Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
第1回「はじめてのパターン認識」読書会2013/6/18 (火)Prunus1350
1.1 パターン認識とは「パターン認識」とは,
1.1 パターン認識とは「パターン認識」とは,「物事の類型を知るはたらき,およびその内容」
1.1 パターン認識とは「パターン認識」とは,「物事の類型を知るはたらき,およびその内容」ちょっとわかりづらい?
1.1 パターン認識とは「パターン認識」とは,
1.1 パターン認識とは「パターン認識」とは,「対象の特徴量から対象が属するカテゴリを推測する方法」を指す.『Rで学ぶデータサイエンス5 パターン認識』より
1.1 パターン認識とは識別対象具体例
1.1 パターン認識とは識別対象硬貨具体例
1.1 パターン認識とは識別対象特徴抽出硬貨具体例
1.1 パターン認識とは識別対象特徴抽出サイズ重さ透磁率穴の有無…硬貨具体例
1.1 パターン認識とは識別対象特徴抽出サイズ重さ透磁率穴の有無…硬貨識別の手がかりとなる「特徴量」具体例
1.1 パターン認識とは識別対象 特徴ベクトル特徴抽出サイズ重さ透磁率穴の有無…硬貨具体例
1.1 パターン認識とは識別対象 特徴ベクトル特徴抽出 識別規則サイズ重さ透磁率穴の有無…硬貨具体例
1.1 パターン認識とは識別対象 特徴ベクトル 識別クラス特徴抽出 識別規則サイズ重さ透磁率穴の有無…10円50円100円500円識別不能硬貨具体例
1.1 パターン認識とは識別対象 特徴ベクトル 識別クラス特徴抽出 識別規則硬貨識別対象は多岐に渡る電話音声顔画像テキストデータ…
1.1 パターン認識とは識別対象 特徴ベクトル 識別クラス特徴抽出 識別規則硬貨特徴ベクトルの形になってしまえば, 同じ識別規則が使える電話音声顔画像テキストデータ…特徴量1特徴量2特徴量3特徴量4…クラス1クラス2クラス3…識別不能
1.2 特徴の型観測された特徴
1.2 特徴の型観測された特徴• 定性的特徴(非数値データ)• 定量的特徴(数値データ)
1.2 特徴の型観測された特徴• 定性的特徴(非数値データ)• 名義尺度 (分類のための単なる名前) • 順序尺度 (順序関係を表す)• 定量的特徴(数値データ)
1.2 特徴の型観測された特徴• 定性的特徴(非数値データ)• 名義尺度 (分類のための単なる名前) • 順序尺度 (順序関係を表す)• 定量的特徴(数値データ)• 比例尺度 (原点が定まっており, 比率が意味を持つ)• 間隔尺度 (一定の単位...
例題 1.1次の特徴の型は何か.(1)試験の点数(2)成績表のA, B, C, D(3)偏差値(4)単語の出現頻度
例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D(3)偏差値(4)単語の出現頻度
例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D → 順序尺度(3)偏差値(4)単語の出現頻度
例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D → 順序尺度(3)偏差値 → 間隔尺度(4)単語の出現頻度
例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D → 順序尺度(3)偏差値 → 間隔尺度(4)単語の出現頻度 → 比例尺度
1.2 特徴の型定性的な特徴を計算機上で扱うために符号化を行う.
1.2 特徴の型定性的な特徴を計算機上で扱うために符号化を行う.例1) 2クラス男性:0, 女性:1
1.2 特徴の型定性的な特徴を計算機上で扱うために符号化を行う.例1) 2クラス男性:0, 女性:1例2) 多クラス(5つのクラスラベルでクラス2を表現)t = (0, 1, 0, 0, 0)T
1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.x1x26570(例) 特徴数2の特徴ベクトルx = (65, 70)T
1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)
1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)• 28 28=784個の画素値• 各画素が256階調のグレースケール
1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)• 28 28=784個の画素値• 各画素が256階調のグレースケール→ 784次元のベクトル空間の各軸が...
