はじめに ２月のはじめ頃、CMakeを使ってビルドを自動化しようと思い、色々ググってCMakeLists.txtを作り試行錯誤したのですが、その時は結局断念しました。というのも、abcというステップがあるとすると、ググッて得られる解説はabcのaやbが抜けていきなりcから解説されたものが多く、初心者にはきつかったからです。特にcmake.orgのチュートリアルはまさにその典型で、チュートリアルのStep 1からして長過ぎて、本当に何が必要なのかわかりにくい・・・orz ところが、今学期受けているHigh Performance Computingという講義で行われたCMakeの使い方の解説がわかり易すぎて、あっという間に自作ライブラリをCMakeでコンパイルすることができるようになり、CMakeの便利さに感動してしまいました。私と同じくCMake初心者という方にこの感動を共有すべく、ここに

このような現象において, 一般にセンサで測るなどして得られる出力は$x$の一部であり, しかもセンサノイズ等が含まれる場合が多いです. この場合, よく使われるオンライン推定手法としてカルマンフィルタが用いられますが, 一般のカルマンフィルタは線形システムにしか適用できず, 非線形システムに対しては非線形カルマンフィルタと呼ばれるものを適用する必要があります. 非線形Kalman Filter 非線形Kalman Filterには大きくわけて4種類(厳密には3種類?)あります. 拡張カルマンフィルタ(Extended Kalman Filter) 毎時刻, 推定値周りで線形近似を行うことで線形カルマンフィルタの手法を適用します. 線形近似を行っているため, 非線形性が強いとすぐ発散してしまいます. 無香料カルマンフィルタ(Unscented Kalman Filter) 状態空間上に分布す

\frac{ \partial f }{ \partial \boldsymbol{x} } = \left( \begin{array}{ccccc} \frac{ \partial f }{ \partial {x}_{1} }, & \cdots & \frac{ \partial f }{ \partial {x}_{i} }, & \cdots & \frac{ \partial f }{ \partial {x}_{n} }\ \end{array} \right)^T \in \mathbb{ R }^n \begin{eqnarray*} \frac{ \partial }{ \partial \boldsymbol{x} } \boldsymbol{a}^T\boldsymbol{x} &=& \boldsymbol{a} \\ \frac{ \partial }{ \p

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

初めに この記事は、Machine Learning Advent Calendar 2016 5日目の記事です。 複数の学習器（弱学習器、weak learner）を組み合わせてよりより性能の高い学習器（強学習器、strong learner）を作る、アンサンブル学習の手法の一つ、ブースティング。 その中でも代表的な、AdaBoost。 PRML本にも載っている（日本語版下巻p.374）しググれば実装例もいくらでも出てきますけれど、弱学習器として一番単純な決定株（decision stump）を用いた例ばかり。 それを他のものに変えたら、性能にどう影響するか。思いつきで実験してみました。1 実験環境 Mac OSX 10.11.6 Core i7 3.1GHz / 16GB RAM Julia v0.5.0 IJulia（Julia の Jupyter カーネル）、Gadfly（Juli

こんにちは。 Kaggleをやるにあたって(というかふつうに勉強したかったのもある)、アンサンブル学習の方法は勉強しておく必要があるようなーと思って、勉強してみました。 他のブースティングやスタッキング、アンサンブル学習全般については以下の記事をどうぞ。 st-hakky.hatenablog.com それでは、調べた内容についてまとめていきたいと思います。 ◯Bagging(バギング)とは Bagging(バギング)は、bootstrap aggregatingの略です。名前から分かる通り、各学習器に使う学習用データをブースストラップサンプリングによって得て、その学習した学習器を予測に用いて最後アンサンブルするという方法になります。 あんまり区別がされている資料を見かけないんですが、これとよく似た方法にPastingというものもあります。Pastingは、重複有りのランダムなbootst

