黒木玄 Gen Kuroki(@genkuroki)/2020年02月/Page 22

NEUTRINO（歌声生成AI）公式 @SHACHI_NEUTRINO

2名の音源（東北きりたん、謡子）が同梱されています。
※制作した音声ファイルについては、各データベースの利用規約の範囲でご利用ください。
使い方・更新情報などはReadme又はブログをご覧ください。
(続く)

タグ：

posted at 00:00:05

NEUTRINO（歌声生成AI）公式 @SHACHI_NEUTRINO

本ソフトの名称はまだ聞いたことのないような楽曲・ジャンルを開拓してほしいという思いを込めて名付けました。
あなたの創作・発見の一助になれれば幸いです。
今後も引き続きアップデートを続けていきますので、皆様どうぞよろしくお願いいたします。
（続く）

タグ：

posted at 00:00:47

最後になりますが、本ソフトウェアの制作にあたり、素晴らしいソフトウェア・データベースをご提供いただきました方々に感謝します。そして、テストやデザインなどご協力ご助言いただきました皆様に心から感謝します。ありがとうございました。

タグ：

posted at 00:01:10

dormir30 @dormir300

これはわかりやすい表現
「KL情報量D(q||p)は「分布pからの分布qの出て来難さ」の指標になっており、出て来難さが最小になるq=pのとき0になる。」次から貰おう twitter.com/genkuroki/stat...

タグ：

posted at 00:03:32

Julia もきゅもきゅ会の進捗 pic.twitter.com/aagUEf9vrl

タグ：

posted at 00:06:15

スライダーを動かすと別のパラメータを表すスライダーが動くトリック． Interact.jl のNotebookで発見できるのを思い出したので使ったという至り

タグ：

posted at 00:26:56

#Julia言語

- もきゅもきゅ会の成果，以前書いていたノートの続きとして書きました．
- 学生の時，幾何学がすごく苦手だったんですが，可視化のテクニックを身に付けた今だとようやく人並みには理解できるようになった気がします（ほんまか？）

mybinder.org/v2/gh/terasaki...

タグ： Julia言語

posted at 00:44:01

Arturo Erdély @ArturoErdely

@urfistbordeaux A «must-read» about #julialang :
thewinnower.com/papers/9323-i-...

タグ： julialang

posted at 00:50:25

実装だけならともかく，こういう数式や日本語を多用する場合 Markdown Previewerがめちゃんこ重くなるので，効率よくないなと思うようになった．何かしらの工夫は必要．

タグ：

posted at 00:53:31

となりのヤングジャンプ @tonarinoyj

Franklin.jlだと KaTeXベースらしいのでましになるんだろうか？
マークダウン保存すると即時に反映されるのがすごく印象良い．
今度はこれかな・・・．

タグ：

posted at 00:53:31

田守伸也（パズル作家） @tamori_puzzles

【最新話更新】
先程、『ワンパンマン』最新話を更新致しました！遂に激突、超能力対決！謎大き怪人協会の知将・サイコスの力が、そのヴェールを脱ぎ捨てる！果たしてタツマキの運命は…⁉︎久々にキングも大登場！皆さま是非チェックしてみて下さい！

tonarinoyj.jp/episode/108341...

#ワンパンマン pic.twitter.com/BSjy1rzWAv

タグ：ワンパンマン

posted at 02:11:34

2だらけ pic.twitter.com/R1y4nA4HRs

タグ：

posted at 02:22:23

非公開

タグ：

posted at xx:xx:xx

Ed Southall @edsouthall

Prime numbers:

3! - 2! + 1! = 5 (prime)
4! - 3! + 2! - 1! = 19 (prime)
5! - 4! + 3! - 2! + 1! = 101 (prime)
6! - 5! + 4! - 3! + 2! - 1! = 619 (prime)
7! - 6! + 5! -4! + 3! - 2! + 1! = 4421 (prime)
...?

タグ：

posted at 03:38:21

#統計 #R言語めっちゃおもろい！

twitter.com/abiko_ushi/sta...