1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)• 28 28=784個の画素値• 各画素が256階調のグレースケール→ 784次元のベクトル空間の各軸が...
1.3 特徴ベクトル空間と次元の呪い適応制御において未知の複雑な関数を学習するために必要なデータが, 次元の増加と共に指数関数的に増加することを「次元の呪い」という.
例題 1.2d次元超立方体の面(ファセットという)の数は2d個であることを示せ.
例題 1.2d次元超立方体の面(ファセットという)の数は2d個であることを示せ.A. d次元超立方体は, 各軸の直交する二つのd-1次元超平面で構成されるので, 面は全部で2d個ある.
章末問題 1.1あなたの利き手でない方の人差し指と中指の指紋を区別したい, どのような特徴をとればよいか観察せよ.
章末問題 1.2辺の長さが  の  次元超立方体について, 以下の問いに答えよ.da
章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.d 2d
章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 0次元の場合d頂点の数:2d20= 1
章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 0次元 → 1次元新しい軸  を考えるOx1d 2dx1
章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 0次元 → 1次元  の正負の方向   の位置に頂点を移すO12a12ax1d 2dx1 ±12a
章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 1次元の場合O12a12ax1d 2d頂点の数: 21= 2
章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 1次元 → 2次元軸  に直交する軸  を考えるO12a12ax1x2d 2dx1 x2
章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 1次元 → 2次元O12a12a12a12ax1x2d 2d  の正負の方向   の位置に頂点を移す±12ax2
(1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元の場合章末問題 1.2O12a12a12a12ax1x2d 2d頂点の数: 22= 4
(1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元 → 3次元章末問題 1.23次元空間を考えるx1x2d 2d
(1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元 → 3次元章末問題 1.2x1x2d 2dx3軸    に直交する軸  を考えるx1, x2x3
(1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元 → 3次元章末問題 1.2x1x2x3d 2d  の正負の方向   の位置に頂点を移す±12ax3
(1) 次元超立方体の頂点の数は  個であることを示せ.• 3次元の場合章末問題 1.2x1x2x3d 2d頂点の数: 23= 8
(1) 次元超立方体の頂点の数は  個であることを示せ.• 3次元 → 4次元章末問題 1.2軸     に直交する軸  を考えるx1x2x3d 2d?x1, x2, x3x4
(1) 次元超立方体の頂点の数は  個であることを示せ.• 3次元 → 4次元章末問題 1.2x1x2x3d 2d?  の正負の方向   の位置に頂点を移す±12ax4
(1) 次元超立方体の頂点の数は  個であることを示せ.• 4次元の場合章末問題 1.2x1x2x3d 2d?頂点の数: 24= 16
(1) 次元超立方体の頂点の数は  個であることを示せ.• 同様にして, 次元が増えるごとに超立方体の頂点の数は2倍になるので  次元超立方体の頂点の数は  個である.章末問題 1.2d 2dd2d
(2) 次元超立方体の表面積を求めよ.章末問題 1.2d
(2) 次元超立方体の表面積を求めよ.• 1辺の長さが  の   次元超平面の表面積は   と表される.章末問題 1.2da d 1ad 1
(2) 次元超立方体の表面積を求めよ.• 1辺の長さが  の   次元超平面の表面積は   と表される.例題1.2より, これが  個あるので,章末問題 1.2da d 1ad 12dad 1⇤ 2d = 2dad 1
(3)超立方体を構成する  次元超平面の個数がで表されることを, 3次元立方体で確かめよ.章末問題 1.2m(0  m  d 1)2d m✓dm◆
(3)超立方体を構成する超平面の個数• 0次元(頂点)章末問題 1.223 0✓30◆= 23⇤ 1= 8x1x2x3
(3)超立方体を構成する超平面の個数• 1次元(辺)章末問題 1.223 1✓31◆= 22⇤ 3= 12x1x2x3
(3)超立方体を構成する超平面の個数• 2次元(面)章末問題 1.223 2✓32◆= 21⇤ 3= 6x1x2x3
(4)超立方体を構成する  次元超平面の総数を求めよ.章末問題 1.2m
(4)超立方体を構成する  次元超平面の総数を求めよ.•   次元超平面の個数はと表されるので,章末問題 1.2m2d m✓dm◆m
(4)超立方体を構成する  次元超平面の総数を求めよ.•   次元超平面の個数はと表されるので, それを0次元から   次元まで合計すればよい.章末問題 1.2m2d m✓dm◆md 1
(4)超立方体を構成する  次元超平面の総数を求めよ.•   次元超平面の個数はと表されるので, それを0次元から   次元まで合計すればよい.よって章末問題 1.2m2d m✓dm◆md 1d 1Xm=02d m✓dm◆
(5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.2
(5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆
(5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆
(5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆= ...
(5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆= ...
(5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆= ...
ご清聴ありがとうございました。
Upcoming SlideShare
Loading in …5
×

はじめてのパターン認識 第1章

16,554 views

Published on

第1回「はじめてのパターン認識」読書会
第1章「はじめに」

Published in: Education
  • Be the first to comment

はじめてのパターン認識 第1章

  1. 1. 第1回「はじめてのパターン認識」読書会2013/6/18 (火)Prunus1350
  2. 2. 1.1 パターン認識とは「パターン認識」とは,
  3. 3. 1.1 パターン認識とは「パターン認識」とは,「物事の類型を知るはたらき,およびその内容」
  4. 4. 1.1 パターン認識とは「パターン認識」とは,「物事の類型を知るはたらき,およびその内容」ちょっとわかりづらい?
  5. 5. 1.1 パターン認識とは「パターン認識」とは,
  6. 6. 1.1 パターン認識とは「パターン認識」とは,「対象の特徴量から対象が属するカテゴリを推測する方法」を指す.『Rで学ぶデータサイエンス5 パターン認識』より
  7. 7. 1.1 パターン認識とは識別対象具体例
  8. 8. 1.1 パターン認識とは識別対象硬貨具体例
  9. 9. 1.1 パターン認識とは識別対象特徴抽出硬貨具体例
  10. 10. 1.1 パターン認識とは識別対象特徴抽出サイズ重さ透磁率穴の有無…硬貨具体例
  11. 11. 1.1 パターン認識とは識別対象特徴抽出サイズ重さ透磁率穴の有無…硬貨識別の手がかりとなる「特徴量」具体例
  12. 12. 1.1 パターン認識とは識別対象 特徴ベクトル特徴抽出サイズ重さ透磁率穴の有無…硬貨具体例
  13. 13. 1.1 パターン認識とは識別対象 特徴ベクトル特徴抽出 識別規則サイズ重さ透磁率穴の有無…硬貨具体例
  14. 14. 1.1 パターン認識とは識別対象 特徴ベクトル 識別クラス特徴抽出 識別規則サイズ重さ透磁率穴の有無…10円50円100円500円識別不能硬貨具体例
  15. 15. 1.1 パターン認識とは識別対象 特徴ベクトル 識別クラス特徴抽出 識別規則硬貨識別対象は多岐に渡る電話音声顔画像テキストデータ…
  16. 16. 1.1 パターン認識とは識別対象 特徴ベクトル 識別クラス特徴抽出 識別規則硬貨特徴ベクトルの形になってしまえば, 同じ識別規則が使える電話音声顔画像テキストデータ…特徴量1特徴量2特徴量3特徴量4…クラス1クラス2クラス3…識別不能
  17. 17. 1.2 特徴の型観測された特徴
  18. 18. 1.2 特徴の型観測された特徴• 定性的特徴(非数値データ)• 定量的特徴(数値データ)
  19. 19. 1.2 特徴の型観測された特徴• 定性的特徴(非数値データ)• 名義尺度 (分類のための単なる名前) • 順序尺度 (順序関係を表す)• 定量的特徴(数値データ)
  20. 20. 1.2 特徴の型観測された特徴• 定性的特徴(非数値データ)• 名義尺度 (分類のための単なる名前) • 順序尺度 (順序関係を表す)• 定量的特徴(数値データ)• 比例尺度 (原点が定まっており, 比率が意味を持つ)• 間隔尺度 (一定の単位で量られた量, 量間の比が意味を持たない)
  21. 21. 例題 1.1次の特徴の型は何か.(1)試験の点数(2)成績表のA, B, C, D(3)偏差値(4)単語の出現頻度
  22. 22. 例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D(3)偏差値(4)単語の出現頻度
  23. 23. 例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D → 順序尺度(3)偏差値(4)単語の出現頻度
  24. 24. 例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D → 順序尺度(3)偏差値 → 間隔尺度(4)単語の出現頻度
  25. 25. 例題 1.1次の特徴の型は何か.(1)試験の点数 → 間隔尺度(2)成績表のA, B, C, D → 順序尺度(3)偏差値 → 間隔尺度(4)単語の出現頻度 → 比例尺度
  26. 26. 1.2 特徴の型定性的な特徴を計算機上で扱うために符号化を行う.
