Submit Search
Upload
人生を豊かにする線形代数学
•
18 likes
•
7,611 views
F
Fumiya Watanabe
Follow
東工大ロボット技術研究会第二回rogyゼミで発表した内容です。 線形代数は学んで損はないのでぜひやりましょう。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 24
Download now
Download to read offline
Recommended
東工大ロボット技術研究会2014年度前期研究報告会にて発表したスライドです。
流体シミュレータの製作
流体シミュレータの製作
Fumiya Watanabe
代数幾何memo_2020March30_1337
代数幾何memo_2020March30_1337
代数幾何memo_2020March30_1337
HanpenRobot
武井研 表現論 ゼミ資料 May 11 Wednesday 2016 fixed.
表現論 ゼミ資料
表現論 ゼミ資料
HanpenRobot
微分演算子にexp(αt)を作用させる事についての考察.
微分演算子と多項式の剰余環の関係 2016 october 12
微分演算子と多項式の剰余環の関係 2016 october 12
HanpenRobot
semi memo
武井研ゼミ M1 第3回目
武井研ゼミ M1 第3回目
HanpenRobot
有限生成加群の有限表示を解説しました. 加群の有限表示を理解すると,単因子論による行列のジョルダン標準形の理論が理解できるようになりますよ!
Noether環上の有限生成加群の有限表示
Noether環上の有限生成加群の有限表示
HanpenRobot
対称群上のフーリエ解析のメモです. やっぱり群の表現論で一番大事なのは”表現行列の大直交性定理”ですね! これで,有限群上の直交関数系が分かります!
Fourier analysis on symmetric group
Fourier analysis on symmetric group
HanpenRobot
数列の和と収束
数列の和と収束
数列の和と収束
nabeshimamasataka
Recommended
東工大ロボット技術研究会2014年度前期研究報告会にて発表したスライドです。
流体シミュレータの製作
流体シミュレータの製作
Fumiya Watanabe
代数幾何memo_2020March30_1337
代数幾何memo_2020March30_1337
代数幾何memo_2020March30_1337
HanpenRobot
武井研 表現論 ゼミ資料 May 11 Wednesday 2016 fixed.
表現論 ゼミ資料
表現論 ゼミ資料
HanpenRobot
微分演算子にexp(αt)を作用させる事についての考察.
微分演算子と多項式の剰余環の関係 2016 october 12
微分演算子と多項式の剰余環の関係 2016 october 12
HanpenRobot
semi memo
武井研ゼミ M1 第3回目
武井研ゼミ M1 第3回目
HanpenRobot
有限生成加群の有限表示を解説しました. 加群の有限表示を理解すると,単因子論による行列のジョルダン標準形の理論が理解できるようになりますよ!
Noether環上の有限生成加群の有限表示
Noether環上の有限生成加群の有限表示
HanpenRobot
対称群上のフーリエ解析のメモです. やっぱり群の表現論で一番大事なのは”表現行列の大直交性定理”ですね! これで,有限群上の直交関数系が分かります!
Fourier analysis on symmetric group
Fourier analysis on symmetric group
HanpenRobot
数列の和と収束
数列の和と収束
数列の和と収束
nabeshimamasataka
鍋島政孝
数列の和と収束
数列の和と収束
政孝 鍋島
積分と漸化式
積分と漸化式
積分と漸化式
nabeshimamasataka
nabeshima masata
積分と漸化式
積分と漸化式
政孝 鍋島
学生向けの解説
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
場の量子
場の量子論
場の量子論
M M
ケーリーハミルトンの定理の証明をします
ケーリーハミルトンの定理の証明
ケーリーハミルトンの定理の証明
HanpenRobot
slide
Kenkashi math
Kenkashi math
Akira Fujii
シュレディンガー方程式の導出
シュレディンガー方程式の導出
シュレディンガー方程式の導出
M M
Wronskian≠0ならば,2つの数列は一次独立です
Wronskianと一次独立性
Wronskianと一次独立性
HanpenRobot
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ssuserf4860b
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
ssuserf4860b
フィボナッチ数列の一般項
フィボナッチ数列の一般項
フィボナッチ数列の一般項
M M
高校数学Bにおいては数列も学びます.数列の範囲においては,和(シグマ)の計算において,途中の項がバサバサ消えるような計算が出てきます.これについて私は,足し算は足し算でまとめて,引き算は引き算でまとめて計算した方がいいと思います.このスライドではその理由について述べています.
