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。
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。
GUGA 生成AIパスポート試験 2023年版、2025年版シラバスを比較してみた
生成AIパスポート試験の2023年版シラバスと2025年版シラバスを比較してみた。 時代に合わせて新しい機能、モデルが追加。 AI事業者ガイドライン（第1.0版）発表に伴い、ガイドライン関連が整理され、ガバナンス、主体についても言及されるように。
MATLAB,Python,Scilab,Julia比較 第5章 その60【マクローリン展開⑥】
sin関数をマクローリン展開。 とりあえず微分しまくると4階微分の周期が見える。 これを元にマクローリン展開。 sin関数をマクローリン展開したプロットも出してみた。
MATLAB,Python,Scilab,Julia比較 第5章 その59【マクローリン展開⑤】
cos関数をマクローリン展開。 とりあえず微分しまくると4階微分の周期が見える。 これを元にマクローリン展開。 cos関数をマクローリン展開したプロットも出してみた。
MATLAB,Python,Scilab,Julia比較 第5章 その58【マクローリン展開④】
マクローリン展開について説明。 指数関数をマクローリン展開してみた。 さらにマクローリン展開したものをグラフ化。 nが増えれば近似度合いも上がる。
MATLAB,Python,Scilab,Julia比較 第5章 その57【マクローリン展開③】
テイラー級数とマクローリン級数を比較。 任意の点x0が原点になったものがマクローリン級数。 よって、テイラー級数の拡張というよりも制限版であり、シンプルになったものと思った方が妥当。
MATLAB,Python,Scilab,Julia比較 第5章 その56【マクローリン展開②】
テイラー級数について説明。 数式も書き出し。 過去に何度か扱っているものなので実際の効果については確認しない。 代わりにマクローリン級数の時に実施予定。
MATLAB,Python,Scilab,Julia比較 第5章 その55【マクローリン展開①】
いままでやってきたのは実数フーリエ。 ということは複素フーリエが・・・。 複素フーリエに至る道を記載。
フーリエ級数、フーリエ係数の任意周期版のプログラムをJuliaで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
フーリエ級数、フーリエ係数の任意周期版のプログラムをScilabで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
フーリエ級数、フーリエ係数の任意周期版のプログラムをPythonで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
フーリエ級数、フーリエ係数の任意周期版のプログラムをMATLABで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
MATLAB,Python,Scilab,Julia比較 第5章 その54【フーリエ級数(周期2L)⑦】
フーリエ級数、フーリエ係数の任意周期版のプログラムをJuliaで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
MATLAB,Python,Scilab,Julia比較 第5章 その53【フーリエ級数(周期2L)⑥】
フーリエ級数、フーリエ係数の任意周期版のプログラムをScilabで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
MATLAB,Python,Scilab,Julia比較 第5章 その52【フーリエ級数(周期2L)⑤】
フーリエ級数、フーリエ係数の任意周期版のプログラムをPythonで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
MATLAB,Python,Scilab,Julia比較 第5章 その51【フーリエ級数(周期2L)④】
フーリエ級数、フーリエ係数の任意周期版のプログラムをMATLABで作成。 -π～πだけでなく、-10～10のような任意の周期に適応可能。
任意周期のフーリエ級数、フーリエ係数のプログラム化検討。 基本的には以前の使い回し。 波形データの解釈や、数式が変わるのみ。の予定。
前回までのフーリエ級数、ふーりけ係数には周期2πという制約がある。 三角関数の直交性を得るための制約。 フーリエ級数を伸縮するための検討。 xがπと認識するように係数を掛けてあげればOK。 フーリエ係数も、πがLになるように式を変更すればOK。
MATLAB,Python,Scilab,Julia比較 第5章 その50【フーリエ級数(周期2L)③】
任意周期のフーリエ級数、フーリエ係数のプログラム化検討。 基本的には以前の使い回し。 波形データの解釈や、数式が変わるのみ。の予定。
MATLAB,Python,Scilab,Julia比較 第5章 その49【フーリエ級数(周期2L)②】
フーリエ級数を伸縮するための検討。 xがπと認識するように係数を掛けてあげればOK。 フーリエ係数も、πがLになるように式を変更すればOK。
MATLAB,Python,Scilab,Julia比較 第5章 その48【フーリエ級数(周期2L)①】
前回までのフーリエ級数、ふーりけ係数には周期2πという制約がある。 三角関数の直交性を得るための制約。 周期を変えるには、周期の伸縮を考えると解決できるかも？
フーリエ係数を求めるプログラムをJuliaで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
フーリエ係数を求めるプログラムをScilabで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
フーリエ係数を求めるプログラムをPythonで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
フーリエ係数を求めるプログラムをMATLABで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
MATLAB,Python,Scilab,Julia比較 第5章 その47【フーリエ係数⑪】