タグ： R言語統計

posted at 05:41:14

#統計モデル内での数学的設定

Y_i ～ Bernoulli(q), i=1,2,…,n

と現実世界で得たサンプルの関係を説明します。

まず紫下線部分の「対応」はミスリーディングな説明だと私も思います。

やりたいことは、モデル内に現実世界に関する予測に役に立ちそうな確率分布を作ることです。続く twitter.com/koji_tanuki/st...

タグ：統計

posted at 06:10:22

#統計そのための基本アイデアは

現実世界で得られたのと同じサンプルがモデル内世界でも確率的に生成される状況について考えること

です。最尤法では

モデル内世界で現実世界で得られたのと同じサンプルが生成される確率が最大になるようにモデルのパラメータの値を調節すること

を行います。続く

タグ：統計

posted at 06:10:29

#統計続き。最尤法では、現実世界で得られたのと同じサンプルが生成される確率を最大にするようにモデルのパラメータの値を調節しておけば、モデル内確率分布は現実世界における近似的予測に役に立つだろう、と期待します。

その期待は常に満たされるとは限らないのですが、最尤法も有力な方法です。

タグ：統計

posted at 06:10:30

#統計「母集団分布が確率モデルに従っていると仮定して、最尤法でパラメータを推定する」のようにひどくミスリーディングな説明を見掛ける感じがします。

実際には、現実の母集団分布が確率モデルに従っている(例えば現実の母集団分布は正規分布になっている)などと仮定する必要は皆無です。続く

タグ：統計

posted at 06:15:22

#統計最尤法でやっていることは、現実世界で得たサンプルがモデル内確率分布で生成される確率が最大になるようにモデルのパラメータを調節しているだけです。

ひとことで言うと「最尤法は、モデル内確率分布が現実世界で得られたサンプルにフィットするようにパラメータを調節しているだけ」です。

タグ：統計

posted at 06:23:31

#統計同じようにベイズ統計についてひとことで説明すると、「ベイズ統計では、モデル内確率分布を『現実世界で得られたのと同じサンプルが生成された』という条件で制限した条件付き確率分布を考えているだけ」です。

このように事前・事後分布という用語抜きでシンプルに説明できます。

タグ：統計

posted at 06:24:32

#統計

東京大学教養学部統計学教室編『統計学教室』p.179には

【事前に母集団分布が××分布という形で与えられており】云々と書いてあります。

現実の母集団分布は未知なので、我々に可能なことはモデル内の確率分布を××分布の形に設定することだけ。

教科書的説明が伝統的にひどいという大問題‼️ twitter.com/genkuroki/stat...

タグ：統計

posted at 06:32:23

#統計私の主観的推定結果によれば、統計学入門の教科書を書いている人たちの多くは普通の常識的な意味で科学的な考え方をできておらず、現実世界と数学的フィクションであるモデル内仮想世界を混同し、仮想世界のパラメータの調節を現実世界のパラメータの推定だと信じている。

科学的には論外。

タグ：統計

posted at 06:36:10

個人的な意見では、数学的にテクニカルな点に関する誤りは大して害がないと思う。数学的誤りは見れば分かる(笑)。

それに対して、非科学的な考え方をもろもろの権威の力によって他人に吹き込む行為は社会的にひどく有害だと思う。

教科書化された権威に負けて一度信じると簡単には抜け出せなくなる。

タグ：

posted at 06:45:36

#統計最尤法でもベイズ統計でも、

モデル内確率分布で現実世界で得られたのと同じサンプルが確率的に生成される状況を考えること

が基本なのですが、その拡張とみなされる考え方は仮説検定や信頼区間の話にすでに出て来ています。

続く

タグ：統計

posted at 06:55:07

#統計米国統計学会の統計的有意性とP値に関する声明

www.biometrics.gr.jp/news/all/ASA.pdf

では仮説検定で使うP値について添付画像のように説明されています。すなわち、P値の定義は

モデル内確率分布によって、現実世界で得られたサンプル以上に偏ったサンプルが生成される確率

です。実際には近似値が多用。 pic.twitter.com/eOPsnkebPm

タグ：統計

posted at 07:00:14

#統計最尤法やベイズ統計の基礎は

モデル内確率分布で現実世界で得られたのと同じサンプルが生成される状況を考えること

なのですが、仮説検定の基礎は

モデル内確率分布で現実世界で得られたもの以上に偏ったサンプルが生成される状況を考えること

なわけです。大きな違いはない。

タグ：統計

posted at 07:02:39

#統計信頼区間の定義は、仮説検定のP値の概念を理解していればクリアに理解できます。

パラメータθ付きのモデルM(θ)内で現実に得られたもの以上に偏ったサンプルが生成される確率がα以上になるようなパラメータθの範囲を信頼係数1-αの信頼区間と呼びます。

