ソフトウェア設計における因果関係の明確化。条件分岐や状態遷移の数理的な記述。並列処理やバッチ処理の自然な導入。AIモデルとの構造的な共通性の理解。
シミュレーションで実物を扱わなくても仕事ができる環境を目指す。つまり家に引きこもって外に出なくてもOKな世界。
オブジェクト指向を線形代数で読み解く:エンジニアのための思考実験
ソフトウェア設計における因果関係の明確化。条件分岐や状態遷移の数理的な記述。並列処理やバッチ処理の自然な導入。AIモデルとの構造的な共通性の理解。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成#7(立ち絵配置効率化編)
exoファイルを使えば、立ち絵の設定をテンプレ化して何度でも使い回せる。キャラごと・表情ごとのexoパターンを作っておけば、配置も口パクも一瞬。拡張編集にドラッグ＆ドロップするだけで、作業時間が爆速短縮。
G検定まとめ記事はこちらはじめに結構昔にG検定向けの動画で、「JDLAジェネラリスト検定(G検定)さっくり対策(究極カンペの作り方)カンペを見なくても問題が解ける自分の作り方。」というのを公開しているのだが、これに対しての問い合わせがちょく...
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成 バックナンバー(立ち絵やら動画やらアイキャッチ画像やら)
動画作成関連のバックナンバー用ページ。立ち絵を作ったり、動画作ったり、アイキャッチ画像作ったりなどを掲載していく。
G検定対策 究極カンペをつくろう#2 画像認識(一般物体認識、物体検出、セグメンテーション、姿勢推定)
画像認識の全体像を因果関係図で整理し、AlexNetを起点に各モデルの進化をたどる。一般物体認識から物体検出・セグメンテーション・姿勢推定まで、各カテゴリの代表モデルと技術を解説。モデル同士の構造的なつながりや技術的背景を踏まえ、因果関係をもとに体系的に理解を深めていく。
G検定対策 究極カンペをつくろう#1(G検定は意味がない？)
究極カンペの作り方についての問い合わせが増えている。G検定の評判を確認し、ネガティブな意見を問題提起として捉える。勉強のステージを定義し、語彙力と因果関係の把握が重要であることを説明。
MATLAB,Python,Scilab,Julia比較 第5章 その106【フーリエ変換②】
フーリエ変換には角周波数を扱うものと周波数を扱うものがある。角周波数と周波数の間には角度と1回転という差があるのみ。よって、周波数に2πをかければ角周波数となる。
MATLAB,Python,Scilab,Julia比較 第5章【バックナンバー】
MATLAB,Python,Scilab,Julia比較するシリーズの第4章。第4章では分類問題で最終的にはニューラルネットワークや最適化アルゴリズムの話だった。第5章はフーリエ解析学から高速フーリエの話がメインとなる。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成#6(立ち絵配置編)
立ち絵の配置: PSDファイルをAviUtlに配置し、画面サイズやフレームレートを設定。のっぺらぼう化: 目と口を消して、アニメーション効果を追加。アニメーション効果: 目パチと口パクの設定を行い、リップシンクを調整。
MATLAB,Python,Scilab,Julia比較 第5章 その105【フーリエ変換①】
フーリエ変換を定義。フーリエの積分公式の一部を抜き出す。逆フーリエ変換を定義。フーリエの積分公式にフーリエ変換を代入するだけ。
Δωで刻みにしたので、極限を利用して連続系へ。数式上は連続ではあるが、一般的な表現ではない。区分求積法とリーマン積分について。フーリエの積分公式を導出した。
【PSDファイル】AivisSpeech Anneliの立ち絵を作ってみた(アイコン画像をStable Diffusionで拡張 その2)
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成 バックナンバーはじめに以前、AivisSpeechのAnneliというキャラの立ち絵を作成した。さらにそこに加えて、AivisSpeechのアイコン画像を...