階差数列の和?について 数学B 数列
階差数列の和?について 数学B 数列
saiaki
線形代数の視覚的理解のためのノート Graphic Notes on Prof. Gilbert Strang's "Linear Algebra for Everyone" Gilbert 先生の線形代数の講義に惚れて作りました。 コンタクト頂ければ、PowerPoint 版をお配りします。 また、マトリックスワールド、も是非ご覧ください。 https://qiita.com/kenjihiranabe/items/854dbe1f6d9fca9df85c
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Kenji Hiranabe
Math in Machine Learning / PCA and SVD with Applications 機会学習の数学とPCA/SVD Colab での練習コードつきです.コードはこちら. https://colab.research.google.com/drive/1YZgZWX5a7_MGA__HV2bybSuJsqkd4XxD?usp=sharing
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
Kenji Hiranabe
集合の上極限,下極限は無限数列を使うとスッキリ理解できます.
集合の上極限,下極限
集合の上極限,下極限
HanpenRobot
線形代数の視覚的理解 V1.1-Gストラング勉強会 2022/1/12 Gストラング勉強会用の資料です.(練習問題ふくむ)
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
Kenji Hiranabe
鍋島政孝
単調減少な数列の級数問題
単調減少な数列の級数問題
政孝 鍋島
単調減少な数列の級数問題
単調減少な数列の級数問題
単調減少な数列の級数問題
nabeshimamasataka
多項式の零点集合をイデアルの言葉に直します
代数幾何 原稿(仮Ver)
代数幾何 原稿(仮Ver)
HanpenRobot
ここ5ヶ月間ほど取り組んでいる自作ゲームAPIの進捗と、それを用いて製作中の群れ生成ゲームの現状についての発表
rogyゼミ第2回 ニックさん
rogyゼミ第2回 ニックさん
rogy01
2015年8月5日に開催された【Bluemix誕生1周年記念!】第4回 Bluemixユーザー会 ミートアップで、日本ピー・アイの中畑がLTさせていただいた資料です。 2014年より大手照明器具メーカーコイズミ照明さんがDALI対応器具を発表してから、ヨーロッパ中心の照明制御プロトコルDALIの普及スピードが一気にあがりました。 今回のLTでは、DALIの普及によっていろんな照明が制御しやすくなったときに、Bluemixとつながることでどんな可能性があるかを説明してみました。
照明制御とBluemixの可能性
照明制御とBluemixの可能性
Nippon P.I.
More Related Content
What's hot
鍋島政孝
数列の和と収束
数列の和と収束
政孝 鍋島
積分と漸化式
積分と漸化式
積分と漸化式
nabeshimamasataka
nabeshima masata
積分と漸化式
積分と漸化式
政孝 鍋島
学生向けの解説
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
場の量子
場の量子論
場の量子論
M M
ケーリーハミルトンの定理の証明をします
ケーリーハミルトンの定理の証明
ケーリーハミルトンの定理の証明
HanpenRobot
slide
Kenkashi math
Kenkashi math
Akira Fujii
シュレディンガー方程式の導出
シュレディンガー方程式の導出
シュレディンガー方程式の導出
M M
Wronskian≠0ならば,2つの数列は一次独立です
Wronskianと一次独立性
Wronskianと一次独立性
HanpenRobot
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ssuserf4860b
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
ssuserf4860b
フィボナッチ数列の一般項
フィボナッチ数列の一般項
フィボナッチ数列の一般項
M M
高校数学Bにおいては数列も学びます.数列の範囲においては,和(シグマ)の計算において,途中の項がバサバサ消えるような計算が出てきます.これについて私は,足し算は足し算でまとめて,引き算は引き算でまとめて計算した方がいいと思います.このスライドではその理由について述べています.
階差数列の和?について 数学B 数列
階差数列の和?について 数学B 数列
saiaki
線形代数の視覚的理解のためのノート Graphic Notes on Prof. Gilbert Strang's "Linear Algebra for Everyone" Gilbert 先生の線形代数の講義に惚れて作りました。 コンタクト頂ければ、PowerPoint 版をお配りします。 また、マトリックスワールド、も是非ご覧ください。 https://qiita.com/kenjihiranabe/items/854dbe1f6d9fca9df85c
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Kenji Hiranabe
Math in Machine Learning / PCA and SVD with Applications 機会学習の数学とPCA/SVD Colab での練習コードつきです.コードはこちら. https://colab.research.google.com/drive/1YZgZWX5a7_MGA__HV2bybSuJsqkd4XxD?usp=sharing
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
Kenji Hiranabe
集合の上極限,下極限は無限数列を使うとスッキリ理解できます.
