して、運動方程式における因果性について調査しました。以下にその結果をまとめます:
以上の情報から、運動方程式における因果性は、その理論や文脈によって異なる解釈が存在することがわかります。したがって、具体的な状況や問いによって、適切な理論や解釈が変わる可能性があります。¹²³
(1) Causality in gravitational theories with second order equations .... https://arxiv.org/abs/2101.11623.
(2) Causality in gravitational theories with second order equations .... https://link.aps.org/doi/10.1103/PhysRevD.103.084027.
(3) [quant-ph/9508009] Nonlocality as an axiom for quantum .... https://arxiv.org/abs/quant-ph/9508009.
(4) www.repository.cam.ac.uk. https://www.repository.cam.ac.uk/bitstream/handle/1810/319156/causality.pdf?sequence=1.
(5) undefined. https://doi.org/10.48550/arXiv.2101.11623.
(6) undefined. https://doi.org/10.1103/PhysRevD.103.084027.
これ、出典元が一般企業のサイトになってるのはブクマカ向けに分かりやすさを取ったんだろうなというのは分かる。
けど、科学的根拠=論文なので、一般企業のサイトの解説はエビデンスレベルとしては最低ランク(しかもこの記事は文責すら書かれてないので、どういう教育歴・経歴・立場の人が書いたのかまったく分からない)。
なので出典元にはガチ勢向けに論文または公的機関のサイトなども追加で示したほうが良いと思う。
具体的にはFAO、WHO、JECFA、FDA、EUFIC、SCFのリンク。あとはPubMedやGoogleスカラーで論文検索してエビデンスレベルの高い論文を提示する。
よく分からんのもあって、答え見たらあーそうかって感じだった。一回答え見てパターンを思い出したらある程度はできるようになるでしょ。
ただこれは詰将棋みたいなもんで、この局面は因数分解できますよって言われたら探せるかもしれないけど、実戦で出てくる分解可能かどうか分からん複雑な式を整理できる自信はあまりないなあ。
こういうのは今どきMathematicaにやらせればいいんじゃないかって気もする。
せっかくなのでもう少し抽象化した知識として頭に入れておくことを試みたい。
4a^2 - 9b^2 + 6bc - c^2
3変数の2次式なわけだが、そのような式は一般に、 x := (a,b,c)^T, 係数行列A, 係数ベクトルB, スカラーC として
x^T A x + B^T x + C
と書ける。これが因数分解できる、つまり何らかの係数ベクトルB', B''とスカラーC', C''について、
(B'^T x + C')^T(B''^T x + C'')
となるということだろう。これを展開すると、
x^T B'B''^T x + (C''B' + C'B''^T)x + C'C''
となる。このことから、因数分解可能ならば2次項の係数行列はあるベクトルB', B''が存在してB'B''^Tと書けなければならないことがわかる。
ひるがえって、問題7(2)の場合、係数行列を具体的に書くと、
A =
[[4, f, g],
[-f, -9, h],
[-g, 6-h, -1]]
となる。対角成分から、B'=(2,3,1)^T, B''=(2,-3,-1)^T としてみると、f,gについては自明に成立するが、h, 6-hのペアと矛盾してしまう。
h=3なら問題なさそうであるから、B'=(2,3,-1)^T, B''=(2,-3,1)^Tとすれば成立することがわかる。
これで1次項と0次項をあわせにいけるか?C'C''=0なので少なくともC', C''の一方はゼロであるが、問題の式はそもそも1次項も0次項もゼロなので、C'=C''=0とすればよい。
従って答えはB'=(2,3,-1)^T, B''=(2,-3,1)^Tから(2a + 3b - 1)(2a - 3b + 1)である。
・本当に学術的価値があったら大学図書館にリクエストすれば入る(大学生の常識)
・本当に学術的価値があったらいずれ英訳されてグーグルスカラーに抄録だけでも掲載される(なにせ特許も網羅してるくらいだから。これは研究者の常識)
両方知らない人におしえてあげて感謝もないとかwwwwさすが見抜いたとおりの乞食だな
価値あるなしにかかわらず「学術」とつければ欲しい!高い!ってなるのどうなのw
だまされやすいんだなぁ~
