最近、最適化技術の勉強の一貫として、
ベイズ統計・最適化を勉強しようと思っています。
そこで、以前PFNが公開した
ベイズ最適化による、ハイパーパラメータ自動最適化ツールである
optunaを使ってみました。
今回の記事では、簡単なoptunaの紹介と、
optunaは、Python製のツールですが、
標準入出力を使えば、任意のプログラミング言語のシステムでも
簡単にパラメータ学習できたので、その方法を紹介したいと思います。
続きを読む
10年ほど、プログラミングをしているのに、
剰余のremとmodを理解していなかったので、
Twitterでいろいろ教えてもらった内容をメモしておきます。
続きを読む
今回の記事は、
制御工学 Advent Calendar 2018, 13日目の記事です。
幸いなことに、
冒頭の書籍を、著者の方から献本して頂いたので、
簡単に書評させていただきます。
献本いただきました😀。著者の方々ありがとうございます。全ページカラーで、グラフとかすごく見やすくていい感じです。熟読して書評させていただきます。
続きを読む
Juliaでは、ccallという関数を使うと、
簡単にc言語のコードから生成された
共有ライブラリの関数を利用することができますが、
Windows10+Julia1.0で実施しようと思ったところ、
色々ハマったので、やり方をメモとして残しておきます。
続きを読む
近年、プログラミングをする上で、
テストを書き、そのテストを継続的に実行する
継続的インテグレーション(CI)を利用することは当たり前になってきました。
CIを実現する上で、
オンプレミスでは、Jenkins
クラウドで、OSがLinux, Mac OSの場合は、Travis-CIや
Travis CI - Test and Deploy Your Code with Confidence
Circle-CI、
Continuous Integration and Delivery - CircleCI
Windowsの場合は、AppVeyorがあります。
最近は、ユニットテストを実行するだけでなく、
ユニットテストがカバーしているコードの割合を表示するのも
よく実施されます。
今回は、Coverallsというテストカバレッジ可視化サービスを使う方法をまとめておきます。
Coverallsを使うと、下記の画像のように、
テストカバレッジの結果を
GitHubのREADMEなどに表示することができます。
続きを読む
以前、SLAMの技術として、
EKF SLAMやFast SLAMなどを紹介しましたが、
これらのSLAMのアルゴリズムは、
オンラインSLAMと呼ばれるSLAMのアルゴリズムです。
このようなオンラインSLAMのアルゴリズムは、
地図の情報を使って、今の位置や姿勢を補正することができますが、
過去の位置や姿勢は補正することができません。
そこで今回は、過去の位置や姿勢も含めて補正することができる
Full SLAMと呼ばれるアルゴリズム群の中で、
有名なアルゴリズムであるGraph based SLAMの概要と
Pythonサンプルコードを紹介したいと思います。
続きを読む
個人的なUbuntu設定メモです。
続きを読む
スタンフォード大学には
機械学習を学ぶ上での第一歩として、
Introduction to Matrix Methods (EE103)という授業があります。
今回の記事では、
この授業の教科書である
Introduction to Applied Linear Algebraを
読んだ際の技術メモです。
この教科書は下記のリンクのページから
pdfをダウンロードすることができます。
本記事では、
上記の教科書の非線形最小二乗法の部分のみのメモです。
他の部分に関しては、下記の記事を参照下さい。
続きを読む
近年、プログラミングをする上で、
テストを書き、そのテストを継続的に実行する
継続的インテグレーション(CI)を利用することは当たり前になってきました。
CIを実現する上で、
オンプレミスでは、Jenkins
クラウドで、OSがLinux, Mac OSの場合は、Travis-CIや
Travis CI - Test and Deploy Your Code with Confidence
Circle-CIがあります。
Continuous Integration and Delivery - CircleCI
今回は、クラウド上でWindows OS上のCIサービスである
AppVeyorを紹介したいと思います。
最近、自分のOSSプロジェクトでも
Travis-ciに加えて、AppVeyorでのCIも追加しました。
今回はAppVeyorの概要と、自分がハマったところを紹介しておきます。
続きを読む
スタンフォード大学には
機械学習を学ぶ上での第一歩として、
Introduction to Matrix Methods (EE103)という授業があります。
今回の記事では、
この授業の教科書である
Introduction to Applied Linear Algebraを
読んだ際の技術メモです。
この教科書は下記のリンクのページから
pdfをダウンロードすることができます。
本記事では、
上記の教科書の非線形最小二乗法の部分のみのメモです。
他の部分に関しては、下記の記事を参照下さい。
続きを読む