タグ：統計

posted at 07:07:42

#統計多くの場合に、仮説検定では、帰無仮説に対応する値θ₀にパラメータ値を設定したモデルM(θ₀)内部において現実に得られたもの以上に偏ったサンプルが生成される確率がα未満のときに、「帰無仮説は棄却された」と言います。

考え方はどれも似ています。

タグ：統計

posted at 07:11:42

阿部2 @cocotan_2

@yokonoit 紹介ありがとうございます。尤度を周辺化してしまうため、ベイズの定理はつかいません。よろしくおねがいします。

タグ：

posted at 07:12:41

#統計ポイントは現実世界をぴったり記述していることが保証されていない数学的モデルを考えていることを明瞭に認識することだと思います。

そして、そのモデル内で、現実世界で得られたのと同じサンプルが生成される状況や、現実世界で得られたもの以上に偏ったサンプルが生成される状況を考える。

タグ：統計

posted at 07:15:55

#統計そういうシンプルで一貫した方法を採用していることに触れずに、伝統的な慣習に従っているがゆえに明らかに非科学的に見える解説を続けることはそろそろやめるべきだと思う。

私は統計学はど素人なので影響力身皆無だし、間違っていることも言っているとは思いますが。

タグ：統計

posted at 07:18:29

みみずばれ @alotofttd

【社会科学のためのベイズ統計モデリング (統計ライブラリー　)/浜田宏他】を読みたい本に追加 → bookmeter.com/books/14580331 #bookmeter

タグ： bookmeter

posted at 07:21:54

toku-embedded @toku_emb

心が乱れた時に見るgif @kokoromidaregif

ベイズ統計・ベイズ機械学習を始めよう｜AIdrops www.bigdata-navi.com/aidrops/2423/ #mlai

タグ： mlai

posted at 07:33:35

#心が乱れた時に見るgif pic.twitter.com/8bQAAR6Rn0

タグ：心が乱れた時に見るgif

posted at 07:38:15

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

#統計またしても、あびこ（牛）さんが本質的な指摘を！

「ベイズ統計」と聞いた途端に「ベイズの定理を使う」と短絡する思考回路が心の中にできてしまった人は、悪しき伝統的慣習の権威を受け入れてしまった状態に陥っています。

twitter.com/abiko_ushi/sta...

タグ：統計

posted at 07:43:15

〈 Berger | Dillon 〉 @InertialObservr

三体を読んでからSFブームが来てる。虐殺器官を読んで、今はテッド・チャンの息吹を読んでる。

タグ：

posted at 07:45:42

Area of a Circle (100 circular slices) pic.twitter.com/qNeZ6dNu7e

タグ：

posted at 08:04:05

#統計こういう話題で「ベイズ」の名を持ち出すことは教育的に有害。

みんな「ベイズ」と言っているからという理由で「ベイズ」だと言ってしまう人たちは、みんなクソであることに気付いていない。

ベイズ理論とその利用２ーモンティ・ホール問題 youtu.be/pcUxlMSlP1w @YouTubeさんから pic.twitter.com/iNgiKRd6yD

タグ：統計

posted at 08:05:04

#統計以前、医療統計を教えている人の教育に関する論文に「ベイズの定理を使って教えるよりも、2×2の分割表全体を見るように指導した方がうまく行くこと」の検証結果が書いてあったと思うのだが、当該論文を再発見できない。😭

