Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
Submit search
EN
Uploaded by
Prunus 1350
PDF, PPTX
20,729 views
はじめてのパターン認識 第1章
第1回「はじめてのパターン認識」読書会 第1章「はじめに」
Education
◦
Read more
49
Save
Share
Embed
Embed presentation
Download
Download as PDF, PPTX
1
/ 72
2
/ 72
3
/ 72
4
/ 72
5
/ 72
6
/ 72
7
/ 72
8
/ 72
9
/ 72
10
/ 72
11
/ 72
12
/ 72
Most read
13
/ 72
14
/ 72
15
/ 72
16
/ 72
17
/ 72
18
/ 72
19
/ 72
Most read
20
/ 72
21
/ 72
22
/ 72
23
/ 72
24
/ 72
25
/ 72
26
/ 72
27
/ 72
28
/ 72
29
/ 72
30
/ 72
31
/ 72
32
/ 72
33
/ 72
Most read
34
/ 72
35
/ 72
36
/ 72
37
/ 72
38
/ 72
39
/ 72
40
/ 72
41
/ 72
42
/ 72
43
/ 72
44
/ 72
45
/ 72
46
/ 72
47
/ 72
48
/ 72
49
/ 72
50
/ 72
51
/ 72
52
/ 72
53
/ 72
54
/ 72
55
/ 72
56
/ 72
57
/ 72
58
/ 72
59
/ 72
60
/ 72
61
/ 72
62
/ 72
63
/ 72
64
/ 72
65
/ 72
66
/ 72
67
/ 72
68
/ 72
69
/ 72
70
/ 72
71
/ 72
72
/ 72
More Related Content
PPTX
Prml 1.3~1.6 ver3
by
Toshihiko Iio
PDF
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
by
Motoya Wakiyama
PDF
潜在ディリクレ配分法
by
y-uti
PDF
はじパタ6章前半
by
T T
PPTX
劣モジュラ最適化と機械学習1章
by
Hakky St
PDF
異常検知と変化検知 9章 部分空間法による変化点検知
by
hagino 3000
PPTX
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
by
Yoshitake Takebayashi
PPTX
変分ベイズ法の説明
by
Haruka Ozaki
Prml 1.3~1.6 ver3
by
Toshihiko Iio
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
by
Motoya Wakiyama
潜在ディリクレ配分法
by
y-uti
はじパタ6章前半
by
T T
劣モジュラ最適化と機械学習1章
by
Hakky St
異常検知と変化検知 9章 部分空間法による変化点検知
by
hagino 3000
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
by
Yoshitake Takebayashi
変分ベイズ法の説明
by
Haruka Ozaki
What's hot
DOCX
マハラノビス距離とユークリッド距離の違い
by
wada, kazumi
PDF
20130716 はじパタ3章前半 ベイズの識別規則
by
koba cky
PDF
関数データ解析の概要とその方法
by
Hidetoshi Matsui
PDF
はじめてのパターン認識輪読会 10章後半
by
koba cky
PDF
比例ハザードモデルはとってもtricky!
by
takehikoihayashi
PPTX
15分でわかる(範囲の)ベイズ統計学
by
Ken'ichi Matsui
PDF
統計的因果推論への招待 -因果構造探索を中心に-
by
Shiga University, RIKEN
PDF
はじめてのパターン認識8章サポートベクトルマシン
by
NobuyukiTakayasu
PDF
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
by
Deep Learning Lab(ディープラーニング・ラボ)
PDF
はじパタ2章
by
tetsuro ito
PPTX
深層学習の非常に簡単な説明
by
Seiichi Uchida
PPTX
【解説】 一般逆行列
by
Kenjiro Sugimoto
PPTX
ベイズ統計学の概論的紹介
by
Naoki Hayashi
PDF
第8章 ガウス過程回帰による異常検知
by
Chika Inoshita
PDF
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
by
Hiroshi Nakagawa
PDF
PRML上巻勉強会 at 東京大学 資料 第1章後半
by
Ohsawa Goodfellow
PDF
第5章混合分布モデルによる逐次更新型異常検知
by
Tetsuma Tada
PPTX
Prml 最尤推定からベイズ曲線フィッティング
by
takutori
PPTX
Curriculum Learning (関東CV勉強会)
by
Yoshitaka Ushiku
PPTX
PRML読み会第一章
by
Takushi Miki
マハラノビス距離とユークリッド距離の違い
by
wada, kazumi
20130716 はじパタ3章前半 ベイズの識別規則
by
koba cky
関数データ解析の概要とその方法
by
Hidetoshi Matsui
はじめてのパターン認識輪読会 10章後半
by
koba cky
比例ハザードモデルはとってもtricky!
