searchカテゴリー選択
chevron_left

メインカテゴリーを選択しなおす

カテゴリーのご意見・ご要望はこちら
cancel
プロフィール
PROFILE

永遠の旅人さんのプロフィール

住所
未設定
出身
未設定

学生時代にアジアの雑踏にハマる。誰もが羨むメーカーを退職し、「旅しながら働く」ことを目指し物流業界に転職。現在6か国目に駐在中。次なる目標は、アジアのビーチで毎朝毎晩裸足ランニングして暮らすこと。理工学と経営学のダブル修士。

ブログタイトル
物流業界の歩き方
ブログURL
https://rikei-logistics.com/
ブログ紹介文
物流を「数学」してきた元エンジニアの計算メモと海外放浪記
ブログ村参加
2021/04/03
本日のランキング(PV)
フォロー

ブログリーダー」を活用して、永遠の旅人さんをフォローしませんか?

ハンドル名
永遠の旅人さん
ブログタイトル
物流業界の歩き方
フォロー
物流業界の歩き方

永遠の旅人さんの新着記事

1件〜30件

  • 【スーパーわかりやすく!】4種類の負の二項分布をまとめて解説する決定版

    負の二項分布、名前からして何のことだか分かりにくいですね。本によっても成功するまでの試行回数の確率分布と書いてあったり、失敗回数の確率分布と買いてあったりします。実はこの他にも失敗するまでの試行回数であったり、成功回数の確率分布も負の二項分布です。つまり全部で4種類あるということです。これらをすべてまとめて解説します。

  • 【Form Dとは?】申請方法や三国間貿易/中継貿易に使う際の注意点をまとめてみた

    Form DやForm Aって何?どうやって申請するの?発給まで何日かかるの?三国間貿易にはどうやって使うの?Back to Back Form Dはどうやって申請するの?バイヤーズコンソリデーションでも使えるの?等についてまとめてみました。実際のところ現地税関の判断で変わるところはありますが、最大公約数で解説します。

  • ベルヌーイ分布/二項分布/カテゴリ分布/多項分布を関連付けて理解する

    離散確率分布の中でも代表的な二項分布や多項分布は確率モデルを作ってパラメータを決めることによって色々な確率が計算できて便利です。一方でベルヌーイ分布やカテゴリ分布も良く聞く言葉です。これら4つはどのような関係にあるのでしょうか?実は多項分布の関数式を理解してしまえば後の3つはその特殊形なので簡単に理解できてしまいます。

  • 【Back to Back CO】第三国を経由する貨物に特恵関税を適用して関税を減らす方法

    仲介貿易と違って中継貿易ではモノも第三国を経由させます。その場合、EPA/FTAを活用して特恵関税を享受できるのでしょうか?自由貿易協定では通常「積送基準」という条項があり、途中で第三国を経由しない直送が基本です。しかし中継国でBack to Back COを発給してもらえれば第三国に在庫して再輸出することが可能です。

  • 【裏面約款で自己防衛!】国際貿易における売買契約のチェックポイント

    国際貿易では契約がすべてです。それも表面約款よりも裏面約款です。海外企業は口頭で話しがまとまりそうになると競って契約書のドラフトを出してきます。そこには過去のトラブル経験から得た教訓を元に、自社を守るためのノウハウが詰まっています。日本で携帯電話を契約する時に裏面約款を見ない人も国際貿易ではきちんとチェックしましょう。

  • 【T/T決済編】仲介貿易(三国間貿易)の注意点を決済方法別にわかりやすく

    仲介貿易(三国間貿易)では色々な決済方法があります。始めはL/C決済でも信頼関係が築けてくるとD/A(Documents against Acceptance)やD/P(Documents against Payment)に移行します。そして遂にはT/T決済に移行します。その場合はどのような点に注意すべきでしょうか?

  • 【L/C決済編】仲介貿易(三国間貿易)の注意点を決済方法別にわかりやすく

    仲介貿易または三国間貿易ではリインボイスやらスイッチB/Lやら聞きなれない言葉が出てきて初めて行う人にとっては不安だと思います。特にL/C決済を行う場合にはもっと不安だと思います。2国間貿易と比べてどんなオペレーションフローになるのでしょうか?また注意すべき点は何でしょうか?仲介貿易では2種類のL/Cが必要になります。

  • 【L/C決済編】仲介貿易(三国間貿易)の注意点を決済方法別にわかりやすく

    仲介貿易または三国間貿易ではリインボイスやらスイッチB/Lやら聞きなれない言葉が出てきて初めて行う人にとっては不安だと思います。特にL/C決済を行う場合にはもっと不安だと思います。2国間貿易と比べてどんなオペレーションフローになるのでしょうか?また注意すべき点は何でしょうか?仲介貿易では2種類のL/Cが必要になります。