集合の上極限,下極限
集合の上極限,下極限
HanpenRobot
線形代数の視覚的理解 V1.1-Gストラング勉強会 2022/1/12 Gストラング勉強会用の資料です.(練習問題ふくむ)
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
Kenji Hiranabe
鍋島政孝
単調減少な数列の級数問題
単調減少な数列の級数問題
政孝 鍋島
単調減少な数列の級数問題
単調減少な数列の級数問題
単調減少な数列の級数問題
nabeshimamasataka
多項式の零点集合をイデアルの言葉に直します
代数幾何 原稿(仮Ver)
代数幾何 原稿(仮Ver)
HanpenRobot
What's hot
(20)
数列の和と収束
数列の和と収束
積分と漸化式
積分と漸化式
積分と漸化式
積分と漸化式
【解説】 一般逆行列
【解説】 一般逆行列
場の量子論
場の量子論
ケーリーハミルトンの定理の証明
ケーリーハミルトンの定理の証明
Kenkashi math
Kenkashi math
シュレディンガー方程式の導出
シュレディンガー方程式の導出
Wronskianと一次独立性
Wronskianと一次独立性
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
フィボナッチ数列の一般項
フィボナッチ数列の一般項
階差数列の和?について 数学B 数列
階差数列の和?について 数学B 数列
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
集合の上極限,下極限
集合の上極限,下極限
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
単調減少な数列の級数問題
単調減少な数列の級数問題
単調減少な数列の級数問題
単調減少な数列の級数問題
代数幾何 原稿(仮Ver)
代数幾何 原稿(仮Ver)
Viewers also liked
ここ5ヶ月間ほど取り組んでいる自作ゲームAPIの進捗と、それを用いて製作中の群れ生成ゲームの現状についての発表
rogyゼミ第2回 ニックさん
rogyゼミ第2回 ニックさん
rogy01
2015年8月5日に開催された【Bluemix誕生1周年記念!】第4回 Bluemixユーザー会 ミートアップで、日本ピー・アイの中畑がLTさせていただいた資料です。 2014年より大手照明器具メーカーコイズミ照明さんがDALI対応器具を発表してから、ヨーロッパ中心の照明制御プロトコルDALIの普及スピードが一気にあがりました。 今回のLTでは、DALIの普及によっていろんな照明が制御しやすくなったときに、Bluemixとつながることでどんな可能性があるかを説明してみました。
照明制御とBluemixの可能性
照明制御とBluemixの可能性
Nippon P.I.
最近作成したAndroid上で動く質点系物理シミュレーターについて、その動作原理となる質点における物理演算の手法と、少し剛体の物理演算 について紹介しました。
Android上で動く力学シミュレーター
Android上で動く力学シミュレーター
rogy01
第3回プログラマのための数学勉強会
Yahoo150522
Yahoo150522
kyutoku
チェビシェフの不等式
チェビシェフの不等式
hoxo_m
2016/10/4 Math Power 2016 @ニコファーレ『Math.pow() 〜 6名のプログラマが語る「数学のチカラ」』にて
生命を記述する数学
生命を記述する数学
Takahiro (Poly) Horikawa
2012年ロボコンで、舞鶴Aチームは画像処理を搭載したロボットを製作しました。 その際のアルゴリズムや、他に検討した手法を2013年のロボコン交流会で紹介しました。 その時発表に使ったスライドです。
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
Yuma Yoshimoto
2016年4月30日に渋谷 mixiが会場となって開催されたCreators MeetUp #39にて、「照明設備のオープンなプロトコルDALIを使ってIoTビジネスをする方法」という題で発表させていただきました。
照明のプロトコルDALIを使ってIoTビジネスをする方法
照明のプロトコルDALIを使ってIoTビジネスをする方法
Nippon P.I.
