  |
はてなキーワード: MINとは
騒音上界規定は、その場における最も大きな騒音を発する人間を指す。
騒音上界規定の存在により、その場にいる別の人間の騒音レベルが上昇する。
それにより場全体が「それ以下の騒音ならば良し」とされる場になる。
騒音上界規定がいなくなると、全体の騒音レベルは著しく低下する。
下品な声を発する人間を指す。200人に1人程度の割合で出現。
2人以上の集団で出現しやすい。多くの場合騒音上界規定を形成する。
下品な声とは、誰を蔑んでいるのかはわからないがとにかく誰かを蔑むような声だったり、誰かを評価する話し方のこと。
声に人を尊敬する気持ちが感じられなかったり、周りを気遣っていない様子が見られる。
一時的に形成された人間社会の中では最も極悪な存在として位置づけている。
2つの選択肢がある場合に、良い側を意図的あるいは無意識にでも選択する動作のこと。
「良い側・悪い側と見たあとに振り返って良い側に行く」あるいは「悪い側・良い側と見てそのまま良い側に行く」という動作として顕現する。
良い側とは「空間が広い」「清潔そう」「歩きやすそう」「過ごしやすそう」であり、悪い側はその逆。
いちいち選ばない人間もいるし、事前に評価が終わっている場合もある。
逡巡することもある。「悪 vs よりマシな悪」から「より良い」を探そうとすると逡巡が発生する。
主に電車やバスで複数の空席が見受けられたときに、おのおのの席の座り心地をシミュレーション・評価して選択する動作のこと。
どれもお気に召さない場合は立ちっぱなしになったり、車内を移動することもある。
トナラーは若い女性の横を高評価判定して無意識的にでも積極的に獲得していく人物のことだ。性別を逆転した女性トナラーもいるにはいるがかなり少数派。
予想トナラー（まだトナラーにはなっていない）が現れたあと、予想トナラーが予想した眼球運動の後予想した席に予想した様子で着席した場合は感動すら覚える（トゥルートナラーの完成）。
その後に続く人々が十分多ければ、信号の色がなんだろうと全員渡り始め、事実上信号が機能しなくなる。
ただし赤信号で渡る人はそれほど多くはない。赤信号リーダーには大抵嫌な視線が向けられており抑止が働いている。
車通りがそこそこ激しい大通りで信号とは無関係に横断をする人間を指す。かなり迷惑で周辺にヘイトを溜める。
Pは点Pの意味。
横断よりも大回りしないといけない場合によく発生している。「歩道橋が高い」「横断歩道まで遠い」などがある。
およそ20人以上の移動する人の流れ。
20人程度なら「移動流体20」、100人程度なら「移動流体100」と呼称する。
移動流体には基本的に逆らうことができない。もし逆らった場合はかなり高いレベルの敵意を得る。
数が多くなれば多くなるほど凶暴。
男に多い。自分がその場で一番頭がいいと思っているのかあやふやな知識を開陳している。
後輩などの子分を伴っており、子分が頭脳マウンタラーを持ち上げることで成立している。
周りに聞こえるレベルの声でさまざまな情報を垂れ流す。企業の内部情報であることも多い。
内容に興味を持ったときはググったりするなどして特定を試みる。1000人に1人程度の割合で存在。
ほぼ静止しているが、直後の動作が予測困難な人間を指す。ブラウン運動をしている円柱として捉えている。
円柱は全然とんちんかんな方向を向いており、周りが目に入っておらず無敵である。
渋滞を形成する諸悪の根源。非常に多くの人間に悪影響をもたらす。
複数いることもある。複数円柱は一気に人の流れを鈍化させ、小さなテロリストの様相を呈す。
前方から道を塞ぐ壁のようにして歩く2人以上の人間のこと。権力闘争が発生している。
必ず序列があり、ウォール内の最も弱い者が道をあけることが規定されている（ゲートオープン）。また、最強をMaxウォール・最弱をMinウォールと名付けている。
Maxウォール次第ではウォールは即座に解消され縦列になる。そのとき、Maxウォール以外はMaxウォールに従属して縦列になる行動をとる。
Maxウォール主体のこの行動を「転置」と考えている。しかし美しい転置はなかなか決まらない。
なかなかゲートオープンしない場合もある。その場合はこちら側がMinウォール未満であるとされており、ウォール内部の権力闘争の道具として使われている。
ウォールは2層以上になっていることもある。
その場合、ウォールの後ろにいるウォールは「二軍」あるいは「ウォール・ローゼ」あるいは「予備戦線」と捉えている。
居酒屋等の前で集団でたむろし、会計待ちなどで多くの人数で道を塞ぐ集団。非常に邪魔である。
自分がなることも容易にある。その割に他人が会計待ち集団ジャママンになっていると邪魔だと感じる。
集団なので敵対されても複数で取り囲むことができるため、道を塞いでもいいと思っている。
会計待ち集団ジャママンの中に「邪魔になっているから避けて」と統率する人がいる。リーダー気質だったり酔っていない人物。
十分統率された集団は会計待ち集団ジャママンにならない。その組織のコンプライアンス度合を示す。
こちらが人間をよく見ているので、こちらが観察・評価していることに気付いてこちらからの評価を避ける人のこと。
幽霊遭遇者の行動パターンだが、まず目が見開き驚愕する。目線を下げ降伏を宣言。脅えながらこちらとすれ違う。
あたかもこちらが幽霊かのように接してくるのでわかりやすい。1万人に1人程度の割合で存在。
非常に高速に移動する人間を指す。顔が無表情あるいは真剣であることが多い。
服装は整っており頭脳明晰で収入は高そうである。まっすぐと前を見据え全力で最短距離を駆け抜ける。
意図的に進行方向を妨害すると、振り向いてギョッとした顔をしたあとスピードがやや落ちる。
しっかりと目を合わせてくる人。ガン飛ばし。ケンカの前兆。5万人に1人程度の割合で存在。
目が合ったらポケモンバトルだ。
