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。
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。
KEIさんが 参加中のテーマはありません。
テーマは同じ趣味や興味を持つブロガーが共通のテーマに集まることで繋がりができるメンバー参加型のコミュニティーです。
テーマ一覧から参加したいテーマを選び、記事を投稿していただくことでテーマに参加できます。
「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？
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。
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。
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。
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。
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
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。
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。
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...
本シリーズは分類問題を扱っていく予定。 機械学習のカテゴリわけを簡 分類とクラスタリングは雰囲気似てるけど、違うという扱い。
射影変換とアフィン変換の合成をJuliaで実施。 問題無く動作した。 行列の定義の記述はMATLABと一緒なのでコピペ。 すごく似ているが故にハマることもある。
射影変換とアフィン変換の合成をScilabで実施。 メモリ不足問題に直面しやすいが一応動作した。 行列定義の仕方はMATLABと一緒なので、コピペした。
射影変換とアフィン変換の合成をPython(NumPy)で実施。 問題無く動作。 射影変換にアフィン変換行列を渡せば、アフィン変換ができることを知っていればOK。
射影変換とアフィン変換の合成をMATLABで実施。 問題無く動作。 複数の座標変換だが、事前にパラメータを合成することで処理としては一回にまとめられる。
はじめに MATLAB,Python,Scilab,Julia比較するシリーズの第3章。 第2章では回帰関連の話がメインだった。 第3章は画像処理関連の話がメインとなる。基本的には以下の流れとなる。 画像の読み込み、保存 グレースケール 畳
第4章修了。 基本的には画像処理関連。 一個一個変換するのではなく、変換パラメータを合成して変換処理は一回で済ます考え方が重要。
射影変換とアフィン変換の合成をJuliaで実施。 問題無く動作した。 行列の定義の記述はMATLABと一緒なのでコピペ。 すごく似ているが故にハマることもある。
射影変換とアフィン変換の合成をScilabで実施。 メモリ不足問題に直面しやすいが一応動作した。 行列定義の仕方はMATLABと一緒なので、コピペした。
射影変換とアフィン変換の合成をPython(NumPy)で実施。 問題無く動作。 射影変換にアフィン変換行列を渡せば、アフィン変換ができることを知っていればOK。
射影変換とアフィン変換の合成をMATLABで実施。 問題無く動作。 複数の座標変換だが、事前にパラメータを合成することで処理としては一回にまとめられる。
射影変換は数式上はアフィン変換の拡張型。 射影変換のアフィン行列を入れてアフィン変換になるか試そうと画策。 射影変換、アフィン変換合成時のパラメータを(テキトーに)決めた。
射影変換、アフィン変換合成時のパラメータを(テキトーに)決めた。 変換後の想定画像を張り付けた。 補助線を入れて過程が分かるように。
今回の射影変換のアルゴリズムは射影逆変換。 これに伴い、渡す行列は逆行列。 逆行列を個別に渡す場合は これについてはアフィン変換の時に証明済み。
射影変換のアフィン行列を入れてアフィン変換になるか試そうと画策。 せっかくなので、射影変換とアフィン変換を合成してみる。 合成の組み立て方はアフィン変換の時と同じ。
射影変換は数式上はアフィン変換の拡張型。 射影変換とアフィン変換の数 射影変換のgとhが0の場合、アフィン変換と同一の式になる。
Juiaで射影変換の台形から長方形の変換を実施。 想定通り変換。 コードの流れと構成及び文法的にもMATLAB時のコードと一緒なため、パラメータ調整箇所も一緒。 今回は座標変換なため影響はないが色情報の持ち方が256階調ではなく、0～1に正規化されてる点に注意。
Scilabで射影変換の台形から長方形の変換を実施。 想定通り変換。 コードの流れと構成及び文法的にもMATLAB時のコードと一緒なため、パラメータ調整箇所も一緒。
Python(NumPy)で射影変換の台形から長方形の変換を実施。 想定通り変換。 コードの流れと構成はMATLAB時のコードと一緒なため、パラメータ調整箇所も一緒。
MATLABで射影変換の台形から長方形の変換を実施。 想定通り変換。 画像は荒くなるが想定通り。 変換元、変換先パラメータを調整するだけで実現可能。