Watanabe理論勉強会 第二回 発表資料
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
hoxo_m
第61回物性夏の学校のグループセミナーで発表した、細胞レベルの理論生物学の「分野の地図」とそれにおける情報熱力学のアプローチのReviewです。高校レベルの生物学の知識と、ある程度の統計力学の知識があれば読めるようになっています。 特に 冨樫祐一「一分子粒度の反応拡散シミュレーション」@第3回少数性生物学トレーニングコース 伊藤創祐「情報理論と小さな系における熱力学」 を大いに参考にしています。この場でお礼申し上げます。
数理・物理から見た「少数性生物学」
数理・物理から見た「少数性生物学」
Hideaki Nishikawa
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
Takanori Ogata
5分でわかるベイズ確率
5分でわかるベイズ確率
hoxo_m
イコールの意味を分別する新しい数学記号の提案 データ分析の理論などのために
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
Toshiyuki Shimono
いろんな研究科の大学院生が聴きに来ている授業にて、 多変量解析についての話題提供のために30分の時間を使って 4個の話題を提供する資料。
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
Toshiyuki Shimono
Viewers also liked
(14)
rogyゼミ第2回 ニックさん
rogyゼミ第2回 ニックさん
照明制御とBluemixの可能性
照明制御とBluemixの可能性
Android上で動く力学シミュレーター
Android上で動く力学シミュレーター
Yahoo150522
Yahoo150522
チェビシェフの不等式
チェビシェフの不等式
生命を記述する数学
生命を記述する数学
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
OpenCVを用いたロボコンにおける画像処理(2013年ロボコン交流会)
照明のプロトコルDALIを使ってIoTビジネスをする方法
照明のプロトコルDALIを使ってIoTビジネスをする方法
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
数理・物理から見た「少数性生物学」
数理・物理から見た「少数性生物学」
10分でわかる主成分分析(PCA)
10分でわかる主成分分析(PCA)
5分でわかるベイズ確率
5分でわかるベイズ確率
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
Discrete Equal-Simiar-Symbols To Enhance the Existing Equal Symbol
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
多変量解析の授業(駒場キャンパス)の演習で話すために作った資料
Similar to 人生を豊かにする線形代数学
最適化の復習
データ解析3 最適化の復習
データ解析3 最適化の復習
Hirotaka Hachiya
因子分析の応用
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Hirotaka Hachiya
PRML第一章のガウス分布の最尤推定からベイズ曲線フィッティングまでを説明しています。ベイズ曲線フィッティングについては、実装しました。さらに、orderを増やすこととサンプル数に着目した過学習の説明も行っています。
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
takutori
JOI春合宿2018講義資料
双対性
双対性
Yoichi Iwata
重回帰分析
データ解析6 重回帰分析
データ解析6 重回帰分析
Hirotaka Hachiya
2017年4月8日開催のコンピュータビジョン勉強会@関東「最先端ガイド6第2章 幾何学的推定のための最適化手法:最小化を超えて」発表資料
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
Takuya Minagawa
一般化線形モデル 導出からその特徴まで
一般線形モデル
一般線形モデル
MatsuiRyo
第39回コンピュータビジョン勉強会@関東 第二章:幾何学的推定のための最適化手法:最小化を超えて 4. 最小化に基づかない方法 4.1 重み反復法 4.2 くりこみ法
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
nonane
波動方程式
波動方程式
波動方程式
yu sa
強束縛模型における多体電子状態の第2量子化表現についてまとめました。
強束縛模型における多体電子状態の第2量子化表現
強束縛模型における多体電子状態の第2量子化表現
Kazu Ghalamkari
Today, Tani's Claw finding algorithm is the fastest method of isogeny kernel problem. However, We don't use the property of elliptic curves and isogeny to solve the problem by Tani's algorithm. We suggest new method of computing for isogeny kernel problem by Velu's formula and Groebner basis.
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
Yasu Math
線形回帰問題と最適化問題 回帰問題における外れ値問題 最小二乗法の問題点 ロバスト線形回帰 最適化問題としての回帰 問題最小二乗法 勾配降下法 LASSO回帰 優決定系におけるスパース回帰 講師: 東京都市大学 田中宏和 講義ビデオ: https://www.youtube.com/playlist?list=PLXAfiwJfs0jGOvZnwUdAykZvSdRFd7K2p
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
hirokazutanaka
PRML 9.0-9.2 混合ガウス分布とEMアルゴリズムの資料
prml_titech_9.0-9.2
prml_titech_9.0-9.2
Taikai Takeda
dynamic programming 動的計画法 DP
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
kenyanonaka
第2回 TensorFlowと機械学習に必要な数学を基礎から学ぶ会資料 回帰編
回帰
回帰
Shin Asakawa
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
. .