大事なことを教えるときにはベイズの定理は使わない方がよいです。

タグ：統計

posted at 08:12:27

#統計あと別スレッドで何度も触れているように、ベイズ統計の理解にもベイズの定理は不要です。

よりシンプルで根源的な条件付き確率分布の概念まで戻って考える方が勝ります。

だから、ベイズの定理に触れる場合には「ベイズの定理ほど有名で役に立たない定理はない」と教えるべきだと思います。

タグ：統計

posted at 08:17:10

やっちん @yacchin312

宮城県で新型コロナウイルスに対応できる病院は以下の7施設。
第1種と第2種の違いは何なんだろう？

・第1種感染症指定医療機関
東北大学病院

・第2種感染症指定医療機関
公立刈田綜合病院
仙台市立病院
大崎市民病院
石巻赤十字病院
気仙沼市立病院
栗原市立栗原中央病院

タグ：

posted at 08:27:49

10年前の「自衛体は暴力装置」騒動の再現だね。くだらない。 twitter.com/EarlyQuarry/st...

タグ：

posted at 08:35:26

OokuboTact　大久保中二病中年 @OokuboTact

@OokuboTact 「こんなことが？」と思うようなことが躓きになるから、割合分数と量分数が難関になることがあってもおかしくないとは思うけど、

その原因として、教える側が「割合分数と量分数は全く異なる」と思い込んでいる可能性はあり得る。

タグ：

posted at 09:27:22

@sekibunnteisuu 掛け算の順序・固定指導もそうだけど、教える側の先入観がひどすぎ。
理科の実験なら、最初は理解できなくても、生徒達が自分たちで何度か試行錯誤しながらやれば納得するようになる。
算数（数学）も同じだと思うんだけど、教える側が焦りすぎで詰め込みすぎな感じ。

タグ：

posted at 09:32:05

@OokuboTact この人の言うには、「いくつ必要？」なのに、掛け算の順序を“逆”にして「35人」と答える人が多いという。
でも、こういう不適切なアンケートを作ってしまうわけで、この教師自身が「掛け算の順序」を信じていることで、「35人」という誤答を誘発している可能性が極めて高い。twitter.com/TomoP_pypy3/st...

タグ：

posted at 09:33:48

タカラトミー @takaratomytoys

押すとドラミファソラシドの音階でﾆｬｰﾆｬｰ鳴いてくれるドレミファキャット発売中です。それでは聞いてください。

「ねこふんじゃった」

#猫の日 #ねこの日

 pic.twitter.com/oyaiZ0zKYR

タグ：ねこの日猫の日

posted at 10:44:00

#再現性この話、面白すぎ。

twitter.com/tsuyomiyakawa/...

タグ：再現性

posted at 10:55:29

現実世界で得たサンプルの関係についてのご説明ありがとうございます．勉強になります．
モデル内での話と現実の話の混同は，どちらにも母集団分布と同じ言葉を使用していることによって生じているのかなと思いました（続く）
twitter.com/genkuroki/stat...

タグ：

posted at 14:46:24

「モデル内（または仮想世界内）での母集団分布」と「現実の母集団分布」と呼び分けるか，または前者を別の言葉（これが「確率モデル」？）を使って表現するのがよいと思いました．

タグ：

posted at 14:47:11

最尤法は，モデル内サンプルが現実世界でのその実現値を忠実に再現するようパラメータを調節することでモデル内確率分布を予測に活かせると期待できるということが肝で，現実の母集団分布がモデル内確率分布に従う必要はないということもわかりました．

タグ：

posted at 14:47:33

日本棋院若手棋士 @wakatekishi_igo

現実世界と同じサンプルは何によって生成されるのか．モデル内の条件付き確率とは別の確率分布（確率モデル）？つまり，あえて事後分布などの言葉を使うと，

（...で制限した）条件付き確率分布＝事後分布
現実と同じサンプルを生成する確率分布＝確率モデル＋事前分布

？
twitter.com/genkuroki/stat...

タグ：

posted at 14:58:29

みなさまこんにちは。
芝野虎丸です。
当番忘れてましたがなぜか急に気づきました。
一週間よろしくお願いします

タグ：

posted at 14:58:35

#超算数
 @sakurai_susumu
失礼します。桜井進さんの書かれた『身近で役立つ数学力』には、このようなことが書かれていますが、ペアシー
ト5つでも、それぞれの左側に5人、右側に5人と考えることも出来ます。
2×5や5×2は、10という数を表しているに過ぎないと思います。
twitter.com/genkuroki/stat...

