SlideShare a Scribd company logo
1 of 20
Download to read offline
1
Polar 符号および非対称通信路の
符号化について
東京大学 大学院新領域創成科学研究科
複雑理工学専攻
本多 淳也
数理助教の会 2015.3.30
2
発表の概要
• 情報理論と通信路符号化
• 分極現象と polar 符号
• 非対称通信路の可変長符号化
• 算術符号と homophonic coding
3
情報理論とは
• 情報伝送システムに対する効率の理論限界の導出
• 理論限界を達成する実用的な符号方式の構成
• 通信路符号化(=誤り訂正符号)
(有線・無線通信, CD・DVD読み取り等)
• 情報源符号化(=データ圧縮)
• 無歪み圧縮 (テキストデータ等)
• 有歪み圧縮 (音声・動画データ等)
• ネットワーク符号化
⊢⊢⊢
4
通信路符号化
• ノイズを含む通信路を用いて情報を伝送
• 達成可能な符号化率 の上限: 通信路容量
≐≙≪≘∨≹≪≸∩∽≗∨≹≪≸∩
復号器符号器
≙≮∱≕≭∱ ≘≮∱ ≗通信路
≞≕≭∱
∨≘∱∻≘∲∻⊢⊢⊢ ∻≘≮∩
≒∽≭∽≮
≃∨≗∩∽≭≡≸≐≘
≉∨≘∻≙∩
∽≭≡≸≐≘
≘
≸∻≹
≐≘∨≸∩≗∨≹≪≸∩≬≯≧ ≗∨≹≪≸∩≐
≸∰ ≗∨≹≪≸∰∩≐≘∨≸∰∩
5
ランダム符号
• 通信路容量を達成するような入力分布 にしたがって
符号語 個の各シンボルを独立に生成
• 漸近的に通信路容量を達成,誤り率
• 復号には明らかに指数時間が必要
≘∨∱∩ ∽∨≘∨∱∩
∱ ∻≘∨∱∩
∲ ∻⊢⊢⊢ ∻≘∨∱∩≮ ∩
≘∨∲∩ ∽∨≘∨∲∩
∱ ∻≘∨∲∩
∲ ∻⊢⊢⊢ ∻≘∨∲∩≮ ∩
∮∮∮
≘∨∲≭∩ ∽∨≘∨∲≭∩
∱ ∻≘∨∲≭∩
∲ ∻⊢⊢⊢ ∻≘∨∲≭∩≮ ∩
∲≭ ∽∲≮≒
≐≘
≏∨≥⊡≮≅∨≒∩∩
6
線形符号
• 通信路が対称な場合:一様分布が最適
• ランダム符号のかわりに線形符号でも通信路容量を達成可能
行列,
• 線形符号の最尤復号も一般にはNP困難
• 多項式時間で指数関数的に小さい誤り確率を達成したい
0
1
0
1
≰
≰
∱⊡≰
∱⊡≰
≭∽≮⊼≃∨≗∩
≃ ∽≦≸≮∱ ∲≦∰∻∱≧≮ ∺≈≸≮∱ ∽∰≧
≈ ∺ ∨≮⊡≭∩⊣≮
7
発表の概要
• 情報理論と通信路符号化
• 分極現象と polar 符号
• 非対称通信路の可変長符号化
• 算術符号と homophonic coding
8
Polar 符号
• 通信路分極とよばれる現象を利用した符号
• 2元対称通信路に対して通信路容量を達成 (Arikan, 2008)
• 一般の通信路に対しても拡張可能
• 多元通信路 (Sasoglu et al., 2009, Mori-Tanaka, 2010)
• 非対称通信路 (Honda-Yamamoto, 2012)
• 無歪み圧縮や有歪み圧縮といった情報理論の他の問題にも
適用できる
• 動的計画法により符号長 に対して計算量 ,
誤り確率 を達成
• 多項式時間で指数誤りを達成する初の符号
≮ ≏∨≮≬≯≧≮∩
∲⊡≏∨≰≮∩
9
エントロピーの分極
• : 分布 に独立にしたがう確率変数
•
•
• エントロピーが大きいものと小さいものに分離
≘∱∻ ≘∲ ∲≦∰∻∱≧ ≐≘
∨≕∱∻≕∲∩∽∨≘∱ ⊩≘∲∻ ≘∲∩
∫ ≘∱
≘∲
≕∱
≕∲
≈∨≘∱∻≘∲∩∽≈∨≕∱∻≕∲∩
∽≈∨≕∱∩∫≈∨≕∲≪≕∱∩
≈∨∱∩
∱ ∾ ≈∨∱∩
∲
10
エントロピーの分極
• 同じ回路をコピー
• お互いの回路は交わっていないので
≘∱
≘∲
≘∳
≘∴
≕∱
≕∲
≕∳
≕∴
∫
∫
≈∨≕∱∩∽≈∨∱∩
∱ ∽≈∨≕∲≪≕∱∩∻
≈∨≕∳≪≕∲∱∩∽≈∨∱∩
∲ ∽≈∨≕∴≪≕∳∱∩
11
エントロピーの分極
• 同等なビット同士を結合
• 対称性が崩れて
• エントロピーの総和は結合前と同じ
≘∱
≘∲
≘∳
≘∴
≕∱
≕∲
≕∳
≕∴
∫
∫ ∫
∫
≈∨≕∱∩∾≈∨∱∩
∱ ∾≈∨≕∲≪≕∱∩∻
≈∨≕∳≪≕∲∱∩∾≈∨∱∩
∲ ∾≈∨≕∴≪≕∳∱∩