フーリエ係数を求めるプログラムをJuliaで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
MATLAB,Python,Scilab,Julia比較 第5章 その46【フーリエ係数⑩】
フーリエ係数を求めるプログラムをJuliaで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
MATLAB,Python,Scilab,Julia比較 第5章 その45【フーリエ係数⑨】
フーリエ係数を求めるプログラムをPythonで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
MATLAB,Python,Scilab,Julia比較 第5章 その44【フーリエ係数⑧】
フーリエ係数を求めるプログラムをMATLABで実現。 おおよそ元の波形を再現できる係数が算出できている。 不連続点では流石に振動している。
フーリエ係数を求めるプログラムを作成予定。 フーリエ係数で係数を求め、その係数を利用してフーリエ級数で波形を再現する方式。 nを大きくすることで、波形がどう変化するかがポイント。
フーリエ係数を求める一般化された式のまとめ。 a0が1/2されている理由を説明。 フーリエ係数のbnを求める式の一般化。 ついでにa0を求める式も一般化。 常に1のような定数関数は畳み込み積分に於いては矩形波をイメージすると認識しやすい。
フーリエ係数anを求める式の一般化。 流れとしては前回のa1を求める式と同じ。 フーリエ係数を求める雰囲気を感じ取るため、係数a1のみに着目。 三角関数の直交性を利用すると、フーリエ級数の各項のほとんどが0となる。 それを使用して係数a1を求める式を導出できる。
「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？
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。
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。
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。
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。
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。
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。
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。
多層パーセプトロンの隠れ層のユニット数を2から4に変えたMATLABコードで分類を実施。 大きく2パターンの分類パターン やや複雑な分類パターンが4ユニットにすることで出てきたもの。
多層パーセプトロンの隠れ層のユニット数を2から4に変えたJuliaコードで分類を実施。 大きく2パターンの分類パターンがある。 やや複雑な分類パターンが4ユニットにすることで出てきたもの。
多層パーセプトロンの隠れ層のユニット数を2から4に変えたScilabコードで分類を実施。 大きく2パターンの分類パターンがある。 やや複雑な分類パターンが4ユニットにすることで出てきたもの。
多層パーセプトロンの隠れ層のユニット数を2から4に変えたPythonコードで分類を実施。 大きく2パターンの分類パターンがある。 やや複雑な分類パターンが4ユニットにすることで出てきたもの。
多層パーセプトロンの隠れ層のユニット数を2から4に変えたMATLABコードで分類を実施。 大きく2パターンの分類パターンがある やや複雑な分類パターンが4ユニットにすることで出てきたもの。
多層パーセプトロンの隠れ層のユニット数を増やす。 表現力が上がるはず。 局所最適解にハマらないというより大域最適解に近い局所最適解が増えるというイメージ。 プログラム上の修正点確認。 ベクトル、行列演算ができるため修正範囲は極小。
多層パーセプトロンの隠れ層のユニット数を増やす。 表現力が上がるはず。 局所最適解にハマらないというより大域最適解に近い局所最適解が増えるというイメージ。 プログラム上の修正点確認。 ベクトル、行列演算ができるため修正範囲は極小。
非線形分類をしたが実は問題が発生している。 非線形分類が失敗する原因を特定するため決定境界線と誤差関数の推移をモニタ。 案の定、局所最適解にハマってる。 つまりエポック数を増やしても対策にはならない。 隠れ層のユニット数を増やす、最適化アルゴリズムを使用するのが対策案。
非線形分類が失敗する原因を特定するため決定境界線と誤差関数の推移をモニタ。 案の定、局所最適解にハマってる。 つまりエポック数を増やしても対策にはならない。 隠れ層のユニット数を増やす、最適化アルゴリズムを使用するのが対策案。
非線形分類をしたが実は問題が発生している。 20%くらいの確率で分類ができない。 原因がわかるように誤差関数の推移や決定境界線の推移のアニメーションを見てみる予定。
多層パーセプトロンによる分類をJuliaで実施。 一応ちゃんと分類できた。
多層パーセプトロンによる分類をScilabで実施。 一応ちゃんと分類できた。 等高線による分類表記がうまく行かなかったため、境界線をplotしている。
多層パーセプトロンによる分類をPythonで実施。 一応ちゃんと分類できた。
多層パーセプトロンによる分類をMATLABで実施。 一応ちゃんと分類できた。
多層パーセプトロンによる分類をJuliaで実施。 一応ちゃんと分類できた。
多層パーセプトロンによる分類をScilabで実施。 一応ちゃんと分類できた。 等高線による分類表記がうまく行かなかったため、境界線をplotしている。
多層パーセプトロンによる分類をPythonで実施。 一応ちゃんと分類できた。
多層パーセプトロンによる分類をMATLABで実施。 一応ちゃんと分類できた。
連鎖律の「プログラミングするための最適化」は連鎖律上の共通部分の特定が重要。 連鎖律の共通部分の算出。 共通変数で実際の処理に相当する数式を書き出し。
多層パーセプトロンの重みを決定するための誤差逆伝播法が必要。 誤差逆伝播法の全体像を確認。 出力層の連鎖律と各偏導関数を導出。 隠れ層から誤差関数までの連鎖律を導出。