すなおに学術的価値じゃなくて俺が知りたいだけだっていやいいじゃん
そしたら、書いた人を探し出して結婚(同性婚含む)して研究費用こみで一生養うよりは安いことに気づくだろ
AutoChessとSet1かじったぐらいの経験
24ゲーム/Top4 62.5%/Won 33.3%/Avg 3.83
そこそこ良い成績だと思ってます。
4コス依存度の高い構成が中盤耐えれなくて負けやすい、3コスキャリーが安定して勝てる気がする。
Lv7で止まってトリン☆3を目指す。血剣-Crit
Viとレナータの競争率が高いのでそれぞれツイッチセジュでFlex
最初の青アイテムからチョガスが出るorミュータント強化のオーグメントが出たらラッシュ
スカラー目的でマルザ、ブルーザー目的でレクサイが取られがちなので注意
ヨードルがいるとコーキが来ないので早めに☆2にしておく
グーグルスカラーという科学論文検索サービスがあってそこにはサボテンの中でもウチワサボテンだけとかいろんな論文がみられるのだが
そういう短い論文をまとめた専門書籍も一応掲載されてることがあるやで
あと毎年4月にいろんな大学の履修要綱に教科書リストが出る、それもそこそこ専門向けやで
同じような専門書にみえても最新版やないと定説が覆されたあとから古い定説=嘘が平気でかいてあるから気を付けてな
ファンタジー辞典とか科学系ユーチューバーの本(とされてる漫画)とかも嘘や大げさがおおいぞ
まあ大学やろな…
私立文系大学だとなんか古臭い初級者向けでとまってるせんせいおるけど…(十年間ずっと同じ英国の古典児童文学だけで授業持てたりする)
「アフリカでアフリカンファッションをきまくって自分の写真集を出版した日本女性の本」はおもしろそうだった
さがしてもこれしかでてこなかった
https://www.amazon.co.jp/dp/4594064361
https://www.amazon.co.jp/B004L9NV1G/
おっと後者はこれだ
https://www.amazon.co.jp/dp/4594074847
https://www.amazon.co.jp/dp/4866070056
前者もみつけた
後編
行列はVBAなんかじゃ無理っぽいし、なんかプログラミング言語を覚えようと決める。
とりあえず両方試そうということで、RのためにRとRstudioをインストール。
プログラミングはなんかを製作する目標がないと挫折すると聞いていたので。
深層学習というものが流行ってると聞いて、ちょっと触りを勉強したくなる。
この本は面白かったので、深層学習を目標にプログラミングを覚えよう!
後になって、これはとんでもない間違いだったことに気づく。深層学習と機械学習の違いも判らないまま、RよりPythonを先に触ることに。
教本にしたのはこちら。
「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」
途中まではまあなんとか。
微分って便利だな。行列計算できるの便利だなっていうところまでいったが、クラスという概念が理解できず、途中からハテナが浮かんで読み進められず。
うん、もうちょっと易しい本を探そうと思って手に取ったのが
「独学プログラマー Python言語の基本から仕事のやり方まで」
なんとか読了。自信をつける。
実は、いまだにコマンドプロンプトとパワーシェルとbashの違いが分かってない。
つづいてPyQに2か月くらい登録してみる。
なかなかPythonが楽しくなってきたが、クラス意味が今一つ掴めないままいったん中断。
この辺で、自分は統計に興味があってもプログラミングに興味がないんじゃないかということに気づく。
なんだかんだもがきながら、PythonもRもモノにならず、日常のちょっとした計算やグラフを作ったりはExcelを使い続ける日々が続く。
あるいは、Excelで成形して、検定かけやすい形式にしてRで検定するとか。
Rに触れてなかったな、Rは完全に独学。「こんなことやりたいなぁ、ググってみるか、ほうなるほど」って感じ。
そんなさなか、放送大学で「Rで学ぶ確率統計」という講義があるのを知り、さっそく入学して受講。
なかなか面白かったし、PythonばっかりでRあんまり触ってなかったからいい刺激になった。
恥ずかしながら、負の二項分布やガンマ分布ってよう知らんかった。
しかし、講義は楽しかったがなにか書けるようになったかというとそんなことはなく、依然として基本はExcel。
まあ、実際csvじゃなく、手書きのデータとかをExcelに打ち込んだりする程度なんでPythonやRを使うまでもなかったというのもあるんだけど。
「Excelパワーピボット 7つのステップでデータ集計・分析を「自動化」する」
パワークエリを覚えたらピボット形式のExcelファイルとか、セルの結合が多用されたExcelファイルを、成形加工するのが非常に楽になった。
しかも、同じフォーマットで記録されてるデータならフォルダにぶち込んで一気にまとめ上げることも可能!