タグ：超算数

posted at 15:09:31

@sakurai_susumu #超算数
2×5が「ペアシートが5つ」、5×2が「5人掛けのベンチが2つ」などという意味を表しているとはとても思えません。

桜井進さんは、ABCDから異なる2つを並べる方法は何通りか？は、4×3　3×4　どちらの式が正しいとお考えでしょうか？

タグ：超算数

posted at 15:12:12

#統計それ、非常によい質問だと思います。

現実で得たのと同じサンプルのモデル内世界で生成される確率について考えるためには、モデル内でのサンプル(y_1,…,y_n)の確率分布(標本分布)

p(y_1,…,y_n)

を定義しておかなければいけません。続く

twitter.com/koji_tanuki/st...

タグ：統計

posted at 15:18:00

#統計『社会科学のためのベイズ統計モデリング』では、

母集団分布の確率モデル p(y|w)
事前分布 φ(w)

によって、モデル内での標本分布p(y_1,…,y_n)が

p(y_1,…,y_n) = ∫p(y_1|w)…p(y_n|w)φ(w)dw

によって定義されている場合を扱っています。続く

タグ：統計

posted at 15:18:12

#統計その定義は、モデル内仮想世界では以下のようにしてサンプルY_1,…,Y_nが確率的に生成されていると考えるのと同じです。

(1) W ～ φ(w)
(2) Y_k ～ p(y_k|W) (k=1～n)

続く

タグ：統計

posted at 15:22:06

#統計 #統計すなわち、モデル内仮想世界では

(1) まずWを事前分布φ(w)に従ってランダムに生成する。

(2) パラメータをw=Wに固定して、k=1～nについてY_kを独立にp(y_k|W)に従ってランダムに生成する。

とサンプル(Y_1,…,Y_n)が生成されていると考えるのと同じことです。続く

タグ：統計

posted at 15:26:09

#統計一方、現実世界では母集団からの無作為抽出によってサンプルが生成されていると想定しているので、現実世界での母集団分布をq(y)(←これは未知)と書くと、現実世界での標本分布は

q(y_1,…,y_n)=q(y_1)…q(y_n)

の形になっていると想定されています。

注意: これは想定であり～続く

タグ：統計

posted at 15:35:57

#統計続き～、真の現実世界での標本分布をこのような想定で十分な精度でとらえられるかどうかは、この想定で分析がうまく行くことが判明するまでわかりません。

以下ではこの注意の内容には触れず、以上で述べた想定の範囲内の話をします。

続く

タグ：統計

posted at 15:35:57

#統計一方、最尤法でのモデル内標本分布p_MLEは

p_MLE(y_1,…,y_n|w) = p(y_1|w)…p(y_n|w)

と定義され、パラメータwを含みます。これはモデル内でサンプルが

(1) k=1～nについてY_kを独立にp(y_k|w)に従ってランダムに生成する。

と生成されるという設定と同じ。

タグ：統計

posted at 15:39:53

#統計現実から得たサンプルの値が(Y_1,…,Y_n)のとき、最尤法では

* p(Y_1,…,Y_n|w) を最大化するw=w*を求め、モデル内での確率分布を確定させ(wを決めないとモデル内での確率分布p(y|w)が決まらない)、モデル内確率分布で、現実世界の確率分布が近似されていると期待します。

続く

タグ：統計

posted at 15:43:33

#統計現実から得たサンプルの値がY_1,…,Y_nのとき、ベイズ統計では

* 標本分布 p(y_1,…,y_n, y_{n+1},…,y_N) を y_1=Y_1, …, y_n=Y_n という条件で制限して得られる条件付き確率分布

p(y_{n+1},…,y_N|y_1=Y_1, …, y_n=Y_n)