理解不能な存在。次の行動がまったく予測できず恐怖をもたらす。
仮説が成立せず絶えず理を超えた動作を取り続ける。いわゆる "変" な人。
他者を完全に障害物だと捉え、その隙間をくぐり抜けるようにして動く子どものこと（ミサイル）
ミサイルペットPureは小学校低学年以下に集中する。ミサイルペットPureの視点から見ると大人は「足2つ」しか見えないからだろう。彼らにとって通行人1人とは「ゆっくりと動く2本の柱」である。
ミサイルペットPureには善悪判断は無く、恐縮した親も多い。
一方ミサイルペット悪の場合は小学校中学年以上であり、善悪判断を持っている。他者を品定めして、大丈夫そうならとことん騒ぐということをしている。
ミサイルペット悪は小学校高学年ごろに最盛期を迎える。その後徐々に落ち着き、数も少なくなり、大学生ぐらいで完全消滅する。
ミサイルペット悪のうち中学生ぐらいまでは、その親であるミサイルペアレンツによる「放牧」が行われている構造が多い。彼らは親の庇護下のもとで他者に迷惑をかけることを義務としている。
ミサイルペットが活動できる場は、ミサイルペアレンツが多い場（そのミサイルペット本人の親でなくてもよい）である。ミサイルペアレンツが少ない場ではミサイルペットは活動できない。
基本的にはPure / 悪のどちらの場合であってもミサイルペアレンツからの「放牧許可」「放し飼い許可」が行われているとき、子どもがミサイルペット化する。子どもはかなり敏感にその許可を感じ取る。
∀x, y ∈ X, x ≿ y ∨ y ≿ x
∀x, y, z ∈ X, (x ≿ y ∧ y ≿ z) ⇒ x ≿ z
∀x ∈ X, {y ∈ X | y ≿ x} と {y ∈ X | x ≿ y} は X において閉集合
∀x, y, z ∈ X, ∀α ∈ (0, 1), (x ≿ z ∧ y ≿ z) ⇒ αx + (1-α)y ≿ z
関数 u: X → ℝ が以下を満たすとき、u を選好関係 ≿ の効用関数と呼ぶ：
∀x, y ∈ X, x ≿ y ⇔ u(x) ≥ u(y)
効用関数 u: X → ℝ に対して、任意の r ∈ ℝ に対する無差別集合 I_r を以下で定義する：
I_r = {x ∈ X | u(x) = r}
公理 1-4 を満たす選好関係 ≿ に対応する効用関数 u が連続であるとき、任意の r ∈ ℝ に対して、I_r は X の閉集合である。
証明：
u の連続性より、I_r = u^(-1)({r}) は X の閉集合である。
公理 1-4 を満たす選好関係 ≿ に対応する効用関数 u が準凹であるとき、任意の r ∈ ℝ に対して、I_r は凸集合である。
証明：
x, y ∈ I_r, α ∈ (0, 1) とする。u の準凹性より、
u(αx + (1-α)y) ≥ min{u(x), u(y)} = r
一方、u(αx + (1-α)y) > r とすると、公理 4 に矛盾する。
よって、u(αx + (1-α)y) = r となり、αx + (1-α)y ∈ I_r が示される。
X が Banach 空間のとき、関数 f: X → ℝ が点 x ∈ X で Gâteaux 微分可能であるとは、任意の h ∈ X に対して以下の極限が存在することをいう：
δf(x; h) = lim_{t→0} (f(x + th) - f(x)) / t
効用関数 u: X → ℝ が Gâteaux 微分可能であるとき、点 x ∈ X における財 i と財 j の間の限界代替率 MRS_{ij}(x) を以下で定義する：
MRS_{ij}(x) = -δu(x; e_i) / δu(x; e_j)
ただし、e_i, e_j は i 番目、j 番目の基底ベクトルとする。
X が Hilbert 空間で、効用関数 u: X → ℝ が二回連続 Fréchet 微分可能かつ強凹であるとき、任意の x ∈ X と任意の i ≠ j に対して、
∂MRS_{ij}(x) / ∂x_i < 0
証明：
u の強凹性より、任意の h ≠ 0 に対して、
⟨D²u(x)h, h⟩ < 0
これを用いて、MRS の偏導関数の符号を評価することで証明が完了する。
X が局所凸位相線形空間、p ∈ X* (X の双対空間)、w ∈ ℝ とする。
効用関数 u: X → ℝ が連続かつ準凹で、以下の問題の解 x* が存在するとき、
max u(x) subject to ⟨p, x⟩ ≤ w, x ∈ X
ある λ ≥ 0 が存在して、以下が成り立つ：
1. ⟨p, x*⟩ = w
2. ∀y ∈ X, u(y) > u(x*) ⇒ ⟨p, y⟩ > w
3. δu(x*; h) ≤ λ⟨p, h⟩, ∀h ∈ X
証明：
超平面分離定理を用いて、{y ∈ X | u(y) > u(x*)} と {y ∈ X | ⟨p, y⟩ ≤ w} が分離可能であることを示し、そこから条件を導出する。
lot********
24分前
非表示・報告
こういう人なんだからしょうがない。
手慣れてるんだと思いますね。
奥さんも気の毒に、子供がいないうちに別れたほうがいいかもね。
こういう性根というのが40から変わると思えない。
人を大事にできない人と一生一緒にいるのは人生を台無しにすることだと思う。
no
3分前
非表示・報告
しっかり慰謝料とってさっさと別れた方がいい
奥様には頑張ってほしい
mif******
11分前
非表示・報告
40でこの行動してるならこの先治らないよ
20歳そこそこで遊んでるなら将来は意外と落ち着くかもだけどさ。
cat********
19分前
非表示・報告
そう、子供がいないうちに別れた方がいいと思う。
yat********
18分前
非表示・報告
許せるわけなどない
一生、トラウマですよ
サレ妻より
min********
12分前