  • 【積分をわかりやすく】Excelであらゆる関数の積分を簡単に求める方法

    微分と同じように積分もExcelによる数値計算で簡単に求めることができます。ポイントは短冊状に切り刻んで、それぞれの台形の面積を足し合わせることです。細かく切り刻むほど精度が上がりますが、Excelでやれば単にコピペするだけですのでいくらでも切り刻めます。モンテカルロ法もExcelで積分計算を行うのに適した方法です。

  • 【微分をわかりやすく】Excelであらゆる関数の微分を簡単に計算する方法

    Excelでどんな関数でも簡単に数値計算できる方法を解説します。微分の求め方には解析的解法と数値的解法があります。解析解は厳密解を求められますがすべて解析的に求められるとは限りません。その点、数値的解法は近似解になりますがすべて求められます。数値的解法は微分の定義式に代入することにより、いつも同じやり方で求められます。

  • Batch normalizationの逆伝播の算出式を計算グラフを辿って導出する

    Batch normalizationの逆伝播の計算式を計算グラフを使って求めます。Batch normalizationは各層における出力分布(アクティベーション分布)を任意の形の正規分布に調整することによって、次の層のアクティベーション分布を適正に広げるというアイデアです。計算グラフを逆に追って丁寧に解説します。

  • 誤差逆伝播法を行列演算でExcelに実装してXavierの初期値の有効性を実験してみた

    誤差逆伝播法はExcelに実装できますが、行列演算を使うとサイズの拡張性が向上し計算も高速になります。どのように実装したかをまとめました。その後、そのExcelファイルを使ってXavierの初期値が有効かどうかを実験してみました。結果的にはあまり有効でなかったのですが、初期値だけでなく学習率も一緒に検討すべきでした。

  • 【勾配消失しない重みの初期値】Excelでモンテカルロシミュレーションしてみた

    ニューラルネットワークの学習において重みパラメータの初期値の設定は重要です。「ゼロから作るDL」では標準正規分布乱数で設定する方法を中心に、Xavierの初期値やHeの初期値を使った場合の実験結果を紹介しています。この実験はPythonで行っていますので、Excelで同じ実験を行って理解を深めながら確認してみました。

  • 【計算グラフ】でいろいろな活性化関数の微分が簡単にできるか試してみた

    「ゼロから作るDL」を理解するのは計算グラフの理解は欠かせないと思います。ところがいま一つ釈然としなかったため、自分で応用問題を解いて試してみました。シグモイド関数やソフトマックス関数の微分については本に載っていましたので、同じ活性化関数の仲間であるソフトプラス関数とソフトサイン関数の微分を計算グラフで求めてみました。

  • すべての品目について一律に在庫日数を決める在庫管理がアバウトすぎる理由

    在庫管理は数学的なアートです。安全在庫は需要の標準偏差から決まりますが、需要予測在庫は需要の平均とリードタイムから決まります。これら3つの要素を中心に営業情報等を加味しながら在庫管理を行うということは、数理的に極めて面白い業務です。ところが、それを放棄してしまい経験と勘で決めてしまっている会社も少なくないのが現状です。

  • 【紙の図面なんて役立たず】Visioで図面をゼロから作る方法を実演

    Microsoft Visioを使って図面をゼロから作ろうとする時にハードルとなるのが縮尺の設定です。縮尺を設定する画面で設定しても、思うような大きさにならないことがあります。そんな時は紙のサイズをチェックしてみて下さい。A1に設定してあると図形が小さくなりすぎてしまいます。図面をゼロから作る方法を実演します。

  • 【学習率を調整する】AdaGradとRMSPropの効果を比較してみた

    勾配降下法の学習率を自動調整するアルゴリズムとして有名なAdaGradとRMSPropの効果を比較してみました。更新式を見ると大変良く似ていて、単にRMSPropを簡単にしたものがAdaGradではないかと思ってしまいますが、RMSPropは大きすぎる勾配を抑えることが目的ですが、AdaGradは全く逆の目的です。

  • 【2通りの方法】最小二乗法をExcelを使った行列演算で解析的に解いてみた

    最小二乗法を行列を使って解くやり方には2種類あります。一つは回帰式の係数を偏微分する方法、もう一つは変数を微分する方法です。両方法とも簡単に微分できるようになっているので難しくありません。また4次、5次などの高次関数で近似したい場合にも全く同じやり方でできます。行列の基本が分かっている人にとっては大変便利な方法です。

  • 【スッキリ分かる!】尤度と確率の違いをわかりやすく解説します。

    尤度、、、そもそも読めませんね。普段耳にしない言葉です。確率との違いもはっきりしませんね。そこで確率と比較して何が違うのかをはっきりさせることによって、尤度とは何かに迫っていきます。確率質量関数や確率密度関数には2種類の変数が含まれています。どちらに焦点を当てるかによって確率というか尤度というかが決まってきます。