勉強会で使用した、ベイズ推論による機械学習入門 第4章のスライドです。 どういうわけか一部表記が乱れていますがご容赦ください。(元のファイルはそうなっていない)
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
YosukeAkasaka
パターン認識と機械学習(PRML)読み会第一章
PRML読み会第一章
PRML読み会第一章
Takushi Miki
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
noname409
輪講の担当分です。テキストは東京大学教養学部統計学教室編(1992)「自然科学の統計学」東京大学出版会
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
wada, kazumi
Similar to 人生を豊かにする線形代数学
(20)
データ解析3 最適化の復習
データ解析3 最適化の復習
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
双対性
双対性
データ解析6 重回帰分析
データ解析6 重回帰分析
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
一般線形モデル
一般線形モデル
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
コンピュータビジョン最先端ガイド6 第2章:4~4.2節
波動方程式
波動方程式
強束縛模型における多体電子状態の第2量子化表現
強束縛模型における多体電子状態の第2量子化表現
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
prml_titech_9.0-9.2
prml_titech_9.0-9.2
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
回帰
回帰
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
ベイズ推論による機械学習入門 第4章
ベイズ推論による機械学習入門 第4章
PRML読み会第一章
PRML読み会第一章
ディジタル信号処理の課題解説 その3
ディジタル信号処理の課題解説 その3
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
Recently uploaded
2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
iPride Co., Ltd.
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
atsushi061452
YouTube nnabla channelの次の動画で利用したスライドです。 【AI論文解説】Consistency ModelとRectified Flow https://youtu.be/3IKCrAPe55k Consistency ModelとRectified Flowに関連する以下の論文を紹介しています。 Consistency models(解説編Part1で紹介) - “Consistency Models,” ICML 2023. - “Improved Techniques for Training Consistency Models,” ICLR 2024. - “Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion,” ICLR 2024. Rectified flow(解説編Part2で紹介) - “Flow Straight and Fast: Learning to Generate and Transfer Data with Rectified Flow,” ICLR 2023. - “InstaFlow: One Step is Enough for High-Quality Diffusion-Based Text-to-Image Generation,” ICLR 2024.
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
Sony - Neural Network Libraries
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
CRI Japan, Inc.
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料) 2024年4月24日(水) 株式会社NTTデータグループ 技術開発本部 笠原 辰仁
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
NTT DATA Technology & Innovation
サイバーエージェントAI事業部の新卒研修で利用したスライドを公開します。
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
yassun7010
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
atsushi061452
2024/05/25 serverless Meetup osaka
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
ssuserbefd24
Security-JAWS【第33回】 勉強会 https://s-jaws.doorkeeper.jp/events/173294
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
keikoitakurag
https://iotlt.connpass.com/event/318403/
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
Ayachika Kitazaki
Recently uploaded
(10)
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
人生を豊かにする線形代数学
1.
@rejell55 (線形代数は人生を豊かにする)
2.
線形代数の応用分野 制御工学 機械工学 電気回路 CG・画像処理 数値計算 信号処理 量子力学 幾何学 etc…
3.
本日の内容一覧 線形代数学について 連立1次方程式の数値解法
連立1次方程式と流体シミュレーション 固有値・固有ベクトル 微分方程式と固有値 固有値と解の安定性
4.
線形代数学とは? もともとは, 連立1次方程式の解法に関する学問分野. この考えを拡張すると, 連立1次方程式を線形変換と捉えた, 線形な変換の理論とも言える. 𝑋 𝑦
= 𝑇𝑥 𝑌 𝑦 𝑥 𝑇: 𝑋 → 𝑌 𝑇: 𝑋 ∋ 𝑥 ⟼ 𝑇𝑥 ∈ 𝑌
5.
連立1次方程式 𝑦1 = 𝑎11
𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥 𝑛 𝑦2 = 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥 𝑛 ⋮ 𝑦 𝑚 = 𝑎 𝑚1 𝑥1 + 𝑎 𝑚2 𝑥2 + ⋯ + 𝑎 𝑚𝑛 𝑥 𝑛 のような, 連立1次方程式を解きたい場面は あらゆる分野で登場する. 連立1次方程式の解について学ぼう!
6.
連立1次方程式 𝑦1 = 𝑎11
𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥 𝑛 𝑦2 = 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥 𝑛 ⋮ 𝑦 𝑚 = 𝑎 𝑚1 𝑥1 + 𝑎 𝑚2 𝑥2 + ⋯ + 𝑎 𝑚𝑛 𝑥 𝑛 という問題を解きたい! 𝑦1 𝑦 = ⋮ は既知 𝑦𝑚 𝑥1 𝑥 = ⋮ は未知 𝑥𝑛 𝑦 = 𝐴𝑥と書き換えると, 係数行列𝐴に逆行列があれば, 𝑥 = 𝐴−1 𝑦が解! この連立方程式はどうやって解くべきか?