社内でKubernetesハンズオンをやってみたのでおすそ分け。 参加者6人からバンバン出てくる質問に答えながらやって、所要時間4時間ほどでした。 SpeakerDeckにも資料を上げています。 https://speakerdeck.com/ktam1219/yaruze-kuberneteshanzuon (2019/07/11追記) 続編書きました！ -> 今度はあんまりゴツくない！？「わりとゴツいKubernetesハンズオン」そのあとに ハンズオンの目標 Kubernetesとお友達になる イメージを掴む 触ってみる(ローカル・EKS・ちょっとGKE) 構築・運用ができるような気分になる 巷にあふれるKubernetesの記事・スライドが理解できるようになる EKSがメインになっているのは、会社の業務でAWSを使うことが多いからです。 純粋にKubernetesを勉強したいだけな

1回目: 開発環境の準備 <--- 今回の内容 2回目: Hello Worldプロジェクト 3回目: PSのGPIOでLチカ 4回目: PLのAXI GPIOでPSからLチカ 5回目: PLだけでLチカ 6回目: 自作IPでLチカ 7回目: ブートイメージを作る 8回目: Linux起動する 9回目: Linuxカーネルを少しカスタマイズする 10回目: LinuxのRootFSをカスタマイズする / PythonでHello World 11回目: LinuxユーザアプリケーションでLチカ 12回目: LinuxカーネルモジュールでLチカ 13回目: LAN(Ethernet 0)を使う 14回目: Linuxユーザアプリをデバッグする / RootFSに取り込む 15回目: Linux起動時にアプリケーションを自動実行させる 16回目: Linuxから自作IPをUIOで制御する 17

はじめに こんにちは @ta-ka です． この記事は 数学とコンピュータⅡ Advent Calendar 2017 の25日目の記事です． pythonで制約ボルツマンマシンを実装しました． 教科書として『深層学習』を使いました． 本記事の構成 はじめに 制約ボルツマンマシン ボルツマン分布 条件付き分布 対数尤度関数 パラメータ更新 CD法 実装 結果 おわりに 制約ボルツマンマシン 下図のような構造を持つ無向グラフを考えます． $v_{i}$ を可視変数，$h_{j}$ を隠れ変数と呼び，$v_{i}, h_{j}$ は $0$ か $1$ の値をとります． ボルツマン分布 ボルツマン分布を下式で定義します． 指数部分の値が大きいほど，$\boldsymbol v, \boldsymbol h$ の生起確率が高くなるような分布です． \begin{align} p(\boldsym

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? #はじめに ※）「目標関数」をより一般的な名称である「損失関数（Loss Function）」表記に改めました．(2015Oct19) 誤差逆伝播法（以下，Backprop）は多層パーセプトロンを使う人にとってお馴染みのアルゴリズムですよね． いや，これだけ有名なアルゴリズムなのでちょっとネットで探してみれば沢山解説を見つけることが出来るのですが，Backpropを予測誤差の最小化に適用する場合の説明しかみつからないんです．（とはいえ，PRMLをちゃんと読めば全部載ってるんですが）. Backpropでできることは何なのか？ ということ

(2019/04/14追記) tslint-loaderのtypecheckオプションを付けるとビルドが大幅に遅くなるようです。 しかし、typecheckをtrueにしておかないとビルド時にwarningが出ます。 https://github.com/wbuchwalter/tslint-loader/issues/76 tslint以外を使用するか、ビルド時にはlinterチェックはせず、pre-commitのタイミングでlinterを単体で走らせるようにしたほうが良さそうです。 この記事に関してもtslint-loader関連の部分は削除しました。 はじめに babel7がリリースされましたね！ それに伴いtypescriptもサポートされたのでbabel単体でtsのビルドができるようになりました。 しかしbabelはtypescriptから型情報を取り除くだけなので型チェックまで

はじめに SonarQubeは日本語のドキュメントが少なく導入に苦労したので、同じように導入を試みようとする方の手助けになればと思い、使い方などまとめておこうと思います。 （２週に１度程度の頻度です） 記載する予定のもの 概要（今回） インストール方法(CentOS 7にSonarQubeを立ち上げる) Maven、Jenkinsを使用してCIに組み込む SonarQubeで行った品質レポートの見方 SonarQubeのバージョンアップ方法 SonarQubeとは スイスのSonarSource社が主に開発を行っている統合的なプログラム品質管理を行える統合品質管理ツールです。 SonarQubeのHP 何ができるのか 様々な言語で書かれたソースコードに対して、静的解析チェックを実行して、その結果をWebで閲覧できる。 JUnitなどでユニットテストを実行して、テスト成功数、失敗数、カバレッ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