by
takehikoihayashi
15分でわかる(範囲の)ベイズ統計学
by
Ken'ichi Matsui
統計的因果推論への招待 -因果構造探索を中心に-
by
Shiga University, RIKEN
はじめてのパターン認識8章サポートベクトルマシン
by
NobuyukiTakayasu
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
by
Deep Learning Lab(ディープラーニング・ラボ)
はじパタ2章
by
tetsuro ito
深層学習の非常に簡単な説明
by
Seiichi Uchida
【解説】 一般逆行列
by
Kenjiro Sugimoto
ベイズ統計学の概論的紹介
by
Naoki Hayashi
第8章 ガウス過程回帰による異常検知
by
Chika Inoshita
クラシックな機械学習の入門 6. 最適化と学習アルゴリズム
by
Hiroshi Nakagawa
PRML上巻勉強会 at 東京大学 資料 第1章後半
by
Ohsawa Goodfellow
第5章混合分布モデルによる逐次更新型異常検知
by
Tetsuma Tada
Prml 最尤推定からベイズ曲線フィッティング
by
takutori
Curriculum Learning (関東CV勉強会)
by
Yoshitaka Ushiku
PRML読み会第一章
by
Takushi Miki
Similar to はじめてのパターン認識 第1章
PDF
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
by
Ken'ichi Matsui
PDF
幾何を使った統計のはなし
by
Toru Imai
PDF
楕円曲線入門トーラスと楕円曲線のつながり
by
MITSUNARI Shigeo
PDF
わかりやすいパターン認識 4章
by
Motokawa Tetsuya
PDF
わかパタ 1章
by
weda654
PDF
Datamining 8th Hclustering
by
sesejun
PDF
とぽろじー入門(画像なし版)
by
Katsuya Ito
PDF
導来代数幾何入門
by
Naoya Umezaki
PDF
外積代数で読み解く平行体 ~究極の関係式を追い求めて~
by
SoshunNaito
PDF
PRML輪講用資料10章(パターン認識と機械学習,近似推論法)
by
Toshiyuki Shimono
PDF
Applied mathematics 1
by
A Y
PDF
Datamining 5th knn
by
sesejun
PDF
Datamining 5th Knn
by
sesejun
PDF
kosenconf_Tsukuba_sciences_slide
by
Shigeki Nakamura
PDF
はじめてのパターン認識読書会#01 第1章 ~ 2.1
by
Yasunori Endo
PPTX
mathemaical_notation
by
Kenta Oono
PDF
第9回スキル養成講座講義資料
by
keiodig
PDF
Linera lgebra
by
Shin Asakawa
PDF
Prml 4.1.2
by
Satoshi Kawamoto
PDF
第3回集合知プログラミング勉強会 #TokyoCI グループを見つけ出す
by
Atsushi KOMIYA
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
by
Ken'ichi Matsui
幾何を使った統計のはなし
by
Toru Imai
楕円曲線入門トーラスと楕円曲線のつながり
by
MITSUNARI Shigeo
わかりやすいパターン認識 4章
by
Motokawa Tetsuya
わかパタ 1章
by
weda654
Datamining 8th Hclustering
by
sesejun
とぽろじー入門(画像なし版)
by
Katsuya Ito
導来代数幾何入門
by
Naoya Umezaki
外積代数で読み解く平行体 ~究極の関係式を追い求めて~
by
SoshunNaito
PRML輪講用資料10章(パターン認識と機械学習,近似推論法)
by
Toshiyuki Shimono
Applied mathematics 1
by
A Y
Datamining 5th knn
by
sesejun
Datamining 5th Knn
by
sesejun
kosenconf_Tsukuba_sciences_slide
by
Shigeki Nakamura
はじめてのパターン認識読書会#01 第1章 ~ 2.1
by
Yasunori Endo
mathemaical_notation
by
Kenta Oono
第9回スキル養成講座講義資料
by
keiodig
Linera lgebra
by
Shin Asakawa
Prml 4.1.2
by
Satoshi Kawamoto
第3回集合知プログラミング勉強会 #TokyoCI グループを見つけ出す
by
Atsushi KOMIYA
More from Prunus 1350
PDF
はじめてのパターン認識 第6章 後半
by
Prunus 1350
PDF
パターン認識と機械学習 §6.2 カーネル関数の構成
by
Prunus 1350
PDF
はじめてのパターン認識 第9章 9.5-9.6
by