7.
連立1次方程式の解法 掃き出し法 クラメールの公式
LU分解 SOR法 共役勾配法 etc…
8.
連立1次方程式の解法(直接法) 掃き出し法 クラメールの公式
LU分解 𝐴 = 𝐿𝑈と分解する. 𝑦 = 𝐴𝑥 = 𝐿𝑈𝑥 𝑙11 𝑙21 𝑙22 𝐿= ⋮ ⋮ ⋱ 𝑙 𝑛1 𝑙 𝑛2 ⋯ 𝑙 𝑛𝑛 𝑢11 𝑈= 𝑢12 𝑢22 ⋯ ⋯ ⋱ 𝑢1𝑛 𝑢2𝑛 ⋮ 𝑢 𝑛𝑛
9.
LU分解の続き 𝑈𝑥 = 𝑏とおくと,
𝑦 = 𝐿𝑈𝑥 = 𝐿𝑏という 新しい連立方程式に変形できる. 𝑦1 𝑙11 𝑦2 𝑙 = 21 ⋮ ⋮ 𝑦𝑛 𝑙 𝑛1 𝑙22 ⋮ 𝑙 𝑛2 ⋱ ⋯ 𝑙 𝑛𝑛 𝑏1 𝑏2 ⋮ 𝑏𝑛 上から順番に計算すれば簡単に𝑏が求まる! 同様に𝑈𝑥 = 𝑏を求めてやればよい(こちらは下から順番に). 𝑢11 𝑏1 𝑏2 = ⋮ 𝑏𝑛 𝑢12 𝑢22 ⋯ ⋯ ⋱ 𝑢1𝑛 𝑢2𝑛 ⋮ 𝑢 𝑛𝑛 𝑥1 𝑥2 ⋮ 𝑥𝑛
10.
微分方程式の数値解法 𝑑𝑦 𝑑𝑥 = 𝑓(𝑥)という微分方程式を数値的に解くには? 差分化 𝑑𝑦 𝑑𝑥 𝑦 𝑥+Δ𝑥
−𝑦(𝑥) より, Δ𝑥 Δ𝑥→0 = lim 𝑓 𝑥 ≈ 𝑦 𝑥+Δ𝑥 −𝑦(𝑥) と考えれば, Δ𝑥 𝑦 𝑥 = 𝑦 𝑥 + Δ𝑥 − 𝑓 𝑥 Δ𝑥で近似的に計算できる. 前進差分 𝑦 𝑥 + Δ𝑥 − 𝑦(𝑥) 𝑦 𝑖+1 − 𝑦 𝑖 = Δ𝑥 Δ𝑥 後退差分 𝑦 𝑥 − 𝑦(𝑥 − Δ𝑥) 𝑦 𝑖 − 𝑦 𝑖−1 = Δ𝑥 Δ𝑥 前進差分と後退差分の平均→中心差分 𝑦 𝑥 + Δ𝑥 − 𝑦(𝑥 − Δ𝑥) 𝑦 𝑖+1 − 𝑦 𝑖−1 = 2Δ𝑥 2Δ𝑥
11.
非圧縮性流れのシミュレーションについて 2次元非圧縮性流体におけるNavier – Stokes方程式 及び連続の式 𝜕𝑢 𝜕𝑣 + =0 𝜕𝑥 𝜕𝑦 𝜕𝑢 𝜕𝑢 𝜕𝑢 𝜕𝑝 1 +
𝑢 + 𝑣 =− + 𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝑥 𝑅𝑒 𝜕𝑣 𝜕𝑣 𝜕𝑣 𝜕𝑝 1 + 𝑢 + 𝑣 =− + 𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝑦 𝑅𝑒 𝜕2 𝑢 + 𝜕𝑥 2 𝜕2 𝑣 + 𝜕𝑥 2 𝜕2 𝑢 𝜕𝑦 2 𝜕2 𝑣 𝜕𝑦 2 SMAC法によって解く 1. 𝑢, 𝑣の暫定値𝑢∗ , 𝑣 ∗を求める(Burgers方程式) 2. 暫定値𝑢∗ , 𝑣 ∗ を用いて圧力の修正量𝛿𝑝を求める(Poisson方程式) 3. 𝛿𝑝を現ステップの圧力値に足して次ステップの圧力値とする 4.暫定値𝑢∗ , 𝑣 ∗ を, 𝛿𝑝を用いて修正する
12.
