Thoth Children | 知識と質問が集まる技術学術情報集積所

Thoth Children!!|

Subject

Purpose

新規Thoth投稿

開世界仮説

開世界仮説(Open World Assumption)とは、まだ真または偽とはっきりしない事柄について真かもしれないという導出を行う仮説.データベースなどは十分なデータがあって不足はないと考えられるため、閉世界仮説を使用するが、Semantic Webなどにおいては開世界仮説を使用する.

マンハッタンワールド仮説

マンハッタンワールド仮説(Manhattan World Assumption)は、人間が造った人工物の多くは直交座標系に平行に作られているという仮定.これによって、壁や天井などをx方向,y方向,z方向に平行な拘束があるものと改定することができる.

失敗による否定

失敗による否定(negation as failure)は、Prologなどの論理プログラミングにおいて活用される「真であると導けなかった事柄は偽」と導出すること.

閉世界仮説

閉世界仮説(Close world assumption: CWA)は、真ということが示されていない証明されていないものは全て偽とする仮説のこと.データベースなどの完全な情報を持つシステムでは閉世界仮説となっている.すなわち知らない情報は存在しないもの.Prologなどにおいても「失敗による否定」は閉世界仮説によるもの.

機械学習による自動クリッピング

近年はSNSでの画像の使用が多くなり、サイズの問題上それの画像の一部のみ見せる必要があることが多い.そこで各画像の自動的なクリッピングが必要となってきている.ここではTwitterにおいてそれを機械学習で行なっている例を紹介する.

シームカービングとは

シームカービングは画像全体の中で除去しても問題ない部分を縦または横に横切るようにして検出してその部分を除去することで画像サイズを縮小する画像縮小手法.拡大には使用できない.エネルギーを定義してその値が少ないところを見つけ出し、画像の端から端まで進みその軌跡を除去する.

爆風消火は主に森林や油田の消火などで用いられる消火手法で、可燃物を爆風によって飛ばすこと(破壊消火)や火炎自体を吹き飛ばすことで瞬間的に消火することができる.

消火の4要素

消火の3要素に燃焼継続を断つための抑制消火が加えられた消火の4要素と呼ぶ.消火器で最も普及している粉末消火器はこの抑制作用による消火を主としている.

消火の3要素

可燃物、酸素供給源、熱源の3つが全て存在しないと火は続かないためこの要素を消火の3要素と呼びます.それぞれの除去方法は除去消火、窒息消火、冷却消火と言います.

ライスの定理

「プログラムAがある性質Fを持つかどうかが自明でないときそれを判定できるプログラムは存在しない」ことを示す定理.このライスの定理はチューリングマシンの停止性問題を一般化したものになっている.

チューリングマシンの停止性問題

停止性問題は、任意のプログラムが任意の入力が与えられて停止するかどうかを判定するプログラムは存在するかに関する問題.存在しないことが背理法によって示すことが可能.

シャドウグラフによる可視化

シャドウグラフ法(Shadow Graph)は点光源とスクリーンを用いた単純な構成で気体や液体の濃度の変化を可視化する技術.シュリーレン法より以前は頻繁に用いられていたが、気体の濃度の二次微分になりまたシュリーレン法よりもコントラストが得られにくい.

グラッドストーン・デールの式

グラッドストーン・デールの式(Gladstone-Dale Relation, rule)は、気体による定数を用いて密度と屈折率を関連づける式.

背景型シュリーレン法

背景型シュリーレン法(BOS, Background-Oriented Schlieren)は液体や気体の濃度勾配を可視化するのに用いられる一般的な手法の一つ.通常のシュリーレン法よりも簡易なシステムにおいて実現することができレンズやナイフエッジなどが不要となっている.太陽や月の光を用いて航空機の周りの衝撃波を可視化することも可能.基準画像との相互相関法によって画像を生成する.

シュリーレン法

シュリーレン法は、空気の状態によって密度が変化し屈折率が変化することを利用して平行光でその状態を可視化する手法.メジャーな手法の一つでShadowGraph(影絵)より微細な変化を鮮明に映し出すことが可能です.