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成#5(立ち絵準備編)
PSDToolKitプラグインの導入の仕方を説明。PSDファイルを探してGIMPで内容を確認。GIMPで瞬き用、口パク用のレイヤー編集。
フーリエに積分公式は複素フーリエ級数と複素フーリエ係数から導出する。周期2Lの波の数を示すnを周期2πに於ける波の数である角周波数ωに変換。角周波数ωの刻みであるΔωについて説明。Δωを定義することで、離散的な係数算出が連続的な角周波数算出に近づけていっている。
MATLAB,Python,Scilab,Julia比較 第5章 その104【フーリエの積分公式⑤】
区分求積法とリーマン積分について。離散と連続の分け目。フーリエの積分公式を導出した。演算したはずなのに変化しない。つまり変換、逆変換が成立することを示している。
MATLAB,Python,Scilab,Julia比較 第5章 その103【フーリエの積分公式④】
Δωで刻みにしたので、極限を利用して連続系へ。数式上は連続ではあるが、一般的な表現ではない。よって、一般的な表現に書き換える必要がある。
MATLAB,Python,Scilab,Julia比較 第5章 その102【フーリエの積分公式③】
角周波数ωの刻みであるΔωについて説明。Δωを定義することで、離散的な係数算出が連続的な角周波数算出に近づけていっている。
MATLAB,Python,Scilab,Julia比較 第5章 その101【フーリエの積分公式②】
周期2Lの波の数を示すnを周期2πに於ける波の数である角周波数ωに変換。ω=nπ/Lを使用して変換するだけ。これにより少し数式がシンプルになった。
【PSDファイル】AivisSpeech Anneliの立ち絵を作ってみた(アイコン画像をStable Diffusionで拡張)
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成 バックナンバーはじめに以前、AivisSpeechのAnneliというキャラの立ち絵を作成した。ほぼ独自に作成したが、Anneliの画像自体はAivisS...
MATLAB,Python,Scilab,Julia比較 第5章 その100【フーリエの積分公式①】
フーリエに積分公式は複素フーリエ級数と複素フーリエ係数から導出する。変換を想定した式に変換。複素指数関数との積と積分、総和を経由すると元に関数に戻るというイメージが重要。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成#4(AviUtlセットアップ編)
AviUtlのセットアップと拡張編集Pluginの導入を行った。mp4ファイルの入力と出力の方法を説明。アニメーションgifの対応方法を説明。
分数は割り算の別表現として理解しやすく、逆数を掛けることで計算が簡単になる。これにより、小数の掛け算や割り算の理解が深まる。一次関数の数式をグラフにすることや、グラフから数式を導くことは、データのトレンド分析や物理現象の理解に役立つ。微分は関数の変化率を求める手法であり、数値微分を使って近似的に求めることができる。これにより、物理学や経済学など多くの分野で応用可能。
VOICEV(四国めたん,ずんだもん,春日部つむぎ),AivisSpeech(Anneli)関連ギャラリー
Youtube動画やブログ記事のアイキャッチ用に作成した、VOCEIVX(四国めたん、ずんだもん、春日部つむぎ)、AivisSpeech(Anneli)の画像たち。Stable Diffusionで生成＆少しペン入れ＆GIMPによる補正したものになります。
各種フーリエについてまとめてみた。いままでは級数→係数の順番でやっていたため、逆フーリエ変換→フーリエ変換の順番が自然。実際には「フーリエの積分公式を求める」ことになるが、これは逆フーリエ変換そのものである。
MATLAB,Python,Scilab,Julia比較 第5章 その99【各種フーリエの関係性】