  27. 27. 1.2 特徴の型定性的な特徴を計算機上で扱うために符号化を行う.例1) 2クラス男性:0, 女性:1
  28. 28. 1.2 特徴の型定性的な特徴を計算機上で扱うために符号化を行う.例1) 2クラス男性:0, 女性:1例2) 多クラス(5つのクラスラベルでクラス2を表現)t = (0, 1, 0, 0, 0)T
  29. 29. 1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.x1x26570(例) 特徴数2の特徴ベクトルx = (65, 70)T
  30. 30. 1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)
  31. 31. 1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)• 28 28=784個の画素値• 各画素が256階調のグレースケール
  32. 32. 1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)• 28 28=784個の画素値• 各画素が256階調のグレースケール→ 784次元のベクトル空間の各軸が256個の区画を持っている.
  33. 33. 1.3 特徴ベクトル空間と次元の呪い• 特徴数がd個あれば, 特徴ベクトルはd次元線形空間を張る.(例) 手書き文字認識 (kaggle)• 28 28=784個の画素値• 各画素が256階調のグレースケール→ 784次元のベクトル空間の各軸が256個の区画を持っている.区画の数は全体で 256784
  34. 34. 1.3 特徴ベクトル空間と次元の呪い適応制御において未知の複雑な関数を学習するために必要なデータが, 次元の増加と共に指数関数的に増加することを「次元の呪い」という.
  35. 35. 例題 1.2d次元超立方体の面(ファセットという)の数は2d個であることを示せ.
  36. 36. 例題 1.2d次元超立方体の面(ファセットという)の数は2d個であることを示せ.A. d次元超立方体は, 各軸の直交する二つのd-1次元超平面で構成されるので, 面は全部で2d個ある.
  37. 37. 章末問題 1.1あなたの利き手でない方の人差し指と中指の指紋を区別したい, どのような特徴をとればよいか観察せよ.