Prunus 1350
PDF
統計的学習の基礎 第2章後半
by
Prunus 1350
PDF
はじめてのパターン認識 第11章 11.1-11.2
by
Prunus 1350
PDF
Rで学ぶデータマイニングI 第8章〜第13章
by
Prunus 1350
PDF
TokyoR 第36回LT Rで部分空間法
by
Prunus 1350
KEY
第5章 統計的仮説検定 (Rによるやさしい統計学)
by
Prunus 1350
PDF
パターン認識と機械学習 §8.3.4 有向グラフとの関係
by
Prunus 1350
KEY
集合知プログラミング 第4章 4.7
by
Prunus 1350
PDF
SAS University EditionでもJupyter Notebookが使えるようになった話
by
Prunus 1350
KEY
スティーヴ・ライヒを聴こう
by
Prunus 1350
はじめてのパターン認識 第6章 後半
by
Prunus 1350
パターン認識と機械学習 §6.2 カーネル関数の構成
by
Prunus 1350
はじめてのパターン認識 第9章 9.5-9.6
by
Prunus 1350
統計的学習の基礎 第2章後半
by
Prunus 1350
はじめてのパターン認識 第11章 11.1-11.2
by
Prunus 1350
Rで学ぶデータマイニングI 第8章〜第13章
by
Prunus 1350
TokyoR 第36回LT Rで部分空間法
by
Prunus 1350
第5章 統計的仮説検定 (Rによるやさしい統計学)
by
Prunus 1350
パターン認識と機械学習 §8.3.4 有向グラフとの関係
by
Prunus 1350
集合知プログラミング 第4章 4.7
by
Prunus 1350
SAS University EditionでもJupyter Notebookが使えるようになった話
by
Prunus 1350
スティーヴ・ライヒを聴こう
by
Prunus 1350
はじめてのパターン認識 第1章
1.
第1回 「はじめてのパターン認識」読書会 2013/6/18 (火) Prunus1350
2.
1.1 パターン認識とは 「パターン認識」とは,
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.
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.
1.1 パターン認識とは 「パターン認識」とは,
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.
1.1 パターン認識とは 識別対象 具体例
8.
1.1 パターン認識とは 識別対象 硬貨 具体例
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.
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.
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.
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.
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.
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.
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.
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.
1.2 特徴の型 観測された特徴
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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. x1 x2 65 70 (例) 特徴数2の特徴ベクトル x = (65, 70)T
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.
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.
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.
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.
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.
例題 1.2 d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.
例題 1.2 d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.
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.
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.
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.