各種フーリエについてまとめてみた。いままでは級数→係数の順番でやっていたため、逆フーリエ変換→フーリエ変換の順番が自然。実際には「フーリエの積分公式を求める」ことになるが、これは逆フーリエ変換そのものである。
複素フーリエ周期2LをJuliaで確認。実数フーリエの時と同じ結果が得られた。
親子で発見！学びの楽しさ#1(つるかめ算、連立方程式、逆行列)
つるかめ算の歴史的背景を説明。つるかめ算解説。連立方程式解説。逆行列解説。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成#3(バックグラウンド動画作成編)
バックグラウンド動画の作成方法を解説。画像、効果音の素材収集とレイアウト決め。アニメーション効果の追加とmp4出力。
【入門】複素フーリエ係数(周期2L)Scilab【数値計算】
複素フーリエ周期2LをScilabで確認。実数フーリエの時と同じ結果が得られた。
【入門】複素フーリエ係数(周期2L)Python【数値計算】
複素フーリエ周期2LをPythonで確認。実数フーリエの時と同じ結果が得られた。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成#2(音声生成編)
VOICEVOXとAivisSpeechを使った音声生成の方法や調整について解説使用するツールやプリセットの設定、調整が難しい単語や文章についての具体例を紹介リップシンク用のlabファイルの生成方法について説明
【入門】複素フーリエ係数(周期2L)MATLAB【数値計算】
複素フーリエ周期2LをMATLABで確認。実数フーリエの時と同じ結果が得られた。
MATLAB,Python,Scilab,Julia比較 第5章 その98【複素フーリエ係数(周期2L)⑦】
複素フーリエ周期2LをJuliaで確認。実数フーリエの時と同じ結果が得られた。
MATLAB,Python,Scilab,Julia比較 第5章 その97【複素フーリエ係数(周期2L)⑥】
複素フーリエ周期2LをScilabで確認。実数フーリエの時と同じ結果が得られた。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成#1(概要編)
シナリオやセリフ回しは起承転結を重視。動画はバックグラウンド、本編、全編に分かれた階層構造にしている。チャプタータイミングやYoutube向けテロップなど、直接動画作成に関係しない部分もやっている。
MATLAB,Python,Scilab,Julia比較 第5章 その96【複素フーリエ係数(周期2L)⑤】
複素フーリエ周期2LをPythonで確認。実数フーリエの時と同じ結果が得られた。
MATLAB,Python,Scilab,Julia比較 第5章 その95【複素フーリエ係数(周期2L)④】
複素フーリエ周期2LをMATLABで確認。実数フーリエの時と同じ結果が得られた。
複素フーリエの周期2Lのプログラム化検討。プログラムフローは以前からのものと一緒。一緒の方が比較しやすい。
前回までの複素フーリエは、周期が2πという制約がある。2πを2Lに変換することで任意周期に対応させこのアプローチは実数フーリエの時と同じ。
MATLAB,Python,Scilab,Julia比較 第5章 その94【複素フーリエ係数(周期2L)③】
複素フーリエの周期2Lのプログラム化検討。プログラムフローは以前からのものと一緒。一緒の方が比較しやすい。
MATLAB,Python,Scilab,Julia比較 第5章 その93【複素フーリエ係数(周期2L)②】
複素フーリエを周期2πから周期2Lへ。変換の流れは実数フーリエの時と全く同じ。
AivisSpeech Anneliの立ち絵を作ってみた(2.5頭身版)(psdファイル)
はじめに以前、AivisSpeechのAnneliの立ち絵を作成した。デフォルメ版(2～3頭身くらい)もあると使い勝手が良いのでは？と思い作ってみた次第。通常頭身版通常頭身版はこちら動画該当立ち絵を使用した動画はこちら。AivisSpeec...