  38. 38. 章末問題 1.2辺の長さが  の  次元超立方体について, 以下の問いに答えよ.da
  39. 39. 章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.d 2d
  40. 40. 章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 0次元の場合d頂点の数:2d20= 1
  41. 41. 章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 0次元 → 1次元新しい軸  を考えるOx1d 2dx1
  42. 42. 章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 0次元 → 1次元  の正負の方向   の位置に頂点を移すO12a12ax1d 2dx1 ±12a
  43. 43. 章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 1次元の場合O12a12ax1d 2d頂点の数: 21= 2
  44. 44. 章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 1次元 → 2次元軸  に直交する軸  を考えるO12a12ax1x2d 2dx1 x2
  45. 45. 章末問題 1.2(1) 次元超立方体の頂点の数は  個であることを示せ.• 1次元 → 2次元O12a12a12a12ax1x2d 2d  の正負の方向   の位置に頂点を移す±12ax2
  46. 46. (1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元の場合章末問題 1.2O12a12a12a12ax1x2d 2d頂点の数: 22= 4
  47. 47. (1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元 → 3次元章末問題 1.23次元空間を考えるx1x2d 2d
  48. 48. (1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元 → 3次元章末問題 1.2x1x2d 2dx3軸    に直交する軸  を考えるx1, x2x3
  49. 49. (1) 次元超立方体の頂点の数は  個であることを示せ.• 2次元 → 3次元章末問題 1.2x1x2x3d 2d  の正負の方向   の位置に頂点を移す±12ax3
  50. 50. (1) 次元超立方体の頂点の数は  個であることを示せ.• 3次元の場合章末問題 1.2x1x2x3d 2d頂点の数: 23= 8
  51. 51. (1) 次元超立方体の頂点の数は  個であることを示せ.• 3次元 → 4次元章末問題 1.2軸     に直交する軸  を考えるx1x2x3d 2d?x1, x2, x3x4
  52. 52. (1) 次元超立方体の頂点の数は  個であることを示せ.• 3次元 → 4次元章末問題 1.2x1x2x3d 2d?  の正負の方向   の位置に頂点を移す±12ax4
  53. 53. (1) 次元超立方体の頂点の数は  個であることを示せ.• 4次元の場合章末問題 1.2x1x2x3d 2d?頂点の数: 24= 16
  54. 54. (1) 次元超立方体の頂点の数は  個であることを示せ.• 同様にして, 次元が増えるごとに超立方体の頂点の数は2倍になるので  次元超立方体の頂点の数は  個である.章末問題 1.2d 2dd2d
  55. 55. (2) 次元超立方体の表面積を求めよ.章末問題 1.2d
  56. 56. (2) 次元超立方体の表面積を求めよ.• 1辺の長さが  の   次元超平面の表面積は   と表される.章末問題 1.2da d 1ad 1
  57. 57. (2) 次元超立方体の表面積を求めよ.• 1辺の長さが  の   次元超平面の表面積は   と表される.例題1.2より, これが  個あるので,章末問題 1.2da d 1ad 12dad 1⇤ 2d = 2dad 1
  58. 58. (3)超立方体を構成する  次元超平面の個数がで表されることを, 3次元立方体で確かめよ.章末問題 1.2m(0  m  d 1)2d m✓dm◆
  59. 59. (3)超立方体を構成する超平面の個数• 0次元(頂点)章末問題 1.223 0✓30◆= 23⇤ 1= 8x1x2x3
  60. 60. (3)超立方体を構成する超平面の個数• 1次元(辺)章末問題 1.223 1✓31◆= 22⇤ 3= 12x1x2x3
  61. 61. (3)超立方体を構成する超平面の個数• 2次元(面)章末問題 1.223 2✓32◆= 21⇤ 3= 6x1x2x3
  62. 62. (4)超立方体を構成する  次元超平面の総数を求めよ.章末問題 1.2m
  63. 63. (4)超立方体を構成する  次元超平面の総数を求めよ.•   次元超平面の個数はと表されるので,章末問題 1.2m2d m✓dm◆m
  64. 64. (4)超立方体を構成する  次元超平面の総数を求めよ.•   次元超平面の個数はと表されるので, それを0次元から   次元まで合計すればよい.章末問題 1.2m2d m✓dm◆md 1
  65. 65. (4)超立方体を構成する  次元超平面の総数を求めよ.•   次元超平面の個数はと表されるので, それを0次元から   次元まで合計すればよい.よって章末問題 1.2m2d m✓dm◆md 1d 1Xm=02d m✓dm◆
  66. 66. (5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.2
  67. 67. (5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆
  68. 68. (5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆
  69. 69. (5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
  70. 70. (5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5= 32 + 80 + 80 + 40 + 10
  71. 71. (5)その式から, 5次元超立方体を構成する超平面の総数を求めよ.章末問題 1.25 1Xm=025 m✓5m◆=4Xm=025 m✓5m◆= 25 0✓50◆+ 25 1✓51◆+ 25 2✓52◆+ 25 3✓53◆+ 25 4✓54◆= 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5= 32 + 80 + 80 + 40 + 10= 242
  72. 72. ご清聴ありがとうございました。

×