ポアソン方程式の数値解法 ポアソン方程式 𝜕2 𝜕2 2 𝑝(𝑥, 𝑦)
+ 𝜕𝑦 2 𝑝(𝑥, 𝑦) = 𝑠(𝑥, 𝑦) 𝜕𝑥 1,1 1,2 2,1 2,2 … … m,1 m,2 ⋮ ⋮ i,j ⋮ 1,n 2,n … m,n 差分化(中心差分) 𝑝 𝑖−1,𝑗 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖+1,𝑗 𝑝 𝑖,𝑗−1 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖,𝑗+1 + = 𝑠 𝑖,𝑗 2 2 Δ𝑥 Δ𝑦 ∆𝑥 = ∆𝑦 = ℎとすると, (𝑝 𝑖−1,𝑗 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖+1,𝑗 ) + (𝑝 𝑖,𝑗−1 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖,𝑗+1 ) = ℎ2 𝑠 𝑖,𝑗
13.
ポアソン方程式の数値解法 (𝑝 𝑖−1,𝑗 −
2𝑝 𝑖,𝑗 + 𝑝 𝑖+1,𝑗 ) + (𝑝 𝑖,𝑗−1 − 2𝑝 𝑖,𝑗 + 𝑝 𝑖,𝑗+1 ) = ℎ2 𝑠 𝑖,𝑗 簡単のため, 4×4の領域で考える 1,1 2,1 3,1 4,1 1,2 2,2 3,2 4,2 1,3 2,3 3,3 4,3 1,4 2,4 3,4 4,4 𝑇 𝑇 𝑝 𝑖,1 = 𝑝1,1 𝑝2,1 𝑝3,1 𝑝4,1 とし, 𝑝 = 𝑝 𝑖,1 𝑝 𝑖,2 𝑝 𝑖,3 𝑝 𝑖,4 とおく. 𝑠 𝑖,1 = 𝑇 2 𝑠1,1 𝑠2,1 𝑠3,1 𝑠4,1 とし, ℎ 𝑠 = ℎ 2 𝑇 𝑠 𝑖,1 𝑠 𝑖,2 𝑠 𝑖,3 𝑠 𝑖,4 とおく.
14.
ポアソン方程式の数値解法 𝑝 𝑖−1,𝑗 +
𝑝 𝑖+1,𝑗 + 𝑝 𝑖,𝑗−1 + 𝑝 𝑖,𝑗+1 − 4𝑝 𝑖,𝑗 = ℎ2 𝑠 𝑖,𝑗 𝑝 = 𝑝 𝑖,1 𝑝 𝑖,2 𝑝 𝑖,3 𝑝 𝑖,4 𝑇 ℎ2 𝑠= ℎ2 𝑠 𝑖,1 𝑠 𝑖,2 𝑠 𝑖,3 𝑠 𝑖,4 𝑇 𝐴𝑝 = ℎ2 𝑠の形とすると, 連立1次方程式となる. 1 1 1 1 1 1 1 1 −4 1 1 −4 𝐴= 1 1 1 1 1 1 1 1 −4 1 1 −4 1 1 1 1 1 1 1 1
15.
流体シミュレーションの結果 流入境界 約35[s]後の渦度プロット 流出境界
16.
固有値と固有ベクトル 𝐴𝑥 = 𝜆𝑥を満たすような定数𝜆を固有値, ベクトル𝑥を固有ベクトルと呼ぶ. 行列𝐴を用いて表される変換を施しても, 方向が変わらないベクトルが固有ベクトル.
17.
対角化 行列𝐴を, 𝑃−1 𝐴𝑃
= diag(𝜆1 , 𝜆2 , … , 𝜆 𝑛 )のようにして 対角行列へ変換できるとき, 行列𝐴は対角化可能である. 𝑃 = [ 𝑝1 𝑝2 ⋯ 𝑝 𝑛 ]とすると, 𝐴𝑃 = 𝐴𝑝1 𝐴𝑝2 ⋯ 𝐴𝑝 𝑛 , 𝑃 × diag 𝜆1 , 𝜆2 , … , 𝜆 𝑛 = 𝜆1 𝑝1 𝜆2 𝑝2 ⋯ 𝜆 𝑛 𝑝 𝑛 となる. 𝐴𝑝1 𝐴𝑝2 ⋯ 𝐴𝑝 𝑛 = 𝜆1 𝑝1 𝜆2 𝑝2 ⋯ 𝜆 𝑛 𝑝 𝑛 であることから, 𝑝 𝑖 は固有ベクトル, 𝜆 𝑖 は固有値であるといえる. 固有値・固有ベクトルを用いて, 行列を対角化できる. (固有値が重複しているとダメ)
18.