MATLAB,Python,Scilab,Julia比較 第5章 その92【複素フーリエ係数(周期2L)①】
前回までの複素フーリエは、周期が2πという制約がある。2πを2Lに変換することで任意周期に対応させる。このアプローチは実数フーリエの時と同じ。
AivisSpeech Anneliの立ち絵を作成してみた(psdファイル)
AivisSpeechというむっちゃ優秀な音声合成ソフトウェアが存在します。動画作成に使用したいのだが、現状立ち絵があまり存在しない・・・。というわけで作った！！
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をJuliaで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をScilabで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をPythonで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をMATLABで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
MATLAB,Python,Scilab,Julia比較 第5章 その91【複素フーリエ係数⑯】
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をJuliaで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
MATLAB,Python,Scilab,Julia比較 第5章 その90【複素フーリエ係数⑮】
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をScilabで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
MATLAB,Python,Scilab,Julia比較 第5章 その89【複素フーリエ係数⑭】
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をPythonで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
MATLAB,Python,Scilab,Julia比較 第5章 その88【複素フーリエ係数⑬】
任意波形から複素フーリエ係数抽出し、それを元に元波形を複素フーリエ級数で再現をMATLABで実施。実数フーリエと同じ結果が得られた。係数は複素数であり、偏角から位相を求めることも可能。
【地味に時間かかる】JDLA Generative AI Test まとめ【多肢選択式のヤバさ】
JDLA Generative AI Testの受験記。JDLAからの制約事項の都合、開示できる情報には限りがある。テキスト、問題集は無いので、生成AIパスポート試験のもので代替。その後にシラバスを元に語彙力アップ。自作問題作ってパワーアップ。(自作問題集は公開してます。)用語ベースのカンペを作って対応できる感じではない。
フーリエ係数のC0について言及。結果としてC0は関数f(x)の平均値を示す。離散関数の平均と連続関数の平均の関係性。結局C0は三角関数では表現できない関数のオフセット成分となる。
複素フーリエ級数の数式を導出。「複素フーリエ係数」を解析したい数式と見なし、「複素指数関数の直交性」を利用して、直交している部分を0に、直交していない部分だけを抽出する。
MATLAB,Python,Scilab,Julia比較 第5章 その87【複素フーリエ係数⑫】
複素フーリエのプログラムフローを提示。実数フーリエの時と一緒。複素フーリエの存在意義。フーリエ変換への繋ぎとだけ考えても良いが、位相情報の保持
MATLAB,Python,Scilab,Julia比較 第5章 その86【複素フーリエ係数⑪】
C0の式を図で見た場合。離散関数の平均と連続関数の平均の関係性。結局C0は三角関数では表現できない関数のオフセット成分となる。
MATLAB,Python,Scilab,Julia比較 第5章 その85【複素フーリエ係数⑩】
フーリエ係数のC0について言及。普通にC0についてフーリエ係数を求める。結果としてC0は関数f(x)の平均値を示す。
MATLAB,Python,Scilab,Julia比較 第5章 その84【複素フーリエ係数⑨】
複素フーリエ級数の数式を導出。「複素フーリエ係数」を解析したい数式と見なし、「複素指数関数の直交性」を利用して、直交している部分を0に、直交していない部分だけを抽出する。
複素指数関数の直交性をJuliaで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位がimになることに注意。
MATLAB、Python、Scilab、Julia比較ページはこちらはじめにの、MATLAB,Python,Scilab,Julia比較 第5章 その82【複素フーリエ係数⑦】を書き直したもの。複素フーリエ係数のシリーズ。今回は、複素指数...