控えめにいって神!
としばらくパワークエリを礼賛してたのだけど、各ステップはPythonのpandasやRのdplyrでも出来ることに気づく。というか最初から気づけ。
こりゃ、一気に覚えちまおう、統計というより、データの前処理だなと思ってUdemyでRの動画を買ってみた。
AIエンジニアが教えるRとtidyverseによるデータの前処理講座
https://www.udemy.com/course/r-tidyverse-preprocess/
すっかりR信者になる。
それまで教本を呼んでもdplyrの便利さが今一つわからなかったのに、パワークエリで具体的にモノを作ると、dplyrに翻訳したら、すいすい。スピード10倍。
便利さにようやく気付く。
そんで、pandasに翻訳したらどうなんだろ?と思ったらもっと速いw
すごいなPython。
Rへの入信はたった数週間。再びPythonに興味。
さて、ゼロから作るディープラーニングを再開しようと思ったけれども、そもそも、機械学習をすっ飛ばして深層学習って無茶だったと反省し、まずは機械学習に。
機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning)
で、この本がすごい。
5章あるんだけど、機械学習のアルゴリズムは5章だけなんだなw
それまでは何に割かれてるんだって?数式の証明とか、便利な計算法、例えばニュートン法とかラグランジュ未定乗数法とかw
こんだけ引っ張っておいて、いよいよ本番の第5章もゴリゴリ数式をスクリプトに落とし込んでいってるのに、「これは学習のためでscikit-learnっての使えばたった1行」っていう無慈悲w
いや、ほんと数学の勉強になったし、こうやってゴリゴリやるとなんのためにクラスというものが存在するのかようやくわかった。
線形代数って便利なんだなと。行列をスカラー値のように何の気なしに扱えるようになると、あの頃苦しんでいた実験計画法、タグチメソッド、今読み直したら別の印象があるんじゃないかなと思うようになったり。
この本を読む途中、「マンガでわかる統計学因子分析編」で学んだことが理解の助けになった。
なんたる僥倖。
線形回帰、リッジ回帰、SVM、PCA、k-means、クラスター分析、一気に手札が増えた。
Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
実験計画法って、fisherの古典的なやつ、ラテン方格に割り付けて、ってやつかと思ったら、線形代数使えればもうなんでもありなのな。
これ、すごいな。
機械学習と実験計画法がここでつながるとか、控えめにいって最高だな。
まだ読了してないので、また後日。
こういう話になると俺も勉強してない話になるので変なことを言ってるかもしれないけど、なんていうか、俺の感覚では数学は「対象」を「そいつらに対して許容される操作の集合」で規定するところがあるように思うんだよな。「操作」というのは例えば「足せる」とか「スカラー倍できる」とか「足してゼロになるやつが存在する」とかそういうの。そんでもってその「操作」が全く同じように成り立つ別の「対象」があるということがしばしばあって、「そいつらに対して許容される操作の集合」こそが「対象」という意味ではその2つの「対象」は全く同じということがある。それを準同型と言ったりする。そういう複数の「対象」を同じものとみなして都合に合わせて自由に行き来することを「同一視する」と言ったりする。
サンプリングというのは「連続関数」の対象から「離散的な値のセット」の対象への変換なわけだけど、こういうことをすると連続関数の世界で成り立っていた「操作」が成り立たなくなってしまうことがよくある。対称性が失われたり、ナイキスト定理によって高周波成分が失われたり色々する。それはつまり「対象」として別物になってしまうということだと思う。じゃあ連続関数の中でもどういうものなら「操作」が保存されるのかとか、「復元」が可能な場合はあるかとか、そういう話になってくる。
さらには、異なる「操作」自体をある意味で同一視して同じものとみなせるかどうかを議論するような分野もある。圏論と言う。異なる「操作」としての「圏」の間の準同型のような移り変わりを「射」と言って自由に移り変わりながらそれらに共通する性質の抽象化を試みたりする。でも圏論は全然勉強したことないからよく分からん。すまん。でも圏論で出てくる「可換図式」という図式の書き方とか使われ方を調べてみるともしかすると何か参考になるかもしれないと思う。