サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
Web3が昨今バズワードとなっていますが、定義はいまいち分からない状況で、これがWeb3、あれがWeb3と「ぼくのかんがえたさいきょうのWeb3」が乱立するという状況は、２０１４年に私がビットフライヤーを創業した時の「ブロックチェーン」に通じるものがあります。 やはり定義を考えるのは原点に返って見るということが良いと思い元イーサリアムのGavin Woodが書いた以下の「ĐApps: What Web 3.0 Looks Like」をDeeplで翻訳して、ブロックチェーンが少し分かってる初心者を意識して理解してもらえるように私のコメントを添えました。 原文はこちらです。 ĐApps：Web 3.0はどのようなものか 注：元々はgavofyorkのブログInsights into a Modern Worldに2014年4月17日（水）に投稿されたものです。 ・Appsです。ウェブ3.0はど
最近よく耳にするブロックチェーンという技術は、「インターネット以来の技術革新」と表現されるほどの可能性を秘めているという。ブロックチェーンとは、いったいどんな技術なのだろうか。そう思って調べてみてもビットコインや仮想通貨の文脈で解説されているものが多く、「それで結局、ブロックチェーンって何なの？」という疑問はなかなか解決しない。今回は、ブロックチェーンとはどのようなものか大まかに掴んでもらえるように、ネット上で一番丁寧に、一番わかりやすく解説することを目指して、この記事を作成した。技術的なことをなるべく噛み砕いて説明しているので、最後まで読み終えたときには、非エンジニアの読者もブロックチェーンの概要が掴めていることと思う。 ブロックチェーンの定義 ブロックチェーンとは 「参加者の中に不正を働く者や正常に動作しない者がいたとしても正しい取引ができ、改ざんが非常に困難で、停止しない、多数の参加
最小二乗法による点群データへの平面あてはめ (2015.09.18) ここで説明するのは、Kinectなどの３Ｄスキャナから取り込んだ３次元点群データにおいて、 点群との２乗距離の合計を最小にする平面を求める解析的方法についてである。 定式化については疑似逆行列を用いる多重回帰に類似しているが、結論はかなり異なっている。 けっこう需要がありそうな割に、なぜか検索してもあまり情報が無かったり、あっても明らかに間違いを含んでいたので、 以下のように導出を簡潔にまとめてみたのでご参考まで。 点群との二乗距離最小平面が、点群の重心を通ることを証明していないが、ここでは省略する。 当初、単なる２次関数の極値問題だろうから多重回帰と同様に疑似逆行列計算一発で答えが出るだろうとタカをくくっていたのだが、 行列の固有値問題に帰着されて解が３つ出てきてしまい、どの解を選択したら良いのか分からず混乱したが、
Androidアーキテクチャことはじめ ― 選定する意味と、MVP、Clean Architecture、MVVM、Fluxの特徴を理解するAndroidアプリの開発において悩ましいアーキテクチャの選定。本記事では選定する意味を改めて整理し、 MVP・Clean Architecture・MVVM・Fluxといった最新の実例を紹介します。 はじめまして。Androidエンジニアの藤原聖（ふじわら・さとる／@satorufujiwara）です。 現在は株式会社サイバーエージェントで、エンジニアリングマネージャーを兼任しています。2017年で35歳になり、定年を迎えました（プログラマの定年については「体型を支える技術」などを参照）。Androidアプリ開発には2010年から携わっていますが、今現在の関心事は何といっても公式開発言語に採用されたKotlin。そしてもう一つが、Androidの
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
こんにちは、Cygames Research の多胡です。これまで10年以上コンソールゲーム開発を行ってきていて、最近ではハイエンドゲームエンジンを制作しておりました。Cygames でもハイエンドゲームエンジンの開発に携わることになりました。ゲームエンジン開発を行う上で重要な考え方にデータ指向設計 (Data Oriented Design) というものがあります。今回はこのデータ指向設計を例を交えながら紹介させていただきます。 背景 データ指向設計の考え方は 2009年頃から有名になりました。 この 30年でCPU の性能は1万倍以上になりましたが、メモリの転送速度は10倍にもなっていません。そのため、プログラムのボトルネックはメモリ帯域となることが多くなりました。ゲームにおいてもCPU はほとんどの時間がメモリからのデータの転送待ちになっています。CPU の性能を引き出すために
はじめに このオンラインブックは執筆中です。完成版ではありません。フィードバックフォーム この本には一冊の本に盛り込むにはやや欲張りな内容を詰め込みました。本書では、C言語で書かれたソースコードをアセンブリ言語に変換するプログラム、つまりCコンパイラを作成します。コンパイラそのものもCを使って開発します。当面の目標はセルフホスト、すなわち自作コンパイラでそれ自身のソースコードをコンパイルできるようにすることです。 この本では、コンパイラの説明の難易度が急に上がりすぎないように、様々なトピックを本書全体を通じて次第に掘り下げていくという形で説明することにしました。その理由は次のとおりです。 コンパイラは、構文解析、中間パス、コード生成といった複数のステージに概念的に分割することができます。よくある教科書的アプローチでは、それぞれのトピックについて章を立てて解説を行うことになりますが、そのよう