が現実世界の確率分布を近似していると期待する。

続く

タグ：統計

posted at 15:48:33

#統計簡単のためN=n+1だとします。このとき、モデル内での条件付き確率分布は

p(y_{n+1}|y_1=Y_1,…,y_n=Y_n)
= p(Y_1,…,Y_n, y_{n+1})/Z(Y_1,…,Y_n),

Z(Y_1,…,Y_n)=∫ p(Y_1,…,Y_n, y_{n+1})dy_{n+1}

と書けます。続く

タグ：統計

posted at 15:52:02

#統計 p(y_1,…,y_n)=∫p(y_1|w)…p(y_n|w)φ(w)dwという設定では、Z(y_1,…,y_n) = p(y_1,…,y_n) となるので、

p(y_{n+1}|y_1=Y_1,…,y_n=Y_n)
= p(Y_1,…,Y_n, y_{n+1})/p(Y_1,…,Y_n)

と条件付き確率分布を書けます。続く

タグ：統計

posted at 15:59:26

#統計この条件付き確率分布は、モデル内でY_1,…,Y_nが生成された次に生成される値の確率分布を記述しています。

このモデル内条件付き確率分布は(事後)予測分布とも呼ばれ、現実世界でY_1,…,Y_nが生成された次にどの値がどれだけの確率で生成されるかを近似的に予測していると期待します。

続く

タグ：統計

posted at 15:59:26

#統計以上のように、事前分布へのベイズの定理の形式的な適用を経由せずに、条件付き確率分布を純粋に考えることによってベイズ統計について説明すると、伝統的なスタイルとまったく異なるせいで、「自分が知っているベイズ統計とは別物」と誤解してしまう危険性があるのでもう少し説明します。

タグ：統計

posted at 16:02:27

#統計条件付き確率分布

p*(y_{n+1}):=p(y_{n+1}|y_1=Y_1,…,y_n=Y_n)
= p(Y_1,…,Y_n, y_{n+1})/p(Y_1,…,Y_n)

は次のようにも書ける:

p*(y_{n+1})=∫p(y_{n+1}|w)φ*(w)dw,

φ*(w)=p(Y_1|w)…p(Y_n|w)φ(w)/∫ p(Y_1|w)…p(Y_n|w)φ(w)dw.

φ*(w)は事後分布！自分の手で式を書いて確認して下さい！

タグ：統計

posted at 16:09:14

#統計事後分布φ*(w)の式は事前分布φ(w)にベイズの定理を適用した形になっています。

これは当たり前のことで、ベイズの定理は条件付き確率の定義からすぐに出る自明な定理に過ぎないので、条件付き確率分布を扱っていれば、ベイズの定理を知らなくても自動的に勝手にそれに相当する式は出て来る。

タグ：統計

posted at 16:12:43

#統計「ベイズ統計ではモデル内条件付き確率分布を考えているだけ」という基本原則に戻れば、ベイズの定理を一切知らない人であっても、ちょっとした式の変形によって自動的にベイズの定理に当たることを自力で得て使ってしまえるのです。

だから上で、自分の手で計算して！と書いたのです。

タグ：統計

posted at 16:15:36

#統計ベイズの定理を知らなくても、モデル内での条件付き確率分布を考えることを経由して、自分の力でベイズの定理の適用に当たることを導き出せてしまうわけです。一度そういう域の理解に達すれば、ベイズの定理でベイズ統計について説明することがアホらしくなってしまうと私は思います。

タグ：統計

posted at 16:18:34

#統計ガウス過程回帰がやっていることは、本質的に「モデル内標本分布

p(y_1,…,y_N)

が正規分布のとき、現実に得られたサンプルY_1,…,Y_nの値によって制限した条件付き確率分布

p(y_{n+1},…,y_N|y_1=Y_1,…,y_n=Y_n)

を考えているだけ」です。ゆえにガウス過程回帰もベイズ統計の一種です。

タグ：統計

posted at 16:26:33

#統計ガウス過程回帰では事前分布が表に見えていないので、ベイズ統計で事前分布とベイズの定理が必須だと誤解していると、ガウス過程回帰をベイズ統計の一種だと認識できなくなってしまいます。

「ベイズ統計はモデル内条件付き確率分布を考えているだけ」というスタイルならば大丈夫です。

タグ：統計

posted at 16:26:34

#統計もとの話題。現実世界に関する想定

* k=1～nについてY_kを独立にq(y_k)に従ってランダムに生成する。

には、リンク先のモデル内設定における(1)の分のランダム性は存在しません。この意味で、ベイズ統計でのモデル内設定は現実世界に関する想定に(例外的場合を除けば)決して一致しません。続く twitter.com/genkuroki/stat...