複素指数関数の直交性をMATLABで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
MATLAB,Python,Scilab,Julia比較 第5章 その83【複素フーリエ係数⑧】
複素指数関数の直交性をJuliaで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位がimになることに注意。
MATLAB,Python,Scilab,Julia比較 第5章 その82【複素フーリエ係数⑦】
複素指数関数の直交性をScilabで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。虚数単位が%iになることに注意。
MATLAB,Python,Scilab,Julia比較 第5章 その81【複素フーリエ係数⑥】
複素指数関数の直交性をPythonで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
MATLAB,Python,Scilab,Julia比較 第5章 その80【複素フーリエ係数⑤】
複素指数関数の直交性をMATLABで確認した。おおよそ狙い通りの挙動ではあるが、三角関数由来の誤差は入る。
複素指数関数の直交性を評価できる式を確認。直交性をアニメーションgifで見てみた。この直交性を各ツール、各言語で確認してみる。
複素指数関数同士の積の積分の式を提示。複素指数関数でn=mの時は直交しない。結論としてはn≠mの時に直交する。これらはオイラーの公式と三角関数の性格から特定ができる。
複素フーリエ係数の話に突入。複素フーリエ係数に至る道を提示。複素指数関数の積を確認。
MATLAB,Python,Scilab,Julia比較 第5章 その79【複素フーリエ係数④】
複素指数関数の直交性を評価できる式を確認。直交性をアニメーションgifで見てみた。この直交性を各ツール、各言語で確認してみる。
MATLAB,Python,Scilab,Julia比較 第5章 その78【複素フーリエ係数③】
複素指数関数の積で直交するパターンを確認。結論としてはn≠mの時に直交する。オイラーの公式と三角関数の性格から特定ができる。
MATLAB,Python,Scilab,Julia比較 第5章 その77【複素フーリエ係数②】
複素指数関数同士の積の積分の式を提示。n=mの時の解を確認。複素指数関数でn=mの時は直交しない。
MATLAB,Python,Scilab,Julia比較 第5章 その76【複素フーリエ係数①】
複素フーリエ係数の話に突入。複素フーリエ係数に至る道を提示。複素指数関数の積を確認。
複素フーリエ級数を導出した。最終的にはシンブルな式に。実際に利用しようと思うと、複素フーリエ係数とセットなので、しばらく待ち。
実数フーリエ級数にsin,cosを福祉指数関数で表現する公式を代入。ここでも「虚数で割ることが負の虚数を掛けることが同一」って理屈を使う。変数の極性を入れ替えた上で、Σの極性を入れかえれば同じものとなる。フーリエ係数であることを前提とした場合、極性の特性を定められる。
前回のcos,sinを複素指数関数で表現する式をMATLABの逆行列で検算。なぜか異なるような結果になった。「虚数で割ることと負の虚数を掛けることが同一」である。これは、複素フーリエ級数を導出するときにも使用するから覚えておいた方が良い。
実数フーリエ級数を複素フーリエ級数にするためにオイラーの公式を利用する。 具体的にはcos関数、sin関数を複素指数関数で表現する。 オイラーの公式とそれの変形の式を元にcos関数、sin関数を複素指数関数で表現するため、連立方程式を解いた。
MATLAB,Python,Scilab,Julia比較 第5章 その75【複素フーリエ級数⑦】
複素フーリエ級数を導出した。 最終的にはシンブルな式に。 実際に利用しようと思うと、複素フーリエ係数とセットなので、しばらく待ち。
MATLAB,Python,Scilab,Julia比較 第5章 その74【複素フーリエ級数⑥】
前回のフーリエ級数を複素指数関数で表現した式を変形。 変数の極性を入れ替えた上で、Σの極性を入れかえれば同じものとなる。 フーリエ係数であることを前提とした場合、極性の特性を定められる。
MATLAB,Python,Scilab,Julia比較 第5章 その73【複素フーリエ級数⑤】
実数フーリエ級数にsin,cosを福祉指数関数で表現する公式を代入。 ここでも「虚数で割ることが負の虚数を掛けることが同一」って理屈を使う。 複素フーリエ級数導出までもう一歩。
MATLAB,Python,Scilab,Julia比較 第5章 その72【複素フーリエ級数④】
「虚数で割ることと負の虚数を掛けることが同一」である。 上記を証明。 これは、複素フーリエ級数を導出するときにも使用するから覚えておいた方が良い。