12
エントロピーの分極
• 以下 1,2 の操作を再帰的に繰り返す
1. 同じ回路を2個にコピーする
2. それぞれの回路で同等な位置のビットを
の回路で結合する
• エントロピーの和は結合前後で変わらない
• 結合後はエントロピーが大小に分離
• マルチンゲールの収束定理より,最終的に のうち
• 個
• 個
∫
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∱∺ ≮≈∨≘∩
≈∨≕≩≪≕≩⊡∱∱ ∩⊼ ∰∺ ≮∨∱⊡≈∨≘∩∩
≕≮∱ ∽≇≘≮∱
13
Polar 符号による固定長無歪み圧縮
• 偏りのある系列 を,かわりに で表現する
• : 凍結ビット
の情報は を見ればほぼ一意に定まる
• : 情報ビット
の情報は を見ても全く分からない(一様ランダム)
• 情報ビットの値だけを送信すれば受信者は 全体を復元可能
→ も復元可能
≘≮∱ ≕≮∱ ∽≇≘≮∱
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∰
≕≩ ≕≩⊡∱∱
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∱
≕≩ ≕≩⊡∱∱
≕≮∱
≘≮∱ ∽≇⊡∱≕≮∱ ∽≇≕≮∱
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮
14
Polar 符号による対称通信路符号化
• 一様分布にしがたう系列 を送信して を受信
• : 情報ビット
の情報は と を見ればほぼ一意に定まる
• : 凍結ビット
の情報は と を見ても全く分からない
• 凍結ビットの情報を事前に固定しておけば,受信者は情報ビットに
割り振られたメッセージを復元可能
≘≮∱
≕≩ ≕≩⊡∱∱
≕≩ ≕≩⊡∱∱
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮
≙≮∱
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼ ∰
≙≮∱
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼ ∱
≙≮∱
∮∮∮
≙∱
≙∲
≙∴
∮∮∮
≗
≗
≗
15
非対称通信路の場合
• 通信路容量を達成するためには通信路への入力系列 が
一様でない分布 に従っていなければならない
• 凍結ビットの値を固定すると線形符号になってしまうので
非一様な入力分布を構成できない
• 無歪み圧縮の逆向きの操作により非一様な系列を生成
すればよい
≘≮∱
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮ ∮∮∮
≙∱
≙∲
≙∴
∮∮∮
≗
≗
≗
≐≘
16
多段階の分極
• が一様でない場合には と
の両方について分極が生じる
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮ ∮∮∮
≙∱
≙∲
≙∴
∮∮∮
≗
≗
≗
bits bits
0 bits bits
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∰
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∱
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∰
≮∨∱⊡≈∨≘∩∩ ≮≃∨≗∩
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∱
≮≈∨≘≪≙∩
≘≮∱ ≈∨≕≩≪≕≩⊡∱∱ ∩ ≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩
17
多段階の分極
• が一様でない場合には と
の両方について分極が生じる
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮ ∮∮∮
