久しぶりにブログ書くなぁ.
まなは今頃どこらへんかぁ??ドイツ?スイス?
今からは,自分にかかるお金を全部自分でまかなうことが絶対です.
まぁ今まで授業料も含め色いろ世話になってきたので,当然なのかb
だから,バイトとか探さないとっbb
授業料をまかなうためには月々5万円は稼がないといけないねb
平日の昼間はムリだから,平日・休日の朝を基本にやりたいと思ってる.
今は昔と違ってコンピュータの世界で食べていきたいと思ってるから,
それと重要なのが大切な人ができたのが一番の理由だね♡
一緒に生きて行きたいから,安定した暮らしができるようにがんばるbb
話がそれたけど,新聞配達と朝のスーパーを考えてる.
それで月5万稼げるかわかんないけどね(笑)
研究の話じゃないねww
では,地クラが一段落してこれからの研究の方針・計画を詰めるかなb
◆方針
今の段階で研究の流れが2つあって,在席判定と移動の判定.
・在席判定
センサデータをある時間幅分区切った特徴量(集約値)と,そのときの状態(正解データ)を”決定木学習”させてる.
・移動の判定
同じくある時間幅分区切った特徴量(集約値)をクラスタリングして,移動の判定をする感じ.
今の段階では,どちらの特徴量(集約値)も時間幅で平均化しただけのもの.
どのような状態を経てきたのかという情報が抜けてる.
どのような状態を経てきたのかという情報が入れば,もっと正確な在席判定・移動の判定ができるのじゃないかなって思ってる.
具体的には,
1つのセンサノードから得られる時系列データをデータストリーム1つと考えてそれをある時間幅(セグメント)で区切って,それをクラスタリングする.
そして,その結果を複数のセンサノードのデータとして状態の正解データと共に決定木学習させれば,より精度のある在席判定・移動の判定ができるんじゃないかな??
それと,こうすることで”在席判定”と”移動の判定”を一緒に考えることができると思うんだ.
課題としては,各フェーズ毎にクラスタリングするから,データの特徴が失われる可能性も多いにあるね・・データの損失と,データの集約・簡略化がいい感じでできるところがあればいいね~^^
◆計画
シングルストリームの時系列クラスタリングと,それからのマルチストリームの決定木学習のプログラムを来週までに.
メインは,どんな特徴量を入れれば精度のいい判定ができるかだから,”まなみたいに”サクサクッとやらんとね♪♪
・・・日記が,徒然なるままにだなぁww
2010年9月22日水曜日
2010年9月10日金曜日
VMwareでCDマウントしてくんない!と,HMMの話
◆VMwareでCD-ROMをマウントしてくれない時の対処法
◆HMM(隠れマルコフモデル)
時系列のデータ系列から,状態推定するためのモデル.
ちなみに,なんでマルコフモデルって言うかは,次状態は1つ前の状態つまり現状態のみにしか依存しないから♪らしい.でも,あんま理解してないから調べてちょw
で,隠れマルコフってのは何か?
状態遷移確率A(*図のカッコの上)と出力シンボル確率B(状態aのときにシンボルoを出す確率)(*図のカッコの中)と初期状態確率π
で,出力シンボル系列(出力データ)が決まるよbってこと♪
もし系列aabが出力されたときの出力確率を求めたいと思ったら,(一応最終状態:S3)
系列abbを出力するのは1):(s1)->s1->s2->s3, 2):(s1)->s2->s2->s3, 3)(s1)->s1->s1->s3の3通りだから,
出力確率が一番高い状態系列を推定するのが,Viterbiアルゴリズム(形態素解析とかで使うらしい).上の三つの中で一番出力確率が高いxが通ってきた状態系列だよね?って感じみたい♪
計算がめんどいから,いろんなアルゴリズムが考えられてるらしい.それと,HMMモデルを構成するパラメータを推定する方法にBaum-Welchアルゴリズムってのがあるみたい.
引用:http://unicorn.ike.tottori-u.ac.jp/murakami/doctor/node13.html
◆HMM(隠れマルコフモデル)
時系列のデータ系列から,状態推定するためのモデル.
ちなみに,なんでマルコフモデルって言うかは,次状態は1つ前の状態つまり現状態のみにしか依存しないから♪らしい.でも,あんま理解してないから調べてちょw
で,隠れマルコフってのは何か?
状態遷移確率A(*図のカッコの上)と出力シンボル確率B(状態aのときにシンボルoを出す確率)(*図のカッコの中)と初期状態確率π
で,出力シンボル系列(出力データ)が決まるよbってこと♪
もし系列aabが出力されたときの出力確率を求めたいと思ったら,(一応最終状態:S3)
系列abbを出力するのは1):(s1)->s1->s2->s3, 2):(s1)->s2->s2->s3, 3)(s1)->s1->s1->s3の3通りだから,
- 1) (0.3*0.8)*(0.5*1.0)*(0.6*0.5)=x
- 2) (0.5*1.0)*(0.4*0.3)*(0.6*0.5)=y
- 3) (0.3*0.8)*(0.3*0.8)*(0.2*0.1)=z
出力確率が一番高い状態系列を推定するのが,Viterbiアルゴリズム(形態素解析とかで使うらしい).上の三つの中で一番出力確率が高いxが通ってきた状態系列だよね?って感じみたい♪
計算がめんどいから,いろんなアルゴリズムが考えられてるらしい.それと,HMMモデルを構成するパラメータを推定する方法にBaum-Welchアルゴリズムってのがあるみたい.
引用:http://unicorn.ike.tottori-u.ac.jp/murakami/doctor/node13.html
2010年9月9日木曜日
Macのバッテリの儀式
Macのバッテリを初めて使うときには,儀式がいるらしいー.
目的:バッテリーに満腹状態と空腹状態を認識させるためだってb
ちなみに,BootCampでWindows使っているので,それ仕様♪w
1)満充電にして,さらに2時間程充電.
2)バッテリー起動に切り替えて,強制スリープかかる手前まで待つ.
3)強制スリープ掛かりそうになったら,MacOSに切り替える.
-Macのスリープ機能を切っておくこと♪
4)強制スリープ掛かってから,5時間放置b
===終了♪♪
参考URL:
http://support.apple.com/kb/HT1490?viewlocale=ja_JP&locale=ja_JP
http://canopus811.air-nifty.com/blog/2006/06/post_af66.html
目的:バッテリーに満腹状態と空腹状態を認識させるためだってb
ちなみに,BootCampでWindows使っているので,それ仕様♪w
1)満充電にして,さらに2時間程充電.
2)バッテリー起動に切り替えて,強制スリープかかる手前まで待つ.
3)強制スリープ掛かりそうになったら,MacOSに切り替える.
-Macのスリープ機能を切っておくこと♪
4)強制スリープ掛かってから,5時間放置b
===終了♪♪
参考URL:
http://support.apple.com/kb/HT1490?viewlocale=ja_JP&locale=ja_JP
http://canopus811.air-nifty.com/blog/2006/06/post_af66.html
2010年9月7日火曜日
初ブログ♪
今回の日記が初ブログ♪♪
まぁ,自分の備忘録っすねー.
javaのJFreechartで書いたグラフをphpで書き直すって・・・
phpのxml/swf Chartっていうので書いたんだが,
使い方知らんから時間かかって.
次はもっと早く書く♪
実働時間:8月23日~9月4日(10日間ぐらい)
あんまりグラフを重ねすぎると,htmlか何かでタイムアウトする・・・
タイムアウトを延ばすか?それとも,ここのグラフ別個に・・関係ないな!
てことは,短い時間専用