非表示・報告
なんだかんだずっと許せないしまたやるよ
そういう生き物なんだと諦めて25年
もっと許せそうだな
たった今
非表示・報告
Ωを仮に100次元の実ベクトル空間R^100とする。各次元は特定の神経活動パターンに対応する。
Ω = {ω ∈ R^100 | ||ω||₂ ≤ 1}
ここで||・||₂はユークリッドノルムである。τは標準的なユークリッド位相とする。
O : Ω → Ω
O(ω) = Aω / ||Aω||₂
ここでAは100×100の実行列で、||Aω||₂ ≠ 0とする。
S[ω] = -∫Ω p(x) log p(x) dx
S[O(ω)] ≤ S[ω] + log(det(AA^T))
dω/dt = F(ω) + G(ω, O)
F(ω) = -αω + β tanh(Wω)
G(ω, O) = γ(O(ω) - ω)
ここでα, β, γは正の定数、Wは100×100の重み行列、tanhは要素ごとの双曲線正接関数である。
g_ij(ω) = E[(∂log p(x|ω)/∂ω_i)(∂log p(x|ω)/∂ω_j)]
ここでE[・]は期待値、p(x|ω)は状態ωでの条件付き確率密度関数である。
ψ(x) = √(p(x)) exp(iθ(x))
Φ[ω] = min_π (I(X;Y) - I(X_π;Y_π))
ここでI(X;Y)は相互情報量、πは可能な分割、X_πとY_πは分割後の変数である。
勾配降下法を用いて定式化する：
ω_new = ω_old - η ∇L(ω_old, O)
L(ω, O) = ||O(ω) - ω_target||₂²
G = (V, E)
V = {v_1, ..., v_100}
E ⊆ V × V
各頂点v_iはω_iに対応し、辺(v_i, v_j)はω_iからω_jへの因果関係を表す。
このモデルはPythonとNumPyを用いて以下のように実装できる：
import numpy as np from scipy.stats import entropy from scipy.integrate import odeint import matplotlib.pyplot as plt class ConsciousnessModel: def __init__(self, dim=100): self.dim = dim self.omega = np.random.rand(dim) self.omega /= np.linalg.norm(self.omega) self.A = np.random.rand(dim, dim) self.W = np.random.rand(dim, dim) self.alpha = 0.1 self.beta = 1.0 self.gamma = 0.5 self.eta = 0.01 def observe(self, omega): result = self.A @ omega return result / np.linalg.norm(result) def entropy(self, omega): p = np.abs(omega) / np.sum(np.abs(omega)) return entropy(p) def dynamics(self, omega, t): F = -self.alpha * omega + self.beta * np.tanh(self.W @ omega) G = self.gamma * (self.observe(omega) - omega) return F + G def update(self, target): def loss(o): return np.linalg.norm(self.observe(o) - target)**2 grad = np.zeros_like(self.omega) epsilon = 1e-8 for i in range(self.dim): e = np.zeros(self.dim) e[i] = epsilon grad[i] = (loss(self.omega + e) - loss(self.omega - e)) / (2 * epsilon) self.omega -= self.eta * grad self.omega /= np.linalg.norm(self.omega) def integrated_information(self, omega): def mutual_info(x, y): p_x = np.abs(x) / np.sum(np.abs(x)) p_y = np.abs(y) / np.sum(np.abs(y)) p_xy = np.abs(np.concatenate([x, y])) / np.sum(np.abs(np.concatenate([x, y]))) return entropy(p_x) + entropy(p_y) - entropy(p_xy) total_info = mutual_info(omega[:self.dim//2], omega[self.dim//2:]) min_info = float('inf') for i in range(1, self.dim): partition_info = mutual_info(omega[:i], omega[i:]) min_info = min(min_info, partition_info) return total_info - min_info def causal_structure(self): threshold = 0.1 return (np.abs(self.W) > threshold).astype(int) def