SlideShare a Scribd company logo
wq-2. 待ち行列
1
金子邦彦
(待ち行列の数理)
URL: https://www.kkaneko.jp/cc/wq/index.html
wq-2. 待ち行列
2
金子邦彦
(待ち行列の数理)
https://www.kkaneko.jp/cc/wq/index.html
アウトライン
2-1 待ち行列
2-2 ケンドール記法
2-3 M/M/1/1 待ち行列
2-4 M/M/1/1 待ち行列の解析
2-5 M/M/1 待ち行列の解析
3
2-1 待ち行列
4
• スタック
• データの挿入と取り出しの両方を列の一方の端か
ら行う
• キュー
• 一方の端から挿入を,もう一方の端から取り出し
を行う
• 取り出されるのは最も古いデータ
• 最初に入れたデータが最初に取り出される
• FIFO(first-in-first-out,先入れ先出し)と呼ぶ
データ データ データ データ
値の追加
値の取り出し
5
スタックとキュー
到着
サーバ
待ち行列
6
待ち行列
待ち行列
• 処理を受けるために順番待ちをする人がな
す列
• 銀行の窓口や入場券売り場など
7
待ち行列の長さ,システム内の
ジョブ総数
到着
サーバ
待ち行列
待ち行列の長さ
システム内のジョブ総数 8
待ち時間
ジョブ到着から
サービス開始まで
到着
サーバ
待ち行列
遅延時間
ジョブ到着から
サービス終了まで
9
遅延時間,待ち時間
λD = N
D: 「遅延時間」の平均
N: 「システム内のジョブ総数」の平均
λDW = NW
DW: 「待ち時間」の平均
NW: 「待ち行列の長さ」の平均
以下,システム内のジョブ総数,待ち行列の長さを
考える
10
遅延時間,待ち時間
2-2 ケンドール記法
11
到着
サーバ
待ち行列
サーバ数: Z
時間 (t, t +⊿ t) に到着
するジョブ数:X
t
ジョブの処理を行う
処理時間:Y
12
ケンドール記法 X/Y/Z
到着
サーバ
待ち行列
サーバ数: Z
時間 (t, t +⊿ t) に到着
するジョブ数:X t
ジョブの処理を行う
処理時間:Y
待ち行列の長さを
K-1に制限
13
ケンドール記法 X/Y/Z/K
• 待ち行列の長さに限りがある
• 待ち行列の長さが「最大で K-1」に制限されるとき,
システム内のジョブ総数は K に制限される
• K=0 の場合は
• すでにサーバが他のジョブを処理中のとき
• 到着したジョブは棄却される(待ち行列に入らない)
• サーバがジョブを処理していないとき
• 到着したジョブは直ちに処理される
14
待ち行列の長さの制限
X/Y/Z/K
X: 到着過程
Y: 処理時間分布
Z: サーバ数
K: 待ち行列の長さ制限
(待ち行列の長さの最大長:K-1)
X/Y/Z
待ち行列の長さに制限無し
15
ケンドール記法
2-3 M/M/1/1 待ち行列
16
X: 到着過程
→ポアソン分布のとき「M」と書く
Y: 処理時間分布
→指数分布のとき「M」と書く
Z: サーバ数
K: 待ち行列の長さの制限
17
ケンドール記法
到着
サーバ
待ち行列
• 到着過程: ポアソン分布
• 処理時間分布: 指数分布
• サーバの個数: 1個
• 待ち行列の長さの制限: K=1
18
M/M/1/1 待ち行列
「分布」の種類
M: ポアソン分布/指数分布
Ek: k相のアーラン分布
D: 一定分布
G: 一般分布
GI: 独立性を有する一般分布
19
平均到着率
• 単位時間に到着するジョブの平均値
• 待ち行列に加わろうとするジョブのやって
くる頻度
20
• ジョブの到着がランダム
• 「時間 (t, t +⊿ t) に到着するジョブ数」に注目
• ⊿ t に比例して増加