Growing Neural Gas

Growing Neural Gas(成長型ニューラルガス)とは、教師なしニューラルネットワークの一つで、Neural Gasが強く初期値に依存してしまうのを避け必要とあればネットワークを拡張するNeural Gasの一種.良い性能を発揮することで知られ、クラスタ分析においてはk-meansよりも優れていると言われる.

競合学習(Competitive Learning)とは教師なし学習で頻繁に行われる学習で、最も入力データに反応したニューロンのみ更新したりするようなニューロン同士で競わせるような学習.winner-take-allな学習で勝者となったニューロンは入力データにより近くなるように更新する.自己組織化マップは競合学習の一つ.競合学習では入力層と競合層を持つ.

Neural Gasは元々の多数の入力ベクトルデータを少数の特徴的なベクトルを用いて代用するベクトル量子化に利用されるニューラルネットワーク. Neural Gasはよく自己組織化マップ(SOM)と比較されるが、自己組織化マップは学習時に隣接ベクトルとの制約があるのに対してNeural Gasはそれを持たない.

自己組織化マップ

自己組織化マップ(Self-organizing maps, SOM)は大脳皮質の視野覚をモデル化したニューラルネットワークの一種で教師なし学習によって次元圧縮を実現する技術.任意の次元の入力ベクトルを任意の次元の出力に写像することができるが、入力ベクトルの方が次元が高く、一般的に出力の次元は1次元から3次元に写像することが多い.繰り返し計算によって学習を行う.

カメラのみで気流を可視化したい

粒子などのトレーサーを流すことなく、レンズとカメラのみで気流を可視化する方法についてまとめています.最も有名な手法は、衝撃波の可視化などに用いられるシュリーレン法.他にシャドウグラフ(Shadow Graph)や干渉計を用いたものなどがある.

Pop技術

K

点が三角形の内側か判定したい
S

ロボットの力制御の種類
K

同次変換行列
S

GAN
K

インピーダンス制御
S

重力補償機構
K

ベクトルを特定の平面に射影したい
S

点群から検出したい
K

ベクトルを別のベクトルに射影したい
S

気体の可視化手法
K

行列を分解して上下三角行列が欲しい
S

ロボットエンドエフェクタの位置制御
K

アドミッタンス制御
S

オプティカルフロー
K

点が直線上の右か左にあるか判定したい
S

点群を間引きたい
K

ヤコビ行列による逆運動学
S

ニューラルネットワーク
K

時系列間の類似度計算を選ぶ
S

逆運動学
K

パーティクルフィルタ
S

ニューラルネット学習の工夫
K

シャドウグラフによる可視化
S

点群をデータ構造で持つ
K

ピンホールとレンズの違いを知りたい
S

RELU系活性化関数
K

多変数関数の極大極小を判定したい
S

点群から特徴量を出したい
K

シンプルに逆行列を求めたい
S

Convolution
K

力制御
S

ベクトル間の類似度が欲しい
K

平面と平面のなす角度
S

活性化関数基本
K

確率分布間の差異で類似度を求めたい
S

二値化フィルタ
K

グラッドストーン・デールの式
S

Pooling
K

点群データから法線算出をしたい
S

極大極小鞍点か判定したい
K

シュリーレン法
S

シートベルトの仕組みを知りたい
K

勾配に注目したオプティカルフロー
S

Sigmoid系活性化関数
K

CTC損失関数
S

DeepLearningとは
K

Lucas Kanade法
S

時系列間の類似度が欲しい
K

点群から最近傍点を検出したい
S

Adam系最適化関数
K

点群を平面に近似したい
S

いろいろな距離が欲しい
K

オプティカルフローとは
S

点群処理を実装したい
K

点群の形状的局所特徴量を出したい
S

点群から法線を出したい
K

グレンジャー因果検定
S

特殊な層
K

文字列を簡単な置換による暗号化したい
S

ロボットのリンクの数学的基礎

人気分野/目的