注意 深層学習じゃありません． はじめに 私はPではないので知りませんでしたが，今日は「アイドルマスターシンデレラガールズ」の城ヶ崎美嘉（CV:佳村はるか）の誕生日です．twitter.com おめでとうございます！ ちなみに佳村はるかさんといえば「SHIROBAKO」の安原絵麻を演じていたのが記憶に新しいです*1． ちょうどよい機会なので，先日 Amazon.co.jp： 深層学習 (機械学習プロフェッショナルシリーズ): 岡谷 貴之: 本 の4章誤差逆伝播法を読んで実装した多層パーセプトロンを試しましょう． 数式については鴨川ηをご覧ください． 今回のタスクは以下のとおり セリフが城ヶ崎美嘉か城ヶ崎美嘉じゃないかを判別したい 本題 タスク自体はシンプルです*2． データ 肝心のセリフデータですが，Wikiのまとめにあったセリフをスクレイピングして使っています．1.5時間位でデータを作り
2016年3月30日 東北大学から下記論文に関するプレスリリースを発表： 田中重人 (2016)「「妊娠・出産に関する正しい知識」が意味するもの: プロパガンダのための科学?」『生活経済政策』230: 13-18. http://tsigeto.info/16a 以下、内容について解題。最初にポイントをならべておくと、つぎのとおり： 「妊娠のしやすさ」グラフの原典は早婚女性限定の「受胎確率」の変化を推定したもので、結婚からの時間経過による性行動変化と加齢の効果を混同している 論文出版の翌年（1979年）にすでに批判があり、それへの反論はおこなわれていない 「22歳ピーク」は原典のグラフにはなかったものであり、その後（1989年以降）のグラフ操作で作られた 副教材公表当初の改竄グラフは吉村泰典内閣官房参与が作成したもの 訂正後も、原典を不正確に写した別論文からの曾孫引きで不正確 問題の所在
２ちゃんで昨年に引き続き、2015年の深夜アニメの声優出演数を一話ごとにカウントした人が今年も登場。こちらの情報を元に、事務所別の出演数シェアグラフを作成しました。 集計元の条件は、22時以降に放送されたアニメ限定で再放送とショートアニメは含めない、毎週1度は声を聞けるライン52回出演から掲載となっています。 ※注意点として、出演51回以下の声優さんのデータは一切カウントされていません。 引用元: http://viper.2ch.sc/test/read.cgi/news4vip/1452426217/ 図1 スレからデータを書き起こして、プロダクション別のシェアとして集計しました。注意点として沢城みゆきさんは2015年8月にマウスプロから青二に移籍しましたが、全てマウスとしてカウントしています。小野大輔さんも移籍が2016年でしたので全てマウス分としてカウントしています。 図2 さらに
本文中の図表を.xls形式でダウンロードできます。（Excel:869KB） 本文中の統計表を.xls形式でダウンロードできます。（Excel:158KB） 本文中のPDFファイルのダウンロードはこちらから（PDF：807KB） PDFファイルを見るためには、Adobe Readerというソフトが必要です。 Adobe Readerは無料で配布されています。（次のアイコンをクリックしてください。） Get Adobe Reader 「不慮の事故死亡統計」は、毎年公表している人口動態統計をもとに、日本において発生した日本人の不慮の事故による死亡の動向について時系列分析や新たに多面的な分析を行い、人口動態統計特殊報告として取りまとめたものである。 なお、この「不慮の事故死亡統計」は、昭和59（1984）年度「不慮の事故及び有害作用死亡統計」に続いて今回で２回目である。
1983年に発売されたNintendo Entertainment System（NES、日本での商品名は「ファミリーコンピューター」、以下「ファミコン」）は安価なのに高性能だったため、大ヒット商品となりました。独自設計のピクチャー･プロセシング･ユニット（PPU）を使うことで、当時としては驚きの映像を生み出すことができました。そして、今でも特定の環境で視聴すればとてもきれいな映像が楽しめます。一番の業績はメモリの利用効率です。グラフィックスを最小限のバイト数で作成することに成功しました。それと同時にファミコンは、開発者に便利で使いやすいツールを提供しました。その点でも、それまでのテレビゲーム機とは一線を画した製品でした。ファミコンのグラフィックスの生成方式を理解すれば、システムの技術的な優れた能力のありがたみが分かるはずです。そして、現代のゲーム製作者が現在のマシンではどれだけ簡単に作業
はじめに 今回は自宅の室温予測システムを構築してみました。 前回はいろいろテキトーに書いてたので今回はかなりまじめに書いていきます。 イメージとしてはNHKのNextWorldで描かれてる世界 それをできるだけAzureを駆使して構築してみたいと思います。 システム構成図 システムの構成図はこんな感じ Arduinoで室温を計測 ↓ Azure Mobile Servicesに送信 ↓ SQL Azureデータベースに貯めこむ ↓ そのデータを使ってAzure MLであらかじめデータの傾向を学習しておく ↓ Mobile Service Schedulerで毎朝8時にAzure MLからその日の室温の予測値を取得してTweet ↓ Mobile Service Custom APIを使ってWindowsストアアプリに今日の室温予測値を表示 という感じでいきたいと思います。 データ計測部 I
こんばんは。夜の@oscillographです。 最近DMMアダルトがAPIを公開しました。 つまり、プログラムで直接データを取得できるようになったわけです。 ということで、今回はDMMアダルト（動画）の全タイトルを取得して 形態素解析を行うことによって日本のAVタイトルの特徴を分析しよう ということになりました。 手順としては、 DMM（ビデオ）のメーカーページを「あ」～「ん」までHTMLで取得 メーカーが特定タグに囲われていたので、正規表現パターンマッチで全メーカーを取得し、メーカー羅列をテキストに保存 テキストを読み込みながら各AVメーカーごとにapiを用いてAVタイトルを展開し、全メーカーのタイトルを取得 タイトルについて形態素解析を行うことによって単語を集計 正規化（全体の数で割ることによって割合で表す） という感じでやりました。 とりあえず、集計結果です。 上位３０位を抜き出し
【検証】フィットボクシング2とリングフィットアドベンチャーを100日ずつプレイしたら、身体はどのくらい変わる？
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