• 平均値: λ⊿t
• λは単位時間あたりの平均ジョブ数
21
到着率λのポアソン分布
ポアソン分布の特徴
• 同じ幅をもった時間区間あたりの到着の仕方
は,時刻に依存しない
• 共通部分のない時間区間たちのそれぞれの到
着の仕方は独立である
• 同時刻に2人のジョブがやってくることはない
• ごく短い時間 ⊿tの間にジョブが1人来る確率
はλ⊿t
22
平均処理率
• 単位時間に処理を受けるジョブの平均値
• 処理がどの程度で行われているかの尺度
23
• ジョブの完了時刻がランダム
• 「あるジョブの処理の完了から次のジョブの完
了までの時間」に着目
• 平均値: 1/μ
• μは単位時間あたりの平均ジョブ完了数
• サーバがジョブを処理中の間,⊿t 内に完了する
処理数: μ⊿t
24
処理率μの指数分布
指数分布の特徴
• 進行中の処理が終了する確率は,それまでに処理
に要した時間に依存しない
• ある時刻に開始される処理は,それ以前に行われ
た処理や到着に依存しない
• ごく短い時間 ⊿tの間に処理が1つ終了する確率は
μ⊿t
25
• 微小時間 ⊿tの間に到着するジョブ:
• たかだか1人
• 時間 ⊿tの間に終了する処理:
• たかだか1つ
• 時間 ⊿tの間に「ジョブの到着」「処理の終了」
が同時になされることはない
26
微小時間の意味
2-4 待ち行列の解析
27
• 待ち行列の長さ
• システム内のジョブ総数
• ジョブの遅延時間
• ジョブの待ち時間
28
待ち行列の解析での解析の対象
• 確率的に解析
• 待ち行列のシステムの状態と状態遷移による
解析
システムの状態:P0, P1, P2, ・・・
(添字は,システム内のジョブ総数)
• 定常状態での待ち行列の長さ,ジョブ総数を
算出する
• t→∞では,システムの状態は定常確率に漸近す
る(初期状態を無視できる)
29
解析手順
システム処理能力ρ
ρ= λ/μ
• λ⊿t: 「時間 (t, t +⊿ t) に到着するジョ
ブ数」の平均
• μ⊿t: 「サーバがジョブを処理中の間,
⊿t 内に完了する処理数」の平均
※ 待ち行列の長さに限りがないとすると:
λ < μ ( つまりρ<1)である必要がある
(さもないと待ち行列があふれる)
30
ジョブを処理
していない
ジョブを処理中
ジョブが到着した
全てのジョブが処理終了した
ジョブが到着
しない
ジョブが処理
終了しない
状態名 P0 とする 状態名 P1 とする
31
個々のサーバの状態と状態遷移
・K=1 なので,待ち行列の長さは0か1
・状態遷移の確率は,下図の通り
待ち行列の
長さが0
(ジョブを処理していない)
待ち行列の
長さが1
(ジョブを処理中)
λ⊿ t
μ⊿ t
1-λ⊿ t 1- μ⊿ t
32
M/M/1/1待ち行列でのサーバの状態遷移
状態名 P0 状態名 P1
P0( t +⊿ t ) = (1- λ⊿ t)P0(t) + μ⊿ tP1(t)
P1( t +⊿ t ) = λ⊿ tP0(t) + (1- μ⊿ t)P1(t)
33
M/M/1/1待ち行列でのサーバの状態遷移
lim P0(t), lim P1(t) を求めよう
t→∞ t→∞
t→∞ のとき P0(t) →P0, P1(t)→P1 (収束する)と仮定す
る
d P0( t )
dt
= -λP0(t) +μP1(t) だが(理由は後述)
仮定より,t→∞ のとき
d P0( t )
dt
= 0 なので
-λP0 +μP1 = 0
これと P0 +P1 = 1 から, P0 = , P1 =
λ+μ
μ
λ+μ
λ
34
M/M/1/1待ち行列での定常確率
P0( t +⊿ t ) = (1- λ⊿ t)P0(t) + μ⊿ tP1(t)