≙∱
≙∲
≙∴
∮∮∮
≗
≗
≗
bits bits
0 bits bits
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∰
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∱
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∰
≮∨∱⊡≈∨≘∩∩ ≮≃∨≗∩
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∱
≮≈∨≘≪≙∩
≘≮∱ ≈∨≕≩≪≕≩⊡∱∱ ∩ ≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩
から一意に定める必要あり(メッセージ割り当て不可)≕≮∱
18
多段階の分極
• が一様でない場合には と
の両方について分極が生じる
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮ ∮∮∮
≙∱
≙∲
≙∴
∮∮∮
≗
≗
≗
bits bits
0 bits bits
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∰
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∱
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∰
≮∨∱⊡≈∨≘∩∩ ≮≃∨≗∩
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∱
≮≈∨≘≪≙∩
≘≮∱ ≈∨≕≩≪≕≩⊡∱∱ ∩ ≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩
を見ても復元できない≙≮∱
19
多段階の分極
• が一様でない場合には と
の両方について分極が生じる
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮ ∮∮∮
≙∱
≙∲
≙∴
∮∮∮
≗
≗
≗
bits bits
0 bits bits
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∰
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∱
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∰
≮∨∱⊡≈∨≘∩∩ ≮≃∨≗∩
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∱
≮≈∨≘≪≙∩
≘≮∱ ≈∨≕≩≪≕≩⊡∱∱ ∩ ≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩
一様分布にしたがうメッセージを割り当てておけば
を見て復元可能≙≮∱
20
多段階の分極
• が一様でない場合には と
の両方について分極が生じる
• それぞれのビットの値を適切に定めることで通信路容量を達成
(Honda & Yamamoto, 2012)
≇ ≘∲
≘∴
≕∱
≕∲
≕∴
≘∱
∮∮∮ ∮∮∮ ∮∮∮
≙∱
≙∲
≙∴
∮∮∮
≗
≗
≗
bits bits
0 bits bits
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∰
≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩⊼∱
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∰
≮∨∱⊡≈∨≘∩∩ ≮≃∨≗∩
≈∨≕≩≪≕≩⊡∱∱ ∩⊼∱
≮≈∨≘≪≙∩
≘≮∱ ≈∨≕≩≪≕≩⊡∱∱ ∩ ≈∨≕≩≪≕≩⊡∱∱ ∻≙≮∱ ∩