run_simulation(self, steps=1000, dt=0.01): t = np.linspace(0, steps*dt, steps) solution = odeint(self.dynamics, self.omega, t) self.omega = solution[-1] self.omega /= np.linalg.norm(self.omega) return solution def quantum_state(self): phase = np.random.rand(self.dim) * 2 * np.pi return np.sqrt(np.abs(self.omega)) * np.exp(1j * phase) # モデルの使用例 model = ConsciousnessModel(dim=100) # シミュレーション実行 trajectory = model.run_simulation(steps=10000, dt=0.01) # 最終状態の表示 print("Final state:", model.omega) # エントロピーの計算 print("Entropy:", model.entropy(model.omega)) # 統合情報量の計算 phi = model.integrated_information(model.omega) print("Integrated Information:", phi) # 因果構造の取得 causal_matrix = model.causal_structure() print("Causal Structure:") print(causal_matrix) # 観測の実行 observed_state = model.observe(model.omega) print("Observed state:", observed_state) # 学習の実行 target_state = np.random.rand(model.dim) target_state /= np.linalg.norm(target_state) model.update(target_state) print("Updated state:", model.omega) # 量子状態の生成 quantum_state = model.quantum_state() print("Quantum state:", quantum_state) # 時間発展の可視化 plt.figure(figsize=(12, 6)) plt.plot(trajectory[:, :5]) # 最初の5次元のみプロット plt.title("Time Evolution of Consciousness State") plt.xlabel("Time Step") plt.ylabel("State Value") plt.legend([f"Dim {i+1}" for i in range(5)]) plt.show()
経済を表現する空間を E とし、これを局所凸位相線形空間とする。価格空間 P を E の双対空間 E* の部分集合とし、商品空間 X を E の部分集合とする。
Z: P × Ω → X を一般化された超過需要関数とする。ここで Ω は外生パラメータの空間である。Z は以下の性質を満たす：
(b) 一般化された同次性：任意の λ ＞ 0 に対して Z(λp, ω) ≈ Z(p, ω)
(c) 一般化されたワルラスの法則：＜p, Z(p, ω)＞ = 0
ここで ＜・,・＞ は E* と E の間の双対性を表す
(d) 境界条件：p が P の境界に近づくとき、||Z(p, ω)|| は無限大に発散
価格の動的調整を表現するために、以下の無限次元力学系を導入する：
dp/dt = F(Z(p, ω))
ここで F: X → TP は C^1 級写像であり、TP は P の接束を表す。
定理1（均衡の存在）：適切な位相的条件下で、Z(p*, ω) = 0 を満たす p* ∈ P が存在する。
証明の概略：KKM（Knaster-Kuratowski-Mazurkiewicz）の定理を一般化した不動点定理を応用する。
定理2（局所安定性）：p* の近傍 U が存在し、初期値 p(0) ∈ U に対して、解軌道 p(t) は t → ∞ のとき p* に収束する。
証明の概略：リャプノフ関数 V(p) = ||Z(p, ω)||^2 / 2 を構成し、V の時間微分が負定値となることを示す。
不均衡状態における経済主体の行動を記述するために、以下の最適化問題を導入する：
最大化 U_i(x_i)
制約条件 ＜p, x_i＞ ≤ w_i + Σ_j p_j min{z_ij, 0}
ここで U_i は効用汎関数、w_i は初期富、z_ij は財 j に対する主体 i の超過需要である。
確率空間 (Ω, F, P) 上で、以下の確率微分方程式を考察する：
dp(t) = F(Z(p(t), ω))dt + σ(p(t), ω)dW(t)
ここで W(t) は適切な次元のウィーナー過程、σ はボラティリティ作用素である。
ε dp/dt = F(Z(p, ω))
この解析により、短期的な価格調整と長期的な均衡の関係を明らかにする。
定理3（一般化された不動点定理）：P が局所凸位相線形空間 E の非空、凸、コンパクト部分集合であり、F: P → P が連続写像であるとき、F は不動点を持つ。
この定理を用いて、より一般的な経済モデルにおける均衡の存在を証明できる。
ε → 0 のとき、特異摂動問題 ε dp/dt = F(Z(p, ω)) の解の漸近挙動は、元の動的システムの長期的均衡と一致する。