P0( t +⊿ t ) - P0(t) = -λ⊿ t P0(t) +μ⊿tP1(t)
= -λP0(t) +μP1(t)
= -(λ+μ)P0(t)+μ
⊿ t
P0( t +⊿ t ) - P0(t)
⊿ t
P0( t +⊿ t ) - P0(t)
(P0(t) + P1(t) = 1から)
P0(t)の方程式が求まった 35
M/M/1/1待ち行列での定常確率
lim = -(λ+μ)P0(t)+μ
= -(λ+μ)P0(t)+μ
⊿ t
P0( t +⊿ t ) - P0( t )
⊿ t→0
d P0( t )
dt
これは P0( t ) の微分方程式
P0( t ) = λ+μ
μ
+ ( P0( 0 ) - ) e
λ+μ
μ -(λ+μ)t
lim P0( t ) =
⊿ t→0 λ+μ
μ
36
M/M/1/1待ち行列での定常確率
定常状態における性質
-λP0 +μP1 = 0
つまり λ⊿ t lim P0(t) = μ⊿ t lim P1(t)
t→∞ t→∞
新たなジョブが⊿ t
以内に到着する確率
処理中のジョブが⊿ t
以内に完了する確率
37
• 定常状態
• lim P0(t) =
• lim P1(t) =
• 定常状態でのサーバ内のジョブ総数
• 0である確率: lim P0(t), 1である確率:lim P1(t)
t→∞
t→∞
ρ
1
1+ρ
1+ρ
t→∞
t→∞
(但し ρ= λ/μ)
38
まとめ
M/M/1 待ち行列
39
到着
サーバ
待ち行列
40
M/M/1 待ち行列
• 到着過程: ポアソン分布
• 処理時間分布: 指数分布
• サーバの個数: 1個
• 待ち行列の長さの制限: 制限なし
M/M/1 待ち行列
• 処理の窓口は1つ
• 処理を受けるための列は1つ
• いったん行列に加わったら,処理を受けるま
で待ち続ける
• ジョブの到着の仕方はポアソン分布に従う
• 処理時間の分布は指数分布に従う
41
• 時刻tにジョブが n 個ある確率: Pn(t)とおく
(n=0,1,2,・・・)
• 時刻 t+⊿t にジョブが1個もいないのは,次のいずれかの
場合
1. ジョブが1個もいなくて,⊿tに新たなジョブが来なかった
P(A)=P0(t)*(1- λ⊿t)
2. 1個のジョブが処理を受けていて,⊿tの間に処理が終了した
P(B)=P1(t)*μ⊿ t
• これらは独立な事象なので,
P0(t+⊿t) = P0(t)*(1-λ⊿t) + P1(t)* μ⊿t
42
時刻 t+⊿t の時点で,ジョブが1個もない確率
続き
• Pn(t) は,時刻に依存しない(定常状態)と考
えて
Pn(t +⊿ t) = Pn(t)
• 前ページの式に代入すると
P0(t) λ⊿ t=P1(t)μ⊿t
• つまり
P0(t) λ=P1(t)μ
43
Pn(t)
• 時刻が t から t + ⊿t になった時点で,ジョブの総数
が n である場合は以下の3通り
• 時刻tに n 個で,新たなジョブが到着せず,処理も終了し
なかった
P(A) = Pn(t)*(1-λ⊿ t)*(1-μ⊿ t)
= Pn(t)*(1-λ⊿t – μ⊿t)
• 時刻 t に n-1個で,新たなジョブが1つ到着した
P(B) = Pn-1(t)*λ⊿t
• 時刻 t に n+1 個で,ジョブの処理が1つ終了した
P(C) = Pn+1(t)*μ⊿t
44
• Pn(t+⊿t)=P(A)+P(B)+P(C)から
Pn(t)(λ + μ) = Pn-1(t)λ + Pn+1(t)μ
45
続き
λP0 = μP1
(λ+μ)P1 = λP0 +μP2
(λ+μ)Pi = λPi-1 +μPi+1
46
まとめ
以上から,定常状態における状態遷移
については,次が成り立つ
P1 = ρP0