微分方程式と固有値 まずは普通の微分方程式 𝑑𝑥 = 𝑎𝑥 𝑑𝑡 を考える. 解は𝑥(𝑡) =
𝑒 𝑎𝑡 𝑥(0)となる.
19.
微分方程式と固有値 連立微分方程式 𝑥1 𝑎11 𝑑 𝑥2 = 𝑑𝑡 ⋮ 𝑥𝑛 𝑎22 解は 𝑥1 𝑒
𝑎11 𝑡 𝑥2 ⋮ = 𝑥𝑛 𝑒 𝑎22 𝑡 ⋱ ⋱ 𝑎 𝑛𝑛 𝑥1 𝑥1 𝑥2 𝑥2 ⋮ = 𝐴 ⋮ 𝑥𝑛 𝑥𝑛 𝑥(0) = 𝑒 𝑒 𝑎 𝑛𝑛 𝑡 𝐴𝑡 𝑥(0)
20.
微分方程式と固有値 連立微分方程式 𝑥1 𝑥1 𝑥2 𝑑 𝑥2 = 𝐴
⋮ を解くには? 𝑑𝑡 ⋮ 𝑥𝑛 𝑥𝑛 座標変換𝑥 = 𝑇𝑧を行う. (𝑇は固有ベクトルを並べた行列) 𝑑 𝑇𝑧 = 𝐴𝑥 = 𝐴𝑇𝑧 𝑑𝑡 𝑑 つまり, 𝑑𝑡 𝑧 = 𝑇 −1 𝐴𝑇𝑧 = diag 𝜆1 , 𝜆2 , … , 𝜆 𝑛 𝑧となる. −1 この解は𝑧 = 𝑒 𝑇 𝐴𝑇𝑡 𝑧(0)である. −1 𝑇 −1 𝑥 = 𝑒 𝑇 𝐴𝑇𝑡 𝑇 −1 𝑥(0)なので, 𝑇 −1 𝐴𝑇𝑡 −1 𝑥 = 𝑇𝑒 𝑇 𝑥(0) である.
21.
固有値と応答 𝑥(𝑡) = 𝑒
𝑎𝑡 𝑥(0)の特性について考えよう. (𝑎は複素数) 𝑎 = 𝛼 + 𝑗𝛽とする. 𝑥 𝑡 = 𝑒 𝛼𝑡 𝑒 𝑗𝛽𝑡 𝑥 0 = 𝑥(0)𝑒 𝛼𝑡 (cos 𝛽𝑡 + 𝑗 sin 𝛽𝑡) 実部のみを考えて 𝑥 𝑡 = 𝑥(0)𝑒 𝛼𝑡 cos 𝛽𝑡 𝑎の実部は収束・発散性, 虚部は振動性に影響する.
22.
固有値とモード 座標変換𝑥 = 𝑇𝑧を利用してみよう. 𝒙
𝑡 = 𝑒 𝐴𝑡 𝑒 𝜆1 𝒙 0 = 𝑇 0 ⋮ 0 = 𝒗1 = 𝒗1 𝑒 𝜆1 0 𝑒 𝜆2 ⋮ 0 0 0 ⋱ ⋯ 0 0 𝑇 −1 𝒙 0 ⋮ 𝑒 𝜆𝑛 𝑒 𝜆1 0 0 0 𝑒 𝜆2 0 0 𝒛 0 𝒗2 ⋯ 𝒗 𝑛 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 𝑒 𝜆𝑛 𝑧1 0 + 𝒗2 𝑒 𝜆2 𝑧2 0 + ⋯ + 𝒗 𝑛 𝑒 𝜆 𝑛 𝑧 𝑛 0 それぞれの固有値ごとの特性を調べれば, 運動の様子が想像できる! →モード展開
23.
まとめ 線形代数は連立1次方程式だけでなく, 線形な変換の理論でもある. 対象を考えるとき, 新たな視点で見ることで 新たな発見が得られるかもしれない! 何か物事を考えるときに, 線形代数はきっと 非常に便利なツールとして使えるはず! 線形代数はあなたを 裏切らない!
24.
線形代数とともに あらんことを…
Download now