MATLAB,Python,Scilab,Julia比較 第5章 その71【複素フーリエ級数③】
前回のcos,sinを複素指数関数で表現する式をMATLABの逆行列で検算。 なぜか異なるような結果になった。 が、実は・・・。
MATLAB,Python,Scilab,Julia比較 第5章 その70【複素フーリエ級数②】
オイラーの公式とそれの変形の式を元にcos関数、sin関数を複素指数関数で表現するため、連立方程式を解いた。 連立方程式は行列を使うと一撃。
MATLAB,Python,Scilab,Julia比較 第5章 その69【複素フーリエ級数①】
実数フーリエ級数を複素フーリエ級数にするためにオイラーの公式を利用する。 具体的にはcos関数、sin関数を複素指数関数で表現する。 上記を実数フーリエ級数に代入すれば複素フーリエ級数になるというのが大雑把な流れ。
オイラーの公式の話に突入。 各種マクローリン展開を再掲。 指数関数のマクローリン展開に複素数を入れてみる。 複素指数関数のマクローリン展開を変形。 オイラーの公式の変形。
MATLAB,Python,Scilab,Julia比較 第5章 その68【オイラーの公式③】
複素指数関数のマクローリン展開を変形。 cos関数とsin関数のマクローリン展開の式が出てくる。 実数部をcos、虚数部をsinとするとオイラーの公式になる。 オイラーの公式の変形。 入力に負の符号をつけたもの。 今後いろいろ活躍してくれる公式になる。
MATLAB,Python,Scilab,Julia比較 第5章 その67【オイラーの公式②】
各種マクローリン展開を再掲。 指数関数、cos関数、sin関数。 指数関数のマクロー xをixにするだけ。
MATLAB,Python,Scilab,Julia比較 第5章 その66【オイラーの公式①】
オイラーの公式の話に突入。 オイラーの公式の証明に必要な情報はある程度揃ってる。 前回までにやった各種マクローリン展開が必要な情報。
sin関数のマクローリン展開の演算とプロットをJuliaで実施。 nが増えればsin関数に近似していく。
sin関数のマクローリン展開の演算とプロットをScilabで実施。 nが増えればsin関数に近似していく。
sin関数のマクローリン展開の演算とプロットをPythonで実施。 nが増えればsin関数に近似していく。
sin関数のマクローリン展開の演算とプロットをMATLABで実施。 nが増えればsin関数に近似していく。
MATLAB,Python,Scilab,Julia比較 第5章 その65【マクローリン展開⑪】
sin関数のマクローリン展開の演算とプロットをJuliaで実施。 nが増えればsin関数に近似していく。
MATLAB,Python,Scilab,Julia比較 第5章 その64【マクローリン展開⑩】
sin関数のマクローリン展開の演算とプロットをScilabで実施。 nが増えればsin関数に近似していく。
MATLAB,Python,Scilab,Julia比較 第5章 その63【マクローリン展開⑨】
sin関数のマクローリン展開の演算とプロットをPythonで実施。 nが増えればsin関数に近似していく。
MATLAB,Python,Scilab,Julia比較 第5章 その62【マクローリン展開⑧】
sin関数のマクローリン展開の演算とプロットをMATLABで実施。 nが増えればsin関数に近似していく。
sinのマクローリン級数をプログラムで記載してみる予定。 プログラムフローを提示。 基本はfor文でぶん回すだけ。
cos関数をマクローリン展開。 cos関数をマクローリン展開したプロットも出してみた。 sin関数をマクローリン展開。 sin関数をマクローリン展開したプロットも出してみた。
cos関数をマクローリン展開。 cos関数をマクローリン展開したプロットも出してみた。 sin関数をマクローリン展開。 sin関数をマクローリン展開したプロットも出してみた。
「ブログリーダー」を活用して、KEIさんをフォローしませんか？
ソフトウェア設計における因果関係の明確化。条件分岐や状態遷移の数理的な記述。並列処理やバッチ処理の自然な導入。AIモデルとの構造的な共通性の理解。
exoファイルを使えば、立ち絵の設定をテンプレ化して何度でも使い回せる。キャラごと・表情ごとのexoパターンを作っておけば、配置も口パクも一瞬。拡張編集にドラッグ＆ドロップするだけで、作業時間が爆速短縮。
G検定まとめ記事はこちらはじめに結構昔にG検定向けの動画で、「JDLAジェネラリスト検定(G検定)さっくり対策(究極カンペの作り方)カンペを見なくても問題が解ける自分の作り方。」というのを公開しているのだが、これに対しての問い合わせがちょく...