広告撤回を求める運動もコロンブスやMrs. GREEN APPLE不買運動も起こっていないのにキャンセルカルチャーとは？
コロンブスが島を発見して、島の家にいた猿に西洋文明を教え人力車をひかせたりする動画は差別的でヤバいって言われただけでキャンセルカルチャーだーって何それ？
日本人が騒ぎさえしなければ海外では差別的だなんて思わなかった筈ってのは無理あるよ…。
悪意がなければ許されるなら、日本人はバーベンハイマーやキノコ雲頭に好意的コメントしたバービー公式アカウントをせめる事は出来ない。
日本人が私たちを猿として描くのは頭がおかしい（笑）。さて、ネイティブのバンドが長崎と広島の余波について話したいとしても...気にしないでください。私の民は決してそこまで落ち込むことはないだろう。 👎🏼
Nihonjin ga watashitachi o saru to shite kaku no wa atamagaokashī (Emi). Sate, neitibu no bando ga Nagasaki to Hiroshima no yoha ni tsuite hanashitai to shite mo... Kinishinaide kudasai. Watashi no min wa kesshite soko made ochikomu koto wanaidarou. 👎🏼
台湾もまた、10年後には成長率が下がって治安が不安定化して、中国軍が駐留し始めて
The Chinese force which was sent to support the anti-foreign and unprogressive policy of the Min family, proceeded to take up permanent quarters in extensive camps within the walls of Seoul.
（1882年に日朝の済物浦条約が締結されたので）閔氏政権の排外主義と非進歩主義を維持するために派遣されてきていた中国軍は、ソウル（漢城）の城壁内の広々した陣営地に恒久的な居住区を確保し始めた（日清戦争の12年前）
最近の本はつまらない気がする。例えば「頭が良くなる本」というテーマの本があるとして、新着の本を見てもありきたりな本しか見つからない
これはたぶん、私が30歳になるまでの間に一通り色々なテーマでどういった内容があり得るのか見てきてしまっているから
アルゴリズムの世界では「探索と活用のトレードオフ」というものがある
初期フェーズでは情報集めのために探索をするのが良しとされるが、後半ではむしろ集めた情報を活用するのが良しとされる
未熟な若者が馬鹿なことをやろうとするのは、単に探索のフェーズにいるからで、情報が足りないから
一方歳をとった人たちが保守的になるのは、探索によって学習済みだから
私は年齢的に「探索」のフェーズではないのかもしれない。この年齢になって、何か大成功しようという気は起こらないのだ
欲しい、必要、と思う量が少なければ満足は増えるし、それを超えるものを持っていても満足は増えない
ブラック企業が社員に「足るを知れ」と言った場合は注意が必要だが、個人的なレベルでは、足るを知るのは満足に生きるために良い指針だと思うわけである
本をたくさん読んでも、実践できなければ意味がないし、実践できる事柄は限られる
そう思うと、私のような負け犬を釣るための自己啓発本など、もう買う必要がないことがわかる
といっても、限度はある。必要な量は固定だし、欲しい量も人生を充実させるにはある程度は必要である
結局、私を悩ませているのは「満たされない何か」という本能であり、これが本を買ったり数学をやりたくなったりする誘因になっている
今日は入院している祖母に会いに行く日だ。入院前はもう呆けて風呂も入らないぐらいひどい状態だったが、入院してからはちゃんとしているらしい。
それはそうと、lispでpython環境を構築する話だが、結局オートコンプリートはうざいし、使う機能といったらautopep8とisortぐらいなので、以下を.emacsに組み込んだ。
(defun python-autopep8-and-isort () "Run autopep8 and isort on current Python buffer." (interactive) (when (eq major-mode 'python-mode) (shell-command-on-region (point-min) (point-max) "autopep8 - | isort -" nil t))) (with-eval-after-load 'python (define-key python-mode-map (kbd "C-c C-r") 'python-autopep8-and-isort))
.emacsファイルには他にも様々な設定を付与したが、ここではコードを書ききれない。
さてそういうわけで週末コーディングが趣味としてちゃんと機能することはわかったが、毎週作るとなると、いくつも何かを作るよりは一つのタフなものを作りたいと思うわけである。
それで、最有力候補は「Elasticsearchのようなものをpythonで実装する」という話がある。
Elasticsearchが徹底された設定外部化によってjsonを多用するのだが、これがあまり柔軟性がないので、コードを直にいじれるようにしたいと思ったためである。
例えば自作の日本語トーカナイザを組み込みたいときElasticsearchプラグインをJavaで書かなければならない。私はJavaが嫌いであり、プラグインを「インストールする」という手順も冗長に感じる。
それよりはpythonで作られた検索システムに、適当なトーカナイズ関数を実装して呼び出すことができればかなり柔軟であるように思うわけである。
