「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.143～146の写経です。 github.com Sigmoid層のpython実装 # coding: utf-8 import numpy as np def main(): sigmoid = Sigmoid() x = np.array( [[1.0, -0.5], [-2.0, 3.0]…

「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.141～142の写経です。 github.com Relu層のpython実装 # coding: utf-8 import numpy as np def main(): relu = Relu() x = np.array( [[1.0, -0.5], [-2.0, 3.0]] ) # 準…

「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.129～132の写経です。 基本は、上流からの値と偏微分の乗算 応用例? 合成関数での逆電波 基本は、上流からの値と偏微分の乗算 まず、を計算グラフで表すと、下図の通りです…

キカガクによる以下のurlが分かりやすいと思います。 ニューラルネットワークの理論（逆伝播） - KIKAGAKU

GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016) 「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.112～121 の写経です。 また、以下のキカガクのページも分か…

GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016) 「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.89～108 の写経です。 目次 損失関数としての 交差エントロ…

GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016) 「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.64～65の写経です。 「学習済の為、重みやバイアスは確定済…

GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016) 「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」 p.44～52の写経です。 行列を引数として扱う為、numpyを利用し…

GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016) 「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」p.23 ～33の写経です。 # coding: utf-8 import numpy as np im…

GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016) 「ゼロから作るDeep Learning ① (Pythonで学ぶディープラーニングの理論と実装)」p.60 の写経です。 ニューラルネットワーク図 1 x 1 x 2 a (1) …

不動産住宅の間取り図の自動認識は、おもしろそうではありますが、 下記2の「We share all our annotations and train-test split file here.」から アノテーション他を取得できず、試すこともできず 古いエントリですので、さくじょされたんですよね。きっ…

先程のentryで decision tree を使いましたので、 おまけで、ランダムフォレスト #!/usr/local/bin/python3 # -*- coding: utf-8 -*- from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.ensemble …

【機械学習】決定木をscikit-learnと数学の両方から理解する - Qiita 上記urlの写経 + 少々、修正です 目次 決定木作成とsvg出力を行うpython script 頂上nodeにある gini, samples, value, class の意味 gini = 0.497 samples = 13 value = [6,7] class = T…

国土地理院APIでお手軽ジオコーディング＆逆ジオコーディング - 芽萌丸 国交省 国土地理院のサイトには、 GEOコーディングAPIの資料が見つかりませんでしたが、 上記urlで見つけたのでメモ。 GoogleMap APIと比較すると、精度(情報粒度)は粗いようですが。 G…

重回帰分析は量的なものの予測に利用される為、 次の回帰式で表されます。 ロジスティック回帰の回帰式は、上記に似ていますが、 合格/不合格のような2値の確率予想に使用される為、 次の回帰式で表されます。 line, polyline, path { stroke : #20285A; str…

先程のentryの重回帰分析版です。 回帰式 単回帰も重回帰も同様の手順で、回帰係数を導出できますが、 変数が多いと、手計算が手間ですので、 今回は以下の回帰係数を算出します。 偏微分と連立方程式による の導出 上記を のそれぞれで偏微分します 式0の …

最小二乗法と、共分散/分散の関係をすっかり忘れていたので、振り返り 目次 最小二乗法 とは 回帰式と回帰係数 偏微分と連立方程式による の導出 最小二乗法 とは 回帰式を、実測値をとするとき の 残差平方和(誤差)が最小の を求めること 回帰式と回帰係数 …

YOLOによる画像認識を行う為の準備メモ https://github.com/heartexlabs/labelImg install labelImg for python3 and windows labelImgはGUI付のツールですので、 pip3.exe install labelImg により、PyQt5 もinstallされます。 PowerShell> cd C:\Users\end…

先程のentryの続きです。 step 1 request.urlopen() で画像をdownloadし step 2 io.BytesIO()で file化し step 3 Pillow にて png形式で保存 します #!/usr/local/bin/python3 # -*- coding: utf-8 -*- from PIL import Image from urllib import request im…

以下の通りかと思います #!/usr/local/bin/python3 # -*- coding: utf-8 -*- from selenium import webdriver # ex. pip install selenium==4.0.0a7 from selenium.webdriver.chrome.options import Options from selenium.webdriver.chrome.service import …

unityには、先程の OnCollisionEnter()とは 別のOnTriggerEnter()があるらしい。 先程の OnCollisionEnter() では、Rigidbodyどうしの衝突を判定できましたが OnTriggerEnter()では、衝突することなく、通過?を判定できるみたい。 以下では、3D Sphereをカー…

3D Sphereをカーソルキーで動かし、 他の 3D Sphere と衝突した場合、他の 3D Sphere を消去します。 Step 1 - 手玉となる 赤色 3D Sphere 追加 以下のように「Add Component」から「Rigidbody」を追加します。 尚、3D Sphereへの赤色設定方法は先日のentry…

目次 Step 1 - Project欄において、Assets以下に Folder作成 Step 2 - 作成したFolder以下に Material作成 Step 3 - Inspector欄において Materialに着色 Step 4 - Materialを 3D Sphereへドラッグし、適用 Step 1 - Project欄において、Assets以下に Folder…

個人情報委員会資料抜粋 https://www.ppc.go.jp/files/pdf/2811_bessi2-1.pdf 以下は、上記にある 「個人情報の保護に関する法律についてのガイドライン（通則編）（案）」 からの抜粋です。 このpdfのp.3 No.9 に 容易照合性 に関する記載があります。 「氏…

先程のentryの修正版です。 3D Object に Rigidbody追加 Sphereを選択し「Add Component」クリック 更にPhysics → Rigidbody クリック 最後に質量や抵抗を調整 c# script 先程のentryにあったものを以下のように修正します。 n == 0 or 2500 のタイミングで…

MonoBehaviour を継承したclassを作成すれば、 unity inspector欄にある Transform を transform プロパティとして参照できる為、 以下の c# scriptでよいみたい。 ただ、変数の宣言もなく、また this.transform と書くこともなく、 いきなり transform だけ…

先程のentryの 3D Object版です 新規material作成 Project欄で Assets以下に適当なFolderを作成し、 右クリックから、Create → Material を選択 新規materialへの色設定 追加したMaterialを選択した状態で、Inspector欄において Main Mapsをお好みで調整 新…

だいぶ初歩的な内容ですが、unity に対しては、全くの初心者ですので。 地面 Unity Hubから、3Dコア project作成 地面となる 3D Object > Plane 追加 assetstore.unity.com から素材download & install material / texuture 適用 空 assetstore.unity.com か…

以下の通りです。 ポイントは、dateコマンドの日付の「+\%Y\%m\%d」エスケープ $ crontab -l 5 1 * * 6 /usr/local/pgsql/bin/pg_dump -U postgres springvue | gzip > /home/ec2-user/s3mount/backup/springvue_`date '+\%Y\%m\%d'`.dmp.gz

積もってきた python vue.js java 等の kipple を使って マーケティングシステム(AI ?) の開発してみます。