動画作成関連のバックナンバー用ページ。立ち絵を作ったり、動画作ったり、アイキャッチ画像作ったりなどを掲載していく。
画像認識の全体像を因果関係図で整理し、AlexNetを起点に各モデルの進化をたどる。一般物体認識から物体検出・セグメンテーション・姿勢推定まで、各カテゴリの代表モデルと技術を解説。モデル同士の構造的なつながりや技術的背景を踏まえ、因果関係をもとに体系的に理解を深めていく。
究極カンペの作り方についての問い合わせが増えている。G検定の評判を確認し、ネガティブな意見を問題提起として捉える。勉強のステージを定義し、語彙力と因果関係の把握が重要であることを説明。
フーリエ変換には角周波数を扱うものと周波数を扱うものがある。角周波数と周波数の間には角度と1回転という差があるのみ。よって、周波数に2πをかければ角周波数となる。
MATLAB,Python,Scilab,Julia比較するシリーズの第4章。第4章では分類問題で最終的にはニューラルネットワークや最適化アルゴリズムの話だった。第5章はフーリエ解析学から高速フーリエの話がメインとなる。
立ち絵の配置: PSDファイルをAviUtlに配置し、画面サイズやフレームレートを設定。のっぺらぼう化: 目と口を消して、アニメーション効果を追加。アニメーション効果: 目パチと口パクの設定を行い、リップシンクを調整。
フーリエ変換を定義。フーリエの積分公式の一部を抜き出す。逆フーリエ変換を定義。フーリエの積分公式にフーリエ変換を代入するだけ。
Δωで刻みにしたので、極限を利用して連続系へ。数式上は連続ではあるが、一般的な表現ではない。区分求積法とリーマン積分について。フーリエの積分公式を導出した。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成 バックナンバーはじめに以前、AivisSpeechのAnneliというキャラの立ち絵を作成した。さらにそこに加えて、AivisSpeechのアイコン画像を...
PSDToolKitプラグインの導入の仕方を説明。PSDファイルを探してGIMPで内容を確認。GIMPで瞬き用、口パク用のレイヤー編集。
フーリエに積分公式は複素フーリエ級数と複素フーリエ係数から導出する。周期2Lの波の数を示すnを周期2πに於ける波の数である角周波数ωに変換。角周波数ωの刻みであるΔωについて説明。Δωを定義することで、離散的な係数算出が連続的な角周波数算出に近づけていっている。
区分求積法とリーマン積分について。離散と連続の分け目。フーリエの積分公式を導出した。演算したはずなのに変化しない。つまり変換、逆変換が成立することを示している。
Δωで刻みにしたので、極限を利用して連続系へ。数式上は連続ではあるが、一般的な表現ではない。よって、一般的な表現に書き換える必要がある。
角周波数ωの刻みであるΔωについて説明。Δωを定義することで、離散的な係数算出が連続的な角周波数算出に近づけていっている。
周期2Lの波の数を示すnを周期2πに於ける波の数である角周波数ωに変換。ω=nπ/Lを使用して変換するだけ。これにより少し数式がシンプルになった。
VOICEVOXとAivisSpeechキャラと一緒に！AviUtlを使った動画作成 バックナンバーはじめに以前、AivisSpeechのAnneliというキャラの立ち絵を作成した。ほぼ独自に作成したが、Anneliの画像自体はAivisS...