難しい点があるとすれば、大規模分散システムへの対応で、金をかけなければそういうシステムをテストすることができない。
できるだけ金をかけずに趣味をやるというのがモットーなので、これではまずいわけである。
まあ何事も困難というものはある。まずは手を動かすことが重要だ。Linus Torvaldsも"Talk is cheap, show me the code"と言っているではないか。
ワイ：
1 以上の整数 N と X が与えられ、N を割り切ることが出来る X 以下の整数を、O(min(sqrt(N),X)) 未満の Complexity で得られるアルゴリズムはありますか？
Claude3 Opus：
はい、O(min(sqrt(N),X))未満のComplexityでNを割り切ることができるX以下の整数を求めるアルゴリズムがあります。以下にそのアルゴリズムを示します。
def find_divisors(N, X):
divisors = []
for i in range(1, min(int(N**0.5) + 1, X + 1)):
if N % i == 0:
divisors.append(i)
if i != N // i and N // i <= X:
divisors.append(N // i)
return divisors
このアルゴリズムでは、1からmin(sqrt(N), X)までの整数を順番に調べていきます。各整数iについて、Nがiで割り切れるかどうかを確認します。割り切れる場合、iはNの約数なのでdivisorsリストに追加します。さらに、i^2 != Nの場合、N/iもNの約数となるので、N/iがX以下であればdivisorsリストに追加します。
このアルゴリズムのComplexityは、forループがmin(sqrt(N), X)回まで実行されるため、O(min(sqrt(N), X))となります。
例えば、N = 24, X = 10の場合、このアルゴリズムは以下の約数を返します。
[1, 2, 3, 4, 6, 8]
このアルゴリズムを使用することで、O(min(sqrt(N), X))のComplexityで、Nを割り切ることができるX以下の整数を求めることができます。
ワイ：
Claude3 Opus：
申し訳ありません。ご指摘いただきありがとうございます。O(min(sqrt(N), X))未満のComplexityで、Nを割り切ることができるX以下の整数を求めるアルゴリズムを考えてみます。
以下のアルゴリズムは、O(sqrt(X))のComplexityでNを割り切ることができるX以下の整数を求めます。
def find_divisors(N, X):
divisors = []
i = 1
while i * i <= X:
if N % i == 0:
divisors.append(i)
if i != N // i and N // i <= X:
divisors.append(N // i)
i += 1
return divisors
このアルゴリズムでは、1からsqrt(X)までの整数を順番に調べていきます。各整数iについて、Nがiで割り切れるかどうかを確認します。割り切れる場合、iはNの約数なのでdivisorsリストに追加します。さらに、i^2 != Nの場合、N/iもNの約数となるので、N/iがX以下であればdivisorsリストに追加します。
このアルゴリズムのComplexityは、whileループがsqrt(X)回まで実行されるため、O(sqrt(X))となります。sqrt(X)は常にsqrt(N)以下なので、このアルゴリズムのComplexityはO(min(sqrt(N), X))未満です。
例えば、N = 24, X = 10の場合、このアルゴリズムは以下の約数を返します。
[1, 2, 3, 4, 6, 8]
このアルゴリズムを使用することで、O(min(sqrt(N), X))未満のComplexityで、Nを割り切ることができるX以下の整数を求めることができます。再度の考察で間違いがあればご指摘ください。
ワイ：
N=40, X=5 の時、答えはどうなりますか？
Claude3 Opus：
N = 40, X = 5の場合、上記のアルゴリズムを使用すると、以下の約数が返されます。
[1, 2, 4, 5]
しかし、40を割り切ることができる5以下の整数には、8も含まれています。上記のアルゴリズムでは、8が見つかりません。これは、アルゴリズムがsqrt(X)までしか調べないためです。sqrt(5)は約2.23で、8はこれより大きいため、見逃されてしまいます。
この問題を解決するには、アルゴリズムを修正する必要があります。以下は、修正したアルゴリズムです。
...
”40を割り切ることができる5以下の整数には、8も含まれています。”
ワイ：
1 以上の整数 N と X が与えられ、N を割り切ることが出来る X 以下の整数を、O(min(sqrt(N),X) ) 未満の Complexity で得られるアルゴリズムはありますか？
ChatGPT：
指定された問題に対するアルゴリズムを設計する際には、いくつかの異なるアプローチが考えられますが、要求されている計算量 O(min(sqrt(N), X)) 未満を達成するのは非常に挑戦的です。一般的に、ある数Nの約数を見つけるプロセスは、最悪の場合でもsqrt(N) の計算量を要します。この計算量は、1 からsqrt(N)までの数でNを割ってみるという基本的なアプローチに基づいています。
X以下の整数でNを割り切る必要がある場合、探索範囲がX以下に制限されるため、計算量はさらに小さくなる可能性がありますが、基本的なアプローチでは依然としてsqrt(N)の計算量が最良です。
...