タグ：統計

posted at 16:46:57

#統計続き。この意味で、ベイズ統計でのモデル内設定は「非現実的」です。

ベイズ統計では、現実世界には存在しないランダム性を、数学的に作ったモデル内仮想世界で自由に設定できます。

続く

タグ：統計

posted at 16:47:01

左巻健男（サマキタケオ） @samakikaku

#統計「分析に用いるモデルはパラメータをうまく調節すれば現実世界にぴったり一致する可能性があるものでなければいけない」というこだわりはベイズ統計では捨てることになります。

タグ：統計

posted at 16:47:02

EM菌比嘉照夫氏は、日本をEMモデル国家にするのに国会議員の有用微生物利活用推進議員連盟（EM菌議運）と有機農業推進議員連盟を重要視。自民党が中心だが超党派。例えば紙智子氏（共産党）は後者の幹事。

EMモデル国家は国民がEM生活。その一端↓
EM生活のすすめ
em-hokkaido.org/article-90.html

タグ：

posted at 16:52:11

横山明日希 @asunokibou

「九九表の答えのすべてを足すといくつになるか？」

という問題、4枚の九九表を90°ずつ回して重ねて考えるというエレガントな解法があります。

この方法すごく美しくて好きですのでぜひ見てください！ pic.twitter.com/Ff6qSvocii

タグ：

posted at 17:03:45

角野隼斗 - かてぃん @880hz

トイピアノで弾ける限界を追求してみました（トルコ行進曲）

youtu.be/NLq8-7Mspb4 pic.twitter.com/B73fgXyY4c

タグ：

posted at 17:39:05

飛行機の中で暇だったので「ガウス整数を素元分解するプログラム」を作ってみました！

これはたとえば、m+i 型のガウス整数を分解してみた結果です。楽しい！ pic.twitter.com/mjztbPq2gm

タグ：

posted at 17:39:40

Lbfuvab @Lbfuvab

@tsujimotter どこかに素元リストを作っておいて、それで分解するのですか？
それともa+biに対してa^2+b^2の素因数分解を2と4n±1型で分類して計算ですか？

タグ：

posted at 17:45:57

この表をじっと睨むと・・・

たとえば、2+i, 3+i をかけると 1+i の整数倍になることがわかるので、そこから偏角を計算すればマチン型の円周率公式が得られますね。 pic.twitter.com/l8Z7qNIk1H

タグ：

posted at 17:46:18

@Lbfuvab 後者の方法です！

タグ：

posted at 17:46:51

Lbfuvab @Lbfuvab

@tsujimotter ありがとうございます！

タグ：

posted at 17:47:09

あるふぁさんの問題も、21+i, 34+i, 55+iの素元分解を計算するとわかりやすいですね。

21 + i = (1+i)(3+2i)(4+i)(-i)
(34 + i)(55 + i) = (1+i)(3+2i)(4+i)(8-5i)(8+5i)(-i)

で、(8-5i)(8+5i)は虚部が消えるからOK。

数表からペアを見つけるのがむずいですが・・・。
twitter.com/luigi_0829_2/s... pic.twitter.com/Wok1fazQsH

タグ：

posted at 17:59:40

新帯秀樹 Hideki Shintai @hs_heddy

あ、そうそう。最初の表を使えば (5+i)^4 / (239+i) の偏角が π/4 になることがただちにわかりますが、これが有名なマチンの公式ですね。 pic.twitter.com/BmkuVskldT

タグ：

posted at 18:03:29

新帯秀樹 Hideki Shintai @hs_heddy

Docker, GitHub Actions を組み合わせた Julia パッケージ開発環境を作るよ．
#Julia言語

 qiita.com/SatoshiTerasak... #Qiita

タグ： Julia言語 Qiita

posted at 18:37:07

Julia でカメラから取得した画像を描画できましたね．
#Julia言語
 #画像認識

 qiita.com/SatoshiTerasak... #Qiita

タグ： Julia言語 Qiita 画像認識

posted at 18:41:43

インド校長 @EGA_Japan