P2 = (1+ρ)P1 -ρP0
= (1+ρ) ρ P0 -ρP0
= ρ P0
Pi = ρ P0
一方,ΣPi=1 なので Pi = (1-ρ)ρ
2
i
i
47
すべての状態の確率を P0 の式で書く
ΣPi = 1
つまり, P0(t)*(1+ρ +ρ +・・・) = 1
• ρ≧1
• 処理できるジョブ数より,やってくる方が多い
• 1+ρ +ρ +・・・は発散する
• ρ<1
• 1+ρ +ρ +・・・=1/(1-ρ) (発散しない)
• P0(t)=1-ρ
48
1 2
1 2
1 2
続き
N = ΣnPn
= Σn(1-ρ)ρ
=
Nw = Σ(n-1)Pn
= ΣnPn - (1-P0)
= N - (1-P0)
=
n
ρ
1-ρ
ρ
1-ρ
2
49
平均ジョブ数,平均待ちジョブ数
平均ジョブ数
• 平均ジョブ数をLとおくと
• Lを計算すると
L = ΣnPn
n=0
∞
L=
1-ρ
ρ
50
• 処理を受けているジョブを含まない待ち行列
内の平均ジョブ数: Lq
Lq=Σ(n-1)Pn
=Σ(n-1)(1-ρ)ρn
=ρΣ(n-1)(1-ρ)ρn-1
=ρΣn(1-ρ)ρn
=ρΣnPn
=ρL
Lq=
n=1
∞
n=1
∞
n=1
∞
n=1
∞
n=1
∞
1-ρ
ρ2
51
平均待ち時間
• ジョブが並びはじめて処理を受け始めるま
での時間の平均: Wq
Lq=λWq
• このことから
Wq = = =
λ λ(1-ρ) μ(1-ρ)
Lq ρ ρ2
52
おわりに
• 待ち行列の数理
• システム内のジョブ総数
• 待ち行列の長さ
• 待ち行列の定常状態
• 状態遷移
• 定常確率
「確率」を使って,待ち行列の
振る舞いをとらえる
53
• ある銀行には4つの窓口がある.この銀行に,1
分に1人の割合で客がポアソン到着するとしよう.
また,1人の客のサービス時間は平均3分の指数
分布に従うものとする.単純のために,1度銀行
に入った客は,サービスを受けるまで必ず待つと
いうことを仮定しよう
(1)この場合のケンドール表記を書け
M/M/4
練習1
54
(2)「定常状態」において,1分あたりに平
均で,客は何人帰るか
サーバ4つ
到着
待ち行列
1分あたり平均
1人到着する
1分にあたり
平均3分の処理時間
1分あたり平均
1人帰る
55
(3)システム処理能力(ρ)を答えよ.
サーバ4つ
到着
待ち行列
1分にあたり
平均3分の処理時間
1分あたり平均
1人帰る
1分あたり平均
1人到着する
λ=1, S=4, μ=1/3 より,
ρ= λ/Sμ = 3/4
56
• 1つの窓口しかない銀行を考える
• 客は,銀行にやってきたとき窓口が空いているか
どうか確認する
• 空いていれば窓口で用事を済ませる
• 空いていなければあきらめて家に帰り,銀行の用
事を忘れるものとする
到着
待ち行列なし
1分あたり平均
1人帰る
練習2
57
• 客は,平均20分あたり1人のポアソン分布
で銀行に到着し,すべての客は窓口に10分
間(等しい時間)滞在するとしよう.
• 客があきらめて帰る確率はいくらか
• 客の到着はλ = 1/20 のポアソン分布
• t = 10 を に代入
• 客が来てから次の客が来るまでの時間は, λ =
1/20 の指数分布
• t = 10 を 1- e に代入
(λt) e
k!
k -λt
k=0
-λt
58
• Aさんの電話の話し時間は,平均5分)の指
数分布に従うものと仮定する.
• Aさんに電話をかけたらたまたま話し中であった.
では,3分後に電話をかけたら再び話し中である
確率はいくらか
• 話し時間は,λ = 1/5 の指数分布
• t = 3 を 1- e に代入
話し時間がランダム
-λt
練習3
59