以下特殊条件であれば小さくなるかもね、みたいな話。
ChatGPTはフィードバックを通して出来ないことをちゃんと「出来ない」と言う、というチューニングがされているような気がする。
一日の長だね。
パソコン画面右上のアイコンで選ぶ表示スタイルを一番右の「ヘッドライン」表示にしといてな
/* ヘッドライン表示を切り詰める */ /* #container 指定でCSS優先度を上げる必要がある */ body[data-entrylist-layout="headline"] #container .entrylist-main{ padding-right: 0 !important; } body[data-entrylist-layout="headline"] #container .entrylist-contents{ padding-left: 0 !important; } body[data-entrylist-layout="headline"] #container .entrylist-contents-users{ position: static !important; } body[data-entrylist-layout="headline"] #container .entrylist-contents-users{ top: 14px !important; } /* ヘッドライン表示にサムネイルを追加 */ body[data-entrylist-layout="headline"] #container .entrylist-contents-main{ display: grid; grid-template: "users body title" 28px "bookmark body domain" 20px / 60px 120px 1fr; } body[data-entrylist-layout="headline"] #container .entrylist-contents-users{ grid-area: users; } body[data-entrylist-layout="headline"] #container .entrylist-contents-users a span{ margin-right: 0; } body[data-entrylist-layout="headline"] #container .following-bookmarks-container{ grid-area: bookmark; position: absolute; left: 20px; bottom: 2.5px; } body[data-entrylist-layout="headline"] #container .entrylist-contents-body{ grid-area: body; } body[data-entrylist-layout="headline"] #container .entrylist-contents-title{ grid-area: title; z-index: 99; } body[data-entrylist-layout="headline"] #container .entrylist-contents-title > a{ margin-left: -120px; padding-left: 120px; margin-bottom: -28px; padding-bottom: 28px; width: 890px; white-space: nowrap; display: block; } body[data-entrylist-layout="headline"] #container .entrylist-contents-body{ display: block !important; } body[data-entrylist-layout="headline"] #container .entrylist-contents-thumb{ position: static; } body[data-entrylist-layout="headline"] #container .entrylist-contents-thumb span{ width: 100px; height: 50px; } body[data-entrylist-layout="headline"] #container .entrylist-contents-thumb{ background: #f0f0f0; width: 100px; height: 50px; background-position: 50%; background-size: cover; border-radius: 4px; } /* 2行目に、総合ではドメイン(domain), サイト内一覧ではカテゴリと時刻(meta), マウスホバー時はいずれも概要文(description) */ body[data-entrylist-layout="headline"] #container .entrylist-contents-domain, body[data-entrylist-layout="headline"] #container .entrylist-contents-meta, body[data-entrylist-layout="headline"] #container .entrylist-contents-description{ grid-area: domain; display: block; opacity: 0; padding: 0 !important; } body[data-entrylist-layout="headline"] #container .entrylist-contents-meta > li{ vertical-align: top; } html[data-stable-request-url^="https://b.hatena.ne.jp/entrylist/"] body[data-entrylist-layout="headline"] #container .entrylist-contents-domain, html[data-stable-request-url^="https://b.hatena.ne.jp/site/"] body[data-entrylist-layout="headline"] #container .entrylist-contents-meta{ opacity: 1; } body[data-entrylist-layout="headline"] #container .entrylist-contents:hover .entrylist-contents-domain img.favicon + span, body[data-entrylist-layout="headline"] #container .entrylist-contents:hover .entrylist-contents-meta{ opacity: 0; } body[data-entrylist-layout="headline"] #container .entrylist-contents-description{ opacity: 0; position: absolute; top: calc(40px - 3px); left: calc(180px + 16px + .5em); height: 20px; line-height: 20px; color: #999; min-height: auto !important; padding-right: 0 !important; width: 890px; white-space: nowrap; overflow: hidden; text-overflow: ellipsis; } html[data-stable-request-url^="https://b.hatena.ne.jp/site/"] body[data-entrylist-layout="headline"] #container .entrylist-contents:hover .entrylist-contents-domain, body[data-entrylist-layout="headline"] #container .entrylist-contents:hover .entrylist-contents-description{ opacity: 1; } /* 増田調整 */ body[data-entrylist-layout="headline"] #container a[href^="/entry/s/anond.hatelabo.jp/"] .entrylist-contents-thumb{ background-image: url('https://cdn-ak-scissors.b.st-hatena.com/image/square/b1638cdb5807a4788e4ba3c1109a984166e095fc/height=288;version=1;width=512/https%3A%2F%2Fanond.hatelabo.jp%2Fimages%2Fog-image-1500.gif'); } /* マウスホバー時にサムネも反応させる見た目調整 */ .entrylist-contents-title:hover ~ .entrylist-contents-body .entrylist-contents-thumb{ opacity: .90; }
節分なので聞きたいんだけど
ブルアカ
https://pbs.twimg.com/media/Es3iE3pU0AMJoz7.jpg
https://cdn.wiki.famitsu.com/files/attachment/000/057/660/full_upload.png
https://arcade.fate-go.jp/news/assets/servant/introduce-SyutendoujiAssassin.png
まだまだいるけど最近の鬼キャラ、みんなツノが肌の延長みたいに境目があいまいで長くて大体グラデーションがかかってる
（なんか柔らかそう）
https://uy-allstars.com/_assets/images/pages/char/detail/lum@pc.png
鬼滅
https://image.api.playstation.com/vulcan/ap/rnd/202207/1903/k2udQT8WuNggEgsdx1s4cKsd.png
みたいに頭（髪）から小さく生えていたり額との境目がハッキリしてたはず
いつからこうなった？
【追記】
節分も終わり間近だったのに沢山反応もらえて勉強になった（動物の話とか…）
https://dic.pixiv.net/a/%E8%82%8C%E8%A7%92
原神にもいた
https://cdn-ak.f.st-hatena.com/images/fotolife/j/jyankman/20200509/20200509041238.jpg
アズールレーンにもいた
ttps://pbs.twimg.com/media/EMsssN6U0AULmj0.jpg
過去にも部分的に一致する例はあるけど「額から生えて・境目がはっきりなくて・長くて・グラデーション」のトレンドはそこから？
艦これの港湾棲姫というのも一本角だけど世に出たのは早いみたい（2014年らしい）
ttps://cdn.wikiwiki.jp/to/w/kancolle/%E6%B8%AF%E6%B9%BE%E6%A3%B2%E5%A7%AB/::ref/Harbour_Princess_Full-min.png
ソシャゲの美少女キャラで見栄えと女性らしさの表現で広まったんだろうか？
VTuberでホロライブだけじゃなくにじさんじにもいたのは面白い
ttps://i.ytimg.com/vi/6johakbBK0U/maxresdefault.jpg
【追記2】
なん…だと…？
https://b.hatena.ne.jp/site/anond.hatelabo.jp
で動くスクリプトでたとえば投稿後10分以内にブクマされページに乗ったら「1 user」が「1 user セルクマ 1とか5(何分後にブクマされたか)」になる。もしマイナスなら誤判定なので無視して。
時間を置いたセルクマには効かないし普通のファーストブクマカがどれぐらいの頻度で確認してるかしらないけど5分以内や1分以内もポロポロあるのでまあ目安に。
.forEach(div => {
('.entrylist-contents-title > a')
とかの
を
<>
に変えてね
他にも見落としあるかも
誤判定が減るから非公開ファーストブクマを判定できたらいいんだけどね。
// ==UserScript== // @name hatebu masuda selkmark // @namespace http://tampermonkey.net/ // @version 0.1 // @description 特定時間以内にブクマされた増田を強調する // @author You // @match https://b.hatena.ne.jp/site/anond.hatelabo.jp* // @grant none // ==/UserScript== (function() { 'use strict'; const threshold = 60 * 10 // 何秒以内か const domain = 'https://anond.hatelabo.jp/' const dateTemplate = '202301020304' // 時分まで urlの時刻表記 const dateTest = new RegExp('\\d{' + dateTemplate.length + '}') document.querySelectorAll('div.entrylist-contents').forEach(div => { const masuda = div.querySelector('.entrylist-contents-title > a') const dateStr = masuda.href.substring(domain.length + dateTemplate.length, domain.length) if (!dateTest.test(dateStr)) { // キーワードとか console.log('not diary', dateStr) return } // new Dateできるように変換 // https://amateur-engineer.com/javascript-date-yyyymmddhhmm/ const year = parseInt(dateStr.substring(0, 4)) const month = parseInt(dateStr.substring(4, 6)) const day = parseInt(dateStr.substring(6, 8)) const hour = parseInt(dateStr.substring(8, 10)) const min = parseInt(dateStr.substring(10, 12)) const date = new Date(year, month - 1, day, hour, min) const bukumaDate = new Date(div.querySelector('.entrylist-contents-date').textContent) // 2023/01/23 00:00 const diffSec = (bukumaDate - date) / 1000 // ms to sec if (diffSec > threshold) { return } // ブクマ数 user const user = div.querySelector('span.entrylist-contents-users a').lastChild user.textContent += ' セルクマ ' + (diffSec / 60) // 古い記事がマイナスになる でも2015年ぐらいの記事までかな？新着はセーフ臭い /* if(diffSec < 0) { user.textContent += ' 異常差分:' + diffSec } */ }) })();