More Related Content

What's hot

ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心にウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心にRyosuke Tachibana
 
Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...
Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...
Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...ryuz88
 
数式を(ちょっとしか)使わずに隠れマルコフモデル
数式を(ちょっとしか)使わずに隠れマルコフモデル数式を(ちょっとしか)使わずに隠れマルコフモデル
数式を(ちょっとしか)使わずに隠れマルコフモデルYuya Takashina
 
CUDAプログラミング入門
CUDAプログラミング入門CUDAプログラミング入門
CUDAプログラミング入門NVIDIA Japan
 
ベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-oldベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-oldNaoki Hayashi
 
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...Preferred Networks
 
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)yukihiro domae
 
多目的遺伝的アルゴリズム
多目的遺伝的アルゴリズム多目的遺伝的アルゴリズム
多目的遺伝的アルゴリズムMatsuiRyo
 
Hokkaido.cap #osc11do Wiresharkを使いこなそう!
Hokkaido.cap #osc11do Wiresharkを使いこなそう!Hokkaido.cap #osc11do Wiresharkを使いこなそう!
Hokkaido.cap #osc11do Wiresharkを使いこなそう!Panda Yamaki
 
ウェーブレットと多重解像度処理
ウェーブレットと多重解像度処理ウェーブレットと多重解像度処理
ウェーブレットと多重解像度処理h_okkah
 
バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係Kento Tajiri
 
3GPP F1インターフェース(TS38.470-f50)の概要
3GPP F1インターフェース(TS38.470-f50)の概要3GPP F1インターフェース(TS38.470-f50)の概要
3GPP F1インターフェース(TS38.470-f50)の概要Tetsuya Hasegawa
 
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representationTakuya Minagawa
 
GPGPU Seminar (GPGPU and CUDA Fortran)
GPGPU Seminar (GPGPU and CUDA Fortran)GPGPU Seminar (GPGPU and CUDA Fortran)
GPGPU Seminar (GPGPU and CUDA Fortran)智啓 出川
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習Eiji Uchibe
 
【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)Deep Learning JP
 
2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介
2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介
2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介Hiroki Nakahara
 

What's hot (20)

ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心にウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
ウェーブレット変換の基礎と応用事例:連続ウェーブレット変換を中心に
 
Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...
Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...
Fast and Light-weight Binarized Neural Network Implemented in an FPGA using L...
 
数式を(ちょっとしか)使わずに隠れマルコフモデル
数式を(ちょっとしか)使わずに隠れマルコフモデル数式を(ちょっとしか)使わずに隠れマルコフモデル
数式を(ちょっとしか)使わずに隠れマルコフモデル
 
CUDAプログラミング入門
CUDAプログラミング入門CUDAプログラミング入門
CUDAプログラミング入門
 
ベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-oldベイズ統計学の概論的紹介-old
ベイズ統計学の概論的紹介-old
 
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...
PFN Summer Internship 2021 / Kohei Shinohara: Charge Transfer Modeling in Neu...
 
次元の呪い
次元の呪い次元の呪い
次元の呪い
 
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
 
多目的遺伝的アルゴリズム
多目的遺伝的アルゴリズム多目的遺伝的アルゴリズム
多目的遺伝的アルゴリズム
 
Hokkaido.cap #osc11do Wiresharkを使いこなそう!
Hokkaido.cap #osc11do Wiresharkを使いこなそう!Hokkaido.cap #osc11do Wiresharkを使いこなそう!
Hokkaido.cap #osc11do Wiresharkを使いこなそう!
 
強化学習1章
強化学習1章強化学習1章
強化学習1章
 
ウェーブレットと多重解像度処理
ウェーブレットと多重解像度処理ウェーブレットと多重解像度処理
ウェーブレットと多重解像度処理
 
バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係
 
3GPP F1インターフェース(TS38.470-f50)の概要
3GPP F1インターフェース(TS38.470-f50)の概要3GPP F1インターフェース(TS38.470-f50)の概要
3GPP F1インターフェース(TS38.470-f50)の概要
 
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
 
GPGPU Seminar (GPGPU and CUDA Fortran)
GPGPU Seminar (GPGPU and CUDA Fortran)GPGPU Seminar (GPGPU and CUDA Fortran)
GPGPU Seminar (GPGPU and CUDA Fortran)
 
PRML 第4章
PRML 第4章PRML 第4章
PRML 第4章
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
 
【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)
 
2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介
2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介
2値ディープニューラルネットワークと組込み機器への応用: 開発中のツール紹介
 

Recently uploaded

知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptxsn679259
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...Toru Tamaki
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。iPride Co., Ltd.
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。iPride Co., Ltd.
 
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルLoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルCRI Japan, Inc.
 
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイスCRI Japan, Inc.
 
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Hiroshi Tomioka
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Gamesatsushi061452
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video UnderstandingToru Tamaki
 
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。iPride Co., Ltd.
 
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native IntegrationsUtilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native IntegrationsWSO2
 

Recently uploaded (11)

知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
 
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルLoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
 
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
 
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
 
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
 
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native IntegrationsUtilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
 

Polar符号および非対称通信路の符号化について