  |
はてなキーワード: 判別とは
出直してらっしゃい。
バカだろ。
俺らには一切関係ない。
イカレてんのか？
「俺が一番かわいそうだ！」ってやりたいだけ。
×女叩き
そりゃ今でもオリンピックがみたいからってＢＳ回線に支払いしたりする人とかいっぱいいるから
アニメも朝ドラも大河もけっこう良質だし「ｄアニメストア」くらいの課金はしていいと思ってる人が多いんじゃないの
円盤も売ればいいだろ
インフラ強いんだから地方に人気民放番組を転売して儲けたっていいだろうし日経みたいに就職向けコンテンツと称してもいいだろうし
ブランド化もするべき
それよりなにより、人をやとって個人宅にしつこく徴収にまわらせる人件費とかそろそろマジ削減すべきなんじゃないの
デジタル放送で紅白に投票できる人かどうか判別できる世の中なんだからさあ・・
民法だって娯楽作品でＣＭなんて殆ど見てもらえなくなるし（＝ＣＭスキップや円盤、ネッフリなどの視聴が多くなる）
みんながテレビにかじりついた地震のときも不謹慎自粛してたし無くてもやってけるでしょ
偶然見てもらえても好感度ものすごく審査されて炎上逆ＣＭになったりするわけじゃん 何のための広告費なのかと
https://arxiv.org/abs/1907.09725
8個こ気象データ変数(気温、降水量、、、Table.1に書いてある)を入手している。
最大3変数を選択し、RGBにそれぞれの変数の値を入れ、画像に変換。
画像をCNNに食わせて学習している。気温・降水量の変化を5種類に分類。
気象データの増減は、他の変数と強く相関しているはずなので、8変数も考慮に入れる理由がわからない。
画像データにする理由もよくわからない。数値データを直接CNNに入れたほうがいいのではないだろうか？
decadal teleconnection patterns(10年単位での気象の相関)を知りたいということだが、これを知ることに意味はあるのか？
目的と意義が書かれていない。
5行目、何がHoweverなのだろう。まえでは、CNNで何ができているのかを言っている。次の行ではそのデータの扱いについて語っている(Howeverを使うべき？)。
各行で何を主張しようとしているのかがよくわからないので、全体としてこの段落の機能がよくわからない。
VARENNつまり、2次元データを学習機に投げることは、CNNを使う際には普通のことなので主張すべきではない。
8 climatic variablesは具体的になに？
classify decadal interaction patterns of climatic variablesこれはよくわからない。画像データを分類することが目的？なにがしたいの？
temperature(温度)、precipitation（降水量）のrises,fallsを判別したい。Introductionにかくべきでは？
8 spatiotemporal climatic variables はなんの変数？Tableに書くだけではなく、本文に書くべきだろう。
climatic variablesを0-1の値にした方法は？割り算？
1段目で言っている上下の分類ではなく新たな分類基準が出現する。
T1についてここで言い換えておく。
T1は、学習データ30年間での平均値mu30,後10年の正解データでの平均値mu10
mu10-mu30が5よりおおきい、10年後の気温が5度上昇している。
To quantify the similarity among variables, we calculated the Euclidean distances from each target variable to the input variable.
よくわからない。
we examine the effects of the relationships among the variables that were assigned to R, G, and B to the model performance.