  • 【スーパーわかりやすく】不偏標準偏差を求めるにはn-1で割ることを証明する

    不偏標準偏差はなぜn-1で割るのでしょうか?nでもn-2でもなくなぜn-1なのでしょうか?「それは数学的に少し難しいから」と言って省略されがちです。でも実はそれほど難しくないのです。これをなるべく平易な言葉で解説します。あとよく誤解されがちなのが、標本の標準偏差は常に母集団の標準偏差より小さいと思われていることです。

  • ブラックジャックの必勝法をExcelモンテカルロ法で強化学習したらこうなった

    ブラックジャックは方策が決まっていても環境の変化により結果が異なります。このような場合には何度も乱数によるシミュレーションを繰り返して平均を採るというモンテカルロ法が機能します。前回の記事との違いは状態+行動の価値を見積もることです。(前回は状態の価値だけを見積もった)この強化学習をExcelに実装して理解します。

  • 【Excelでできる!】ブラックジャックの方策評価をモンテカルロ法で行ってみた

    カジノゲームの中で最も人気のあるブラックジャックの方策評価をQ値を使ったシミュレーションで行います。この場合の方策とは、自分の手持ちカードの合計値がいくつでディーラーの1枚目のカードの数がいくつの時にヒットするかステイするかを決める戦略のことです。今回は合計がnになるまでヒットし続ける単純戦略について評価を行います。

  • 【強化学習をわかりやすく】モンテカルロ法をExcelに実装して迷路問題を解いてみた

    強化学習でQ値を更新するアルゴリズムとしてはQ学習とモンテカルロ法がありますが、式を見てすぐに理解できる人はなかなかいないと思います。とても簡単に書かれた式のため管理人は分かった気になっていたのですが、実際にExcelに実装しようとすると分かっていないことに気づきました。意外と難しかったのは期待報酬Gを求める式です。

  • 【はじめての強化学習】Q学習の式をExcelに実装して迷路問題を解いてみた

    強化学習の中でも最も基本的なQ学習をExcelに実装して迷路問題を解いてみました。Q学習の考え方はとても単純です。秘宝のありかを示す秘宝マップをアップデートしていく作業に似ています。それも海の物とも山の物とも分からないような代物です。Q学習では初期値をテキトーに決めますのでこのような全くのデタラメな地図でも大丈夫です。

  • ガウスカーネルを使って無限次元に非線形変換!Excelでサポートベクターマシンを実験する

    ガウスカーネルを使ったカーネルトリックをExcelでやってみました。結果、多項式カーネルではできなかったような分類がきちんとできました。Excelの計算式も線形の場合とほとんど変わらず簡単です。ただ教師データだけにきちんとフィットし過ぎてしまいました。いわゆる過学習です。しかしβで感度調整することで解消できました。

  • 【カーネルトリック】非線形のサポートベクターマシンをExcelに実装して理解する

    「カーネルトリックを使えば非線形のサポートベクターマシンのアルゴリズムが線形の場合とほとんど同じように使える。」解説書を読むとなるほどと思うのですが、実際にExcelに実装してみようとすると理解していないことに気づきました。カーネル関数はなんでもいいわけではないということが1点と最適化した後の関数の戻し方で躓きました。

  • サポートベクターマシンを理解するためにExcelに実装して具体例を解いてみた

    サポートベクターマシンのアルゴリズムを理解するためにExcelに実装して具体例を解いてみます。結果的に物凄く簡単に解けました。サポートベクターマシンの難しさは、ラグランジュの未定乗数法や双対問題の原理を使いながら最適化問題を数値計算に適した問題に変換していくところにあります。そこを過去3回に渡って解説してきました。

  • サポートベクターマシンの原理からラグランジュの未定乗数法適用までをわかりやすく

    サポートベクターマシンは考え方はわかりやすいのですが、最適化問題への定式化やその解き方を理解することは意外と難しいですね。本記事ではどうやって制約条件付きの最小化問題に帰着するのか?と、それがどのようにラグランジュの未定乗数法と結びつくのかを簡単な例題を使いながら解説します。ポイントはパラメータを確認することです。

  • ラグランジュの未定乗数法は関数を立体的に解釈すれば意味を理解できる

    サポートベクターマシンを理解するためにはラグランジュの未定乗数法の理解が欠かせません。ところがこの公式を見るだけでは中々イメージが湧きません。そこで簡単な例題を2問解きながら式の意味を考えます。ポイントは関数を立体的に捉えることです。2変数の場合は目的関数の値を3次元目と考えることによって立体的に捉えることができます。

  • ニューラルネットワークの理解に欠かせないシグモイド関数について調べてみた

    シグモイド関数とは何でしょうか?英語では単なるS字関数のことです。S字関数にはロジスティック関数やtanh関数などいくつかあります。シグモイド関数の起源は19世紀初頭に発表されたロジスティック関数です。元は人口の増殖を表す数理モデルでしたがその後は生物一般の増殖モデルとして使われるようになりニューロンに応用されました。

カテゴリー一覧
商用