従来、高度な回路技術であった高速A/D変換技術は、ごく一部の機器にのみ利用されていました。 しかし、近年のLSI技術の急速な進歩は、それを身近なものにし、その応用範囲を様々な分野にまで広げています。デジタル・オシロスコープは、このような技術的背景のもとに成長し普及してきました。デジタル化されたことにより、従来のアナログ・オシロスコープには、不可能であった様々な機能が実現されています。 岩通は、永年にわたり、アナログ・オシロスコープやデジタル・メモリを手掛けてきましたが、その中で培われたノウハウと技術の融合を計ることにより、優れたデジタル・オシロスコープを皆様に提供し続けております。 １．デジタル・オシロスコープの原理 1-27図は、2チャネル入力のデジタル・オシロスコープのブロック図を示します。 入力端子に加えられた入力信号は従来のオシロスコープと同様に感度切換えのためのアッテネータを介し

当ウェブサイトでは、お客様の利便性の向上およびサービスの品質維持・向上を目的として、クッキーを利用しています。 それらのクッキーの受け入れを拒否する場合には「同意しない」を、クッキーの使用に同意頂ける場合は「同意する」をクリックしてください。 クッキー同意設定は、クッキーポリシーの「5.クッキー同意設定の変更」でいつでも変更できます。 This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of ba

当ウェブサイトでは、お客様の利便性の向上およびサービスの品質維持・向上を目的として、クッキーを利用しています。 それらのクッキーの受け入れを拒否する場合には「同意しない」を、クッキーの使用に同意頂ける場合は「同意する」をクリックしてください。 クッキー同意設定は、クッキーポリシーの「5.クッキー同意設定の変更」でいつでも変更できます。 This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of ba

オシロスコープの原理 現象をありのままに見たい オシロスコープのない時代には、電圧や電流を測定するのに電圧計や電流計を使って測定していました。ところが、たとえば100Vの電圧を測定したとしても、さてそれがパルスであるのか、あるいはもっとちがった波形であるのかを知るよしもありませんでした。オシロスコープの出現によって、時間とともに変化する電気現象をメータの数字や針の振れではなく波形という形で見ることができるようになり、電気の利用がエネルギーから信号へと拡がっていくなかで、オシロスコープはその発展に大きな役割を担っていったのです。 オシロスコープの原理　ブラウン管 オシロスコープは波形を表示する手段にブラウン管を用いています。ブラウン管は陰極線管（Cathode Ray Tube）とも呼ばれ、ドイツの科学者ブラウンによって発明されました。ブラウン管は、その後、改良に改良を重ねられ、広帯域、高感

機械学習を学ばねばなあと思っている、けどあんまり本格的に勉強してない、という状況を脱するために一冊の本を読みました。『言語処理のための機械学習入門』です。なぜならば、デキる友人が「定番の『パターン認識と機械学習』を読む前に『言語処理のための機械学習入門』と『わかりやすいパターン認識』と『統計的機械学習』を読むと読み進めやすくなる」と薦めてくれたからです。『パターン認識と機械学習』については、僕は2年前に初めて読んで挫折し、去年2度目にトライして挫折しています。 僕のバックグラウンドですが、情報系の大学院修士課程2年、コンピュータビジョンと機械学習が少しだけわかる、といった感じです。今年度で卒業なのに『パターン認識と機械学習』すら読めないのはこの界隈の人間としては非常に情けない事態ですので、それを何とかするために読んでいるわけです。上記3冊のうち『わかりやすいパターン認識』については既読です

と の対応を学習するにはそれぞれの次元が大きすぎる (音声の場合には音声の長さとともに次元の大きさも変化してしまう)ので， その前処理として次元を減らす処理をする必要がある． まず第一にすべき ことはそれぞれ生データをある固定した次元の特徴量に変換することである． どのような特徴量をとれば よいかという問題は情報源の種類に大きく依存するのでこれに関しては 実験の学習データの節で述べる． 特徴量に変換された後もそれぞれのデータはまだかなり大きい次元であることが 普通である． 大きい次元同士の対応関係をとるのは汎化や計算量の観点から 難しい． また，特徴量はそれぞれの情報源ごとに独立して設計されたもので あり，情報源の間の対応を考える際には不要な情報も多く含まれている． そのために正準相関分析[68,18,92]によって，複数の情報源の 対応づけに必要な情報だけを取り出す． 正準相関分析とは，