背景 お手軽なクラスタリング手段としてk-meansが有名であるが、以下の様な困ったポイントがある k-means法の問題点の一つは、クラスタの個数kを指定しなければならないことだ。 クラスタリングは探索的 (exploratory) なデータ解析手法であって，分割は必ず何らかの主観や視点に基づいているということです．よって，クラスタリングした結果は，データの要約などの知見を得るために用い，客観的な証拠として用いてはなりません． 参照元 それは知っている。で、結局クラスター数は本当に分析者の決め打ちでいいのか？ 「このクラスター数はどうやって決めたの？」「これまでの分析結果からソーゴー的に考えて決定しました」とか言いたくない このページの目的 「最終的には分析官の判断でクラスターは決定しました」といいつつも、何かしら数値としての根拠を持ってクラスター数を決定したい 何か良い判断基準は無いの
ベイズ統計学とはベイズ統計学とは、ベイズの定理をもとにした統計的な考え方の一種です。 記述統計学・推計統計学とは異なる考え方をします。 ベイズ統計学が注目されている理由ベイズ統計学の基になっているベイズの定理は1700年代から存在していました。古い歴史のあるこの領域が、今再注目されている理由を解説します。 ベイズ統計学の歴史ベイズ統計学は、1700年中頃にトーマズベイズによる、ベイズの定理の発表により、産声をあげました。その後、1800年代後半に再び現在のベイズ統計の考え方の基礎となる考え方をする人々が現れました。 しかし、推計統計学論者のフィッシャーらが、「主観確率を扱うのは科学的でない」とし、ベイズ統計学は闇に葬り去られてしまったのです。 科学的であるかないかは別として、ベイズ統計学は現実に役に立つ学問であるということがが徐々に認められ、1950年代に入り再び研究され注目を浴びるように
はじめに 今回はボリュームレンダリングについて調べてみました。 ボリュームレンダリングは CT スキャンや MRI などで得られたデータや、雲やエフェクトなどの事前に用意またはリアルタイムに計算した 3 次元のデータを 2 次元の画面上に描画するための手法です。Unity では 3D のデータとしてTexture3Dが用意されており、これをシェーダを通じて処理することでGPU を使った計算によるレンダリングが行えます。本エントリではまずは入門編ということで、簡単なレイキャストによるボリュームレンダリングを紹介します。 シリーズ 続きはこちら tips.hecomi.com tips.hecomi.comプロジェクト 今回のプロジェクトのサンプルは以下になります。github.com 1 ~ 3 が今回の範囲になります。Texture3D まずはTexture3D を使うためのおさ
まずは復習。 分散とは「各データが平均値からどれだけ離れているか」という、データの散らばり具合を表す。 具体的には、分散は「（各データの平均値からの距離）の２乗の平均」。 分散は2乗であることに注意。単位をそろえるために、分散の平方根を取ったものが標準偏差。 標準偏差をσで表すと、分散はσ^2で表される。 式で表すと次のようになる。 ここで、次のようなベクトルを導入する。（なぜ？ あとで値を複数持つデータに拡張するのに便利だから） すると、さきほどの分散の式は、次のような縦ベクトルと横ベクトルの積の形で書くことができる。 （’は転置を表す） これまでの話で、たとえば、数学のテストの点数がどれくら散らばっているか、ということを知ることができる。 ここで、英語のテストも行った場合、数学と英語の点数の関係を知りたい、という場合には、複数のデータ群を扱う必要がある。 例えば、生徒の「数学の点数」と
平均点： 分散： 標準偏差： 偏差値を求めるためには，平均点・分散・標準偏差を求める必要があります。 平均点については，求め方をよく知っていますね。 分散・標準偏差というのは，聞き慣れないことばだと思いますが，求め方はそれほどむずかしくありません。 １．平均点を求める 平均点は，得点をすべて足して，人数で割れば求められます。 （５０＋９０＋６０＋６０＋４０＋１００＋４０＋４０＋５０＋７０）÷１０＝６０ となるので，平均点は６０点です。 氏名
球面調和関数とはなにか? 「球面調和関数」は言葉の響きが難しいので、まずはイメージから捉えよう。 球面調和関数とは、かなり極端に簡略化して説明すると、球っぽいモノから任意の長さの針が突き出た「いびつなウニ」みたいな物体の形状を数学的な関数で表すためのもの……といえる(ウニの針が逆に凹んでいる場合もある)。 これがどうしてキューブマップの圧縮に使えるのかイメージが湧きにくいかもしれない。 順番に説明していこう。 全方位の情景を表したキューブ環境マップを球に見立て、そのキューブ環境マップのテクセル(画素)の値を"高さ"に見立てる。すると「いびつなウニ」みたいな立体ができあがる。そして、このいびつなウニを正確に記録するのは諦めて、「大体の形状」を記録する方針に変更する。その手段として球面調和関数を用いるのだ。 先ほど、32×32テクセルの6面体のキューブ環境マップの例を出したが、非圧縮では1頂点
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Amazon、社内エンジニア教育に使っている機械学習コースを無料提供 – TechCrunch Japan