どういうこと？
よんでない
よくわからない
よくわからない。
どういう意味だろうか？
提案手法で、RGBに変数を入れ込んだことが斬新だと主張しているが、
これを数値データだけにしてCNNに読み込ませた場合はどうなるのか？
同程度の精度を出すのか？
本提案では、2次元の配列データを画像にしてCNNに読ませている。
statistical methods including AI はよくわからない。何が言いたいのだろう
気象パターンを分類することに成功したとは言い難い。せいぜい複値分類とかなにか他に良い言い方があるはず。
We selected以下時間windowについての説明かと思われるが、何を言いたいのかよくわからない。
By comparing以下 意味不明。物理simulationと統計モデルを比較することで、accuracyとprecisionを比較できる。なぜ？
Objective以下
よくわからない。
We believe以下
これが煽りなのかなんなのか判別はできないけど、こういう素朴な声が上がる可能性は十分ある。異文化を理解するというのは、こういうおぞましさを越えることだ。本当の意味で異文化がコミュニケーションしたら、当然こうなるのだ。「異文化」が「怖い」のは当たり前なことなんだよ。
些細なことなら、また一時的なことであれば、「片方が片方の文化のやり方に嫌々従う」形で見せかけの「交流」をすることは十分可能だ。たとえば力で（外交）、あるいは金で（経済）。だがそれはコミュニケーションでなくただ物理で殴っただけだ。そこにはどんな「理解」もない。戦争で勝った？ 征服した？ それで朝鮮半島の人々は日本を理解したか？ 残念ながら、力は何も解決しない。そんなことは歴史を見ればよくわかる。では、どうすれば？
お互い「わからない」ことを前提とする世界で、初めて「ルール」が現れる。私たちは「ルール」を通して初めて異文化を「理解」することができる。そこで「ルール」はすなわち共通語として機能する。
日韓は、これまで共同の仮想敵（つまり北）を置くことで、見せかけの融和関係を保ってきたに過ぎず、本当の意味での共同ルールも作れていないし、従って外交関係も築き上げてこなかった。共同の「敵」がいる状態ならそれでもなんとかなった。むしろ、そのツケを払わないで済ませるために共同の「敵」を要請してきた。極東に橋頭堡を築きたい大国の思惑がそれを後押ししてきた。そうして極東の人々は構造的な不和の状態を日常にしてきた。そして、そこから得られる甘い汁は、私たち自身をもどっぷり浸している。
だが、もう無理だ。そういうごまかしは永遠には続かない。私たちはそろそろこの「不和」の真実に気づき始めている。その不和と直面しない限り、この極東の人々に未来はないということに。
大学受験のテストでDiscriminator能力は測れるが、Generator能力は測れない
ようやく機械学習やGANを知って考えて至った
Generatorした状態と、記憶したものを思い出した状態は同じだから、勉強して(覚えて)試験が解けるようになる
天才は答えを思い付くことができるが、秀才はできないので、覚えたものを組み合わせて正しいか判別を繰り返して答えに至る
Generatorがよくても、Discriminatorがポンコツだと奇人変人になる
NNのこと聞いたとき
「これ俺の思考と同じだ。コンピューターに同じことされたら記憶量もスピードも勝てるわけない。やばい。」
と感じてどうすればいいか悩んでた
将棋みたいな総当たりできるものはGeneratorは機械的にやればいい
そうでない機械的にできないことをやるのが俺の生き残る道なのか
アニメーターとか演出家に興味がなく、作品にだけ興味がある一般のヲタからすれば、
その中で働く無名のスタッフ達それぞれの画風やら作風やらの違いなど判別できるわけないので、
ぼんやりとした京アニらしさが戻ってくれば、それで京アニは復活したことになる。
一方でそれぞれのスタッフの名前と画風作風が一致するような人間からすれば、
いくら似たような画風、テイストの作品が作られたところで、その間の微差がわかってしまう。
前者にとってはアニメクリエーターは「技術者」だが、後者にとっては一人一人が「作家」。
作家性は唯一無二。その人以外には手にすることが出来ない。
後者から前者を見ると、まるで技術だけを評価し、その裏にいる人間を人として見ていないように思えてしまう。
一方で前者から後者を見ると、生き残った人には「技術」を再現できないと馬鹿にしているように見えるし、
逆に「技術」が失われたことを嘆いているように見え、非人間的だと思ってしまう。
でも悲しみが大きいのは後者。当たり前だ。名前を知っている分より近しい存在と感じているからだ。
多くのヲタの京アニへの悲しみが、やまゆり園への悲しみより大きいのと同じだ。
まあだからといって自分より悲しみの少ない人を攻撃していいものではない、
自分の立場や他人の評価を無意識的に意識しているのではともやもやを感じるのも分かる。
ただ俺たちは勝手にに悲しむから嫌なら見るんじゃねえよと俺らが言うもんでもないと思う。