More Related Content

What's hot

JSIAM_2019_9_4
JSIAM_2019_9_4JSIAM_2019_9_4
JSIAM_2019_9_4
KoutaFunakoshi
 
【Unity道場スペシャル 2017博多】クォータニオン完全マスター
【Unity道場スペシャル 2017博多】クォータニオン完全マスター【Unity道場スペシャル 2017博多】クォータニオン完全マスター
【Unity道場スペシャル 2017博多】クォータニオン完全マスター
Unity Technologies Japan K.K.
 
AtCoder Regular Contest 030 解説
AtCoder Regular Contest 030 解説AtCoder Regular Contest 030 解説
AtCoder Regular Contest 030 解説
AtCoder Inc.
 
Vinculum
VinculumVinculum
Vinculumtomerun
 
programming camp 2008, introduction of programming, algorithm
programming camp 2008, introduction of programming, algorithmprogramming camp 2008, introduction of programming, algorithm
programming camp 2008, introduction of programming, algorithm
Hiro Yoshioka
 
動的計画法
動的計画法動的計画法
V6でJIT・部分適用・継続
V6でJIT・部分適用・継続V6でJIT・部分適用・継続
V6でJIT・部分適用・継続
7shi
 
公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性
Joe Suzuki
 
HPC Phys-20201203
HPC Phys-20201203HPC Phys-20201203
HPC Phys-20201203
MITSUNARI Shigeo
 
さるでも分かりたい9dofで作るクォータニオン姿勢
さるでも分かりたい9dofで作るクォータニオン姿勢さるでも分かりたい9dofで作るクォータニオン姿勢
さるでも分かりたい9dofで作るクォータニオン姿勢
ytanno
 
Incanterの紹介
Incanterの紹介Incanterの紹介
Incanterの紹介mozk_
 
SICP
SICPSICP
SICP
S W
 
RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)
RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)
RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)
pgf2alpha
 
PFDS 5.5 Pairing heap
PFDS 5.5 Pairing heapPFDS 5.5 Pairing heap
PFDS 5.5 Pairing heap
昌平 村山
 

What's hot (19)

動的計画法
動的計画法動的計画法
動的計画法
 
JSIAM_2019_9_4
JSIAM_2019_9_4JSIAM_2019_9_4
JSIAM_2019_9_4
 
【Unity道場スペシャル 2017博多】クォータニオン完全マスター
【Unity道場スペシャル 2017博多】クォータニオン完全マスター【Unity道場スペシャル 2017博多】クォータニオン完全マスター
【Unity道場スペシャル 2017博多】クォータニオン完全マスター
 
AtCoder Regular Contest 030 解説
AtCoder Regular Contest 030 解説AtCoder Regular Contest 030 解説
AtCoder Regular Contest 030 解説
 
Vinculum
VinculumVinculum
Vinculum
 
ggplot2 110129
ggplot2 110129ggplot2 110129
ggplot2 110129
 
Ppt kasawaki
Ppt kasawakiPpt kasawaki
Ppt kasawaki
 
programming camp 2008, introduction of programming, algorithm
programming camp 2008, introduction of programming, algorithmprogramming camp 2008, introduction of programming, algorithm
programming camp 2008, introduction of programming, algorithm
 
動的計画法
動的計画法動的計画法
動的計画法
 
V6でJIT・部分適用・継続
V6でJIT・部分適用・継続V6でJIT・部分適用・継続
V6でJIT・部分適用・継続
 
公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性公開鍵暗号(5): NP困難性
公開鍵暗号(5): NP困難性
 