フーリエに積分公式は複素フーリエ級数と複素フーリエ係数から導出する。変換を想定した式に変換。複素指数関数との積と積分、総和を経由すると元に関数に戻るというイメージが重要。
ニューラルネットワークの最適化アルゴリズムAdamをMATLABにて確認。 学習率を0.001にしている都合、収束までは時間がかかる。 勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
はじめに MATLAB,Python,Scilab,Julia比較するシリーズの第4章。 第3章では画像処理、座標変換の話がメインだった。 第4章は分類問題関連の話がメインとなる。基本的には以下の流れとなる。 形式ニューロン 決定境界線の安
分類問題を扱って第4章終了。 最も原始的なニューラルネットワークをやったことでディープラーニングの基礎部分は把握できたかもしれない。 次の章はこれから考える。
Adamだけで出てくる分類結果を確認。 四角形で分類する理想的な形状。 この分類結果になる場合は、誤差関数の値が一気に跳ね上がる時。 これにより大域最適解を引き当てやすくなる。
ニューラルネットワークの最適化アルゴリズムAdamをJuliaにて確認。 学習率を0.001にしている都合、収束までは時間がかかる。 勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
ニューラルネットワークの最適化アルゴリズムAdamをScilabにて確認。 学習率を0.001にしている都合、収束までは時間がかかる。 勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
ニューラルネットワークの最適化アルゴリズムAdamをPythonにて確認。 学習率を0.001にしている都合、収束までは時間がかかる。 勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
ニューラルネットワークの最適化アルゴリズムAdamをMATLABにて確認。 学習率を0.001にしている都合、収束までは時間がかかる。 勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
各最適化アルゴリズムの依存関係を記載。 1次の勾配で勢いをつけて、2次の勾配で抑制するというのが全体を通しての共通点。 Adamの更新式を実現するためのプログラムフローを記載。 学習率は0.001とかなり小さめの値に設定。 これにより収束は遅くなる。 かわりに特殊な最適解が得られるのでそれを確認する。
AdaDeltaについて説明。 RMSpropの拡張版に当たる。 最適化アルゴリズムAdamについて説明。 モーメンタムとRMSpropの合わせ技。 1次の勾配と、2次の勾配の指数移動平均を使用する。
もう一個試す予定の最適化アルゴリズムAdamへ至る系譜を説明予定。 AdaGradについて説明。 更新式をモーメンタムと比較。 RMSpropについて説明。 AdaGradの完了版であるため、AdaGradと更新式を比較。
Adamの更新式を実現するためのプログラムフローを記載。 モーメンタムの部分をAdamに差し替えただけ。 学習率は0.001とかなり小さめの値に設定。 これにより収束は遅くなる。 かわりに特殊な最適解が得られるのでそれを確認する。
各最適化アルゴリズムの依存関係を記載。 1次の勾配で勢いをつけて、2次の勾配で抑制するというのが全体を通しての共通点。 Adamが1次の勾配と2次の勾配を合わせたアルゴリズムとなる。
最適化アルゴリズムAdamについて説明。 モーメンタムとRMSpropの合わせ技。 1次の勾配と、2次の勾配の指数移動平均を使用する。
AdaDeltaについて説明。 RMSpropの拡張版に当たる。 学習率というハイパーパラメータ無しで動作する。 最終的な学習率は1近傍になるため振動しやすいらしい。
RMSpropについて説明。 AdaGradの完了版であるため、AdaGradと更新式を比較。 AdaGradでは2次の勾配の累積だったものが、2次の勾配の指数移動平均に。 これにより、極小値近辺やプラトーになっても更新を続けられる。
AdaGradについて説明。 更新式をモーメンタムと比較。 更新幅は、最初は大きく、徐々に小さくなり、最終的には学習が進まなくなる欠点を抱えている。
もう一個試す予定の最適化アルゴリズムへ至る系譜を説明予定。 プログラム化して試すのはAdamだが、それに至るアルゴリズムを数式レベルで確認。 Adam以降の最適化アルゴリズムもあるが、基本はAdamベースでクリッピングが入ってる感じ。
最適化アルゴリズムを通常の勾配降下法からモーメンタムに変えた際の差分を確認。 モーメンタムの方が学習の収束が早い。 勾配降下法で500エポックのところ100エポック。 モーメンタムの場合、初期のパラメータ移動が大き目。 これにより、大域最適化を見つける可能性が高くなる。
最適化アルゴリズム モーメンタムを用いて分類の学習をJuliaで実現。 問題無く動作。 学習の収束が通常の勾配降下法よりも比較的早い。