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: 2d 20 =
1
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 O x1 d 2d x1
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 O1 2 a 1 2 a x1 d 2d x1 ± 1 2 a
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 O1 2 a 1 2 a x1 d
2d 頂点の数: 21 = 2
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 O1 2 a 1 2 a x1 x2 d 2d x1 x2
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 O1 2 a 1 2 a 1 2 a 1 2 a x1 x2 d 2d の正負の方向 の 位置に頂点を移す ± 1 2 ax2
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 1.2 O1 2 a 1 2 a 1 2 a 1 2 a x1 x2 d
2d 頂点の数: 22 = 4
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 1.2 3次元空間を考える x1 x2 d 2d
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 1.2 x1 x2 d 2d x3 軸 に直交する 軸 を考える x1, x2 x3
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 1.2 x1 x2 x3 d 2d の正負の方向 の 位置に頂点を移す ± 1 2 ax3
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 1.2 x1 x2 x3 d
2d 頂点の数: 23 = 8
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 x1 x2 x3 d 2d ? x1, x2, x3 x4
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 1.2 x1 x2 x3 d 2d ? の正負の方向 の 位置に頂点を移す ± 1 2 ax4
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 1.2 x1 x2 x3 d
2d ? 頂点の数: 24 = 16
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
1.2 d 2d d 2d
55.
(2) 次元超立方体の表面積を求めよ. 章末問題 1.2 d
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 1.2 d a
d 1 ad 1
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
1.2 d a d 1 ad 1 2d ad 1 ⇤ 2d = 2dad 1
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 1.2 m (0
m d 1) 2d m ✓ d m ◆
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 1.2 23
0 ✓ 3 0 ◆ = 23 ⇤ 1 = 8 x1 x2 x3
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 1.2 23
1 ✓ 3 1 ◆ = 22 ⇤ 3 = 12 x1 x2 x3
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 1.2 23
2 ✓ 3 2 ◆ = 21 ⇤ 3 = 6 x1 x2 x3
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 1.2 m
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 1.2 m 2d
m ✓ d m ◆ m
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
1.2 m 2d m ✓ d m ◆ m d 1
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
1.2 m 2d m ✓ d m ◆ m d 1 d 1X m=0 2d m ✓ d m ◆
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.
(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
1X m=0 25 m ✓ 5 m ◆ = 4X m=0 25 m ✓ 5 m ◆
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 1.2 5
1X m=0 25 m ✓ 5 m ◆ = 4X m=0 25 m ✓ 5 m ◆ = 25 0 ✓ 5 0 ◆ + 25 1 ✓ 5 1 ◆ + 25 2 ✓ 5 2 ◆ + 25 3 ✓ 5 3 ◆ + 25 4 ✓ 5 4 ◆
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 1.2 5
1X m=0 25 m ✓ 5 m ◆ = 4X m=0 25 m ✓ 5 m ◆ = 25 0 ✓ 5 0 ◆ + 25 1 ✓ 5 1 ◆ + 25 2 ✓ 5 2 ◆ + 25 3 ✓ 5 3 ◆ + 25 4 ✓ 5 4 ◆ = 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5
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 1.2 5
1X m=0 25 m ✓ 5 m ◆ = 4X m=0 25 m ✓ 5 m ◆ = 25 0 ✓ 5 0 ◆ + 25 1 ✓ 5 1 ◆ + 25 2 ✓ 5 2 ◆ + 25 3 ✓ 5 3 ◆ + 25 4 ✓ 5 4 ◆ = 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5 = 32 + 80 + 80 + 40 + 10
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 1.2 5
1X m=0 25 m ✓ 5 m ◆ = 4X m=0 25 m ✓ 5 m ◆ = 25 0 ✓ 5 0 ◆ + 25 1 ✓ 5 1 ◆ + 25 2 ✓ 5 2 ◆ + 25 3 ✓ 5 3 ◆ + 25 4 ✓ 5 4 ◆ = 32 ⇤ 1 + 16 ⇤ 5 + 8 ⇤ 10 + 4 ⇤ 10 + 2 ⇤ 5 = 32 + 80 + 80 + 40 + 10 = 242
72.
ご清聴ありがとうございました。
Download