HPC Phys-20201203
HPC Phys-20201203HPC Phys-20201203
HPC Phys-20201203
 
20140306 ibisml
20140306 ibisml20140306 ibisml
20140306 ibisml
 
さるでも分かりたい9dofで作るクォータニオン姿勢
さるでも分かりたい9dofで作るクォータニオン姿勢さるでも分かりたい9dofで作るクォータニオン姿勢
さるでも分かりたい9dofで作るクォータニオン姿勢
 
Tsukuba
TsukubaTsukuba
Tsukuba
 
Incanterの紹介
Incanterの紹介Incanterの紹介
Incanterの紹介
 
SICP
SICPSICP
SICP
 
RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)
RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)
RSA暗号で学ぶ初めてのCommonLisp #素因数分解(試行除算)
 
PFDS 5.5 Pairing heap
PFDS 5.5 Pairing heapPFDS 5.5 Pairing heap
PFDS 5.5 Pairing heap
 

Similar to wq-2. 待ち行列

フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜
フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜
フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜
Kenyu Uehara
 
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
Shunichi Sekiguchi
 
20120829_TaPL8
20120829_TaPL820120829_TaPL8
20120829_TaPL85th_person
 
立命合宿2016Day3:G問題
立命合宿2016Day3:G問題立命合宿2016Day3:G問題
第5章 時系列データのモデリング, 補助情報を考慮したモデリング
第5章 時系列データのモデリング, 補助情報を考慮したモデリング第5章 時系列データのモデリング, 補助情報を考慮したモデリング
第5章 時系列データのモデリング, 補助情報を考慮したモデリング
ksmzn
 
Fftw誰得ガイド
Fftw誰得ガイドFftw誰得ガイド
Fftw誰得ガイド
chunjp
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化Miyoshi Yuya
 
文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜
文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜
文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜
Takeshi Arabiki
 
X tapp lecture_20140226
X tapp lecture_20140226X tapp lecture_20140226
X tapp lecture_20140226xTAPP
 
プログラミング言語 Julia の紹介
プログラミング言語 Julia の紹介プログラミング言語 Julia の紹介
プログラミング言語 Julia の紹介
Kentaro Iizuka
 
Rによるデータサイエンス:12章「時系列」
Rによるデータサイエンス:12章「時系列」Rによるデータサイエンス:12章「時系列」
Rによるデータサイエンス:12章「時系列」
Nagi Teramo
 
公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性
Joe Suzuki
 
JOIss2020 発表資料
JOIss2020 発表資料JOIss2020 発表資料
JOIss2020 発表資料
mdkcpp 1015
 
Rnncamp2handout
Rnncamp2handoutRnncamp2handout
Rnncamp2handout
Shin Asakawa
 

Similar to wq-2. 待ち行列 (15)

フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜
フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜
フーリエ解析〜「フーリエ級数」から「高速フーリエ変換」まで〜
 
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会PILCO - 第一回高橋研究室モデルベース強化学習勉強会
PILCO - 第一回高橋研究室モデルベース強化学習勉強会
 
20120829_TaPL8
20120829_TaPL820120829_TaPL8
20120829_TaPL8
 
立命合宿2016Day3:G問題
立命合宿2016Day3:G問題立命合宿2016Day3:G問題
立命合宿2016Day3:G問題
 
第5章 時系列データのモデリング, 補助情報を考慮したモデリング
第5章 時系列データのモデリング, 補助情報を考慮したモデリング第5章 時系列データのモデリング, 補助情報を考慮したモデリング
第5章 時系列データのモデリング, 補助情報を考慮したモデリング
 
Fftw誰得ガイド
Fftw誰得ガイドFftw誰得ガイド
Fftw誰得ガイド
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化
 
文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜
文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜
文字列カーネルによる辞書なしツイート分類 〜文字列カーネル入門〜
 
X tapp lecture_20140226
X tapp lecture_20140226X tapp lecture_20140226
X tapp lecture_20140226
 