情報推進機構「安全なWebサイトのつくりかた」を読んだけど 情報量が多すぎて頭がフリーズしたので、現時点で最低限理解できる内容までを記録しておきます。 誰にでもわかるというより、僕にでもわかる文章で書いていますのでご了承ください。 Webアプリケーションのセキュリティ実装 例として、１１種類のセキュリティ脆弱性が挙げられています。 「何がまずいのか？」「どんなアプリで注意が必要なのか？」を 噛み砕いてからまとめていきます。 SQLインジェクション Part1（本記事） https://qiita.com/E-46/items/93199f38bdacd6b6076a OS コマンド・インジェクション Part2 https://qiita.com/E-46/items/aa43b6a01de8ab205591 1. SQLインジェクション どんな脆弱性なのか インジェクションとは「注入、投

Webpack4とBabelを使うに当たってのテンプレートです。 簡単な説明 Webpackとは node.jsで動くモジュールバンドラーです。コーディング時はモジュール単位で開発して、ビルド時にCSS、画像を含むすべてのコードを１つのJSにまとめて吐き出すことができます。 今回は、CSS、画像を別々にするパターンも書いてます。 Babelとは 最新のJavaScriptの機能をブラウザのサポートを待たずにして使えるようにするためのトランスパイラです。 たとえばES6で書いたコードをどのブラウザでも動く旧来のコードに変換します。 Webpackと連携して使います。 初期化とインストール node.jsなのでnpm initします。 設定に関してはお好みですがエンター連打でいいと思います。

はじめに マイナンバーカードでSSHするでは、マイナンバーカードから公開鍵を取り出したり、マイナンバーカードの機能で認証するといった方法が紹介されている。この記事を参考に、マイナンバーカードの機能を使ってデータに署名をし、その署名をマイナンバーカードから取り出した公開鍵で検証するということを行った。 非接触式ICカードリーダの入手 今回の実験には用いた非接触式ICカードリーダは次の製品である。 ACR1251CL-NTTCom この製品はOS XとWindowsのどちらにも対応しているとのことだが、今回はOS Xのみで実験をしている。後の操作は、この製品のドライバをインストールしてから行う。 OpenSCのインストール マイナンバーカードでSSHするの著者であるhamanoさんにより、OpenSCの本体にマイナンバーカードへの対応がマージされたので、OS Xならばhomebrewからインス

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Kubernetesを一言で言うと、自動デプロイ、スケーリング、アプリ・コンテナの運用自動化のために設計されたオープンソースのプラットフォームです。 Kubernetesによって、要求に迅速かつ効率良く対応ができます。 アプリを迅速に予定通りにデプロイする (コンテナをサーバー群へ展開する) 稼働中にアプリをスケールする（稼働中にコンテナ数を変更する） 新機能をシームレスに提供開始する (稼働中にロールアウトする) ハードウェアの利用率を要求に制限する (コンテナで共存させて稼働率を高くする） Kubernetesのゴールは、下記の様な

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

QiitaでもMicrosoftによるGitHub買収でいろいろと盛り上がっていますが，よほどのアンチMSでもなければ，特にGitHubからGitLabへ移行することも無く「ふーん」で終わってしまうでしょう． しかし，GitLabにはGitHubには無い魅力も満載です！ （わかりやすいところでは，プライベートリポジトリが無限に作れるところとか．GitHubもMicrosoftに買収されてやってくる気もしますが） 見方によっては本番DBを吹き飛ばしかけたところも，とてもお茶目でかわいらしいですね GitLabの目玉機能 CI/CD Pipeline 今回はその魅力の一つ， CI / CD機能のご紹介です． もちろん無料です （が， 1ユーザ1ヶ月あたり2,000分の制限があります ） GitHubの場合，別途 Travis や CircleCI，Drone.ioといった外部のCIサービスと，