プログラミング言語 Julia の紹介
プログラミング言語 Julia の紹介プログラミング言語 Julia の紹介
プログラミング言語 Julia の紹介
 
Rによるデータサイエンス:12章「時系列」
Rによるデータサイエンス:12章「時系列」Rによるデータサイエンス:12章「時系列」
Rによるデータサイエンス:12章「時系列」
 
公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性公開鍵暗号2: NP困難性
公開鍵暗号2: NP困難性
 
JOIss2020 発表資料
JOIss2020 発表資料JOIss2020 発表資料
JOIss2020 発表資料
 
Jokyo20110711
Jokyo20110711Jokyo20110711
Jokyo20110711
 
Rnncamp2handout
Rnncamp2handoutRnncamp2handout
Rnncamp2handout
 

More from kunihikokaneko1

cs-8. 表計算ソフトウエアを用いたデータの扱い
cs-8. 表計算ソフトウエアを用いたデータの扱い cs-8. 表計算ソフトウエアを用いたデータの扱い
cs-8. 表計算ソフトウエアを用いたデータの扱い
kunihikokaneko1
 
cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション  cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション
kunihikokaneko1
 
cs-6. データベースとデータサイエンス
cs-6. データベースとデータサイエンスcs-6. データベースとデータサイエンス
cs-6. データベースとデータサイエンス
kunihikokaneko1
 
cs-5. 人工知能の概要
cs-5. 人工知能の概要 cs-5. 人工知能の概要
cs-5. 人工知能の概要
kunihikokaneko1
 
cs-4. プログラミング入門
cs-4. プログラミング入門cs-4. プログラミング入門
cs-4. プログラミング入門
kunihikokaneko1
 
cs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックス
cs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックスcs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックス
cs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックス
kunihikokaneko1
 
cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素
cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素 cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素
cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素
kunihikokaneko1
 
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタcs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
kunihikokaneko1
 
mi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョンmi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョン
kunihikokaneko1
 
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
kunihikokaneko1
 
mi-6. 画像分類システム
mi-6. 画像分類システムmi-6. 画像分類システム
mi-6. 画像分類システム
kunihikokaneko1
 
mi-5. ディープラーニング
mi-5. ディープラーニングmi-5. ディープラーニング
mi-5. ディープラーニング
kunihikokaneko1
 
mi-4. 機械学習
mi-4. 機械学習mi-4. 機械学習
mi-4. 機械学習
kunihikokaneko1
 
mi-3. データサイエンス・AIの演習
mi-3. データサイエンス・AIの演習mi-3. データサイエンス・AIの演習
mi-3. データサイエンス・AIの演習
kunihikokaneko1
 
mi-2. データサイエンス・AIの事例
mi-2. データサイエンス・AIの事例mi-2. データサイエンス・AIの事例
mi-2. データサイエンス・AIの事例
kunihikokaneko1
 
mi-1. 人工知能の概要
mi-1. 人工知能の概要mi-1. 人工知能の概要
mi-1. 人工知能の概要
kunihikokaneko1
 
kaneko202304.pptx
kaneko202304.pptxkaneko202304.pptx
kaneko202304.pptx
kunihikokaneko1
 
Coding Standards of C++ について
 Coding Standards of C++ について  Coding Standards of C++ について
Coding Standards of C++ について
kunihikokaneko1
 
co-3. サブクラス、継承
co-3. サブクラス、継承co-3. サブクラス、継承
co-3. サブクラス、継承
kunihikokaneko1
 
co-2. メソッド定義と呼び出し
co-2. メソッド定義と呼び出しco-2. メソッド定義と呼び出し
co-2. メソッド定義と呼び出し
kunihikokaneko1
 

More from kunihikokaneko1 (20)

cs-8. 表計算ソフトウエアを用いたデータの扱い
cs-8. 表計算ソフトウエアを用いたデータの扱い cs-8. 表計算ソフトウエアを用いたデータの扱い
cs-8. 表計算ソフトウエアを用いたデータの扱い
 
cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション  cs-7. 乱数,シミュレーション
cs-7. 乱数,シミュレーション
 
cs-6. データベースとデータサイエンス
cs-6. データベースとデータサイエンスcs-6. データベースとデータサイエンス
cs-6. データベースとデータサイエンス
 
cs-5. 人工知能の概要
cs-5. 人工知能の概要 cs-5. 人工知能の概要
cs-5. 人工知能の概要
 
cs-4. プログラミング入門
cs-4. プログラミング入門cs-4. プログラミング入門
cs-4. プログラミング入門
 
cs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックス
cs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックスcs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックス
cs-3. パノラマ画像,ストリートビュー,3次元コンピュータグラフィックス
 
cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素
cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素 cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素
cs-2. コンピュータによる画像制作,人工知能でできること,情報のコード化,デジタル画像,画素
 
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタcs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
 
mi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョンmi-8. 人工知能とコンピュータビジョン
mi-8. 人工知能とコンピュータビジョン
 
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
mi-7. 学習と検証, 学習不足, 過学習, 学習曲線
 
mi-6. 画像分類システム
mi-6. 画像分類システムmi-6. 画像分類システム
mi-6. 画像分類システム
 
mi-5. ディープラーニング
mi-5. ディープラーニングmi-5. ディープラーニング
mi-5. ディープラーニング
 
mi-4. 機械学習
mi-4. 機械学習mi-4. 機械学習
mi-4. 機械学習
 
mi-3. データサイエンス・AIの演習
mi-3. データサイエンス・AIの演習mi-3. データサイエンス・AIの演習
mi-3. データサイエンス・AIの演習
 
mi-2. データサイエンス・AIの事例
mi-2. データサイエンス・AIの事例mi-2. データサイエンス・AIの事例
mi-2. データサイエンス・AIの事例
 
mi-1. 人工知能の概要
mi-1. 人工知能の概要mi-1. 人工知能の概要
mi-1. 人工知能の概要
 
kaneko202304.pptx
kaneko202304.pptxkaneko202304.pptx
kaneko202304.pptx
 
Coding Standards of C++ について
 Coding Standards of C++ について  Coding Standards of C++ について
Coding Standards of C++ について
 
co-3. サブクラス、継承
co-3. サブクラス、継承co-3. サブクラス、継承
co-3. サブクラス、継承
 
co-2. メソッド定義と呼び出し
co-2. メソッド定義と呼び出しco-2. メソッド定義と呼び出し
co-2. メソッド定義と呼び出し
 

Recently uploaded

【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
harmonylab
 
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。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.
 
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
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance
 
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
Fukuoka Institute of Technology
 
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)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
 
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
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.
 
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
Matsushita Laboratory
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance
 
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」.pptx2024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
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance
 
CS集会#13_なるほどわからん通信技術 発表資料
CS集会#13_なるほどわからん通信技術 発表資料CS集会#13_なるほどわからん通信技術 発表資料
CS集会#13_なるほどわからん通信技術 発表資料
Yuuitirou528 default
 
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
Sony - Neural Network Libraries
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance
 
論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...
論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...
論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...
Toru Tamaki
 

Recently uploaded (16)

【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
 
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。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
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
 
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレータによる 複数物体の同時組み立ての 基礎的考察 / Basic Approach to Robotic Assembly of Multi...
 
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)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)
 
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
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
 
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基礎検討_JSAI2024
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
 
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」.pptx2024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
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
 
CS集会#13_なるほどわからん通信技術 発表資料
CS集会#13_なるほどわからん通信技術 発表資料CS集会#13_なるほどわからん通信技術 発表資料
CS集会#13_なるほどわからん通信技術 発表資料
 
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
 
論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...
論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...
論文紹介:When Visual Prompt Tuning Meets Source-Free Domain Adaptive Semantic Seg...
 

wq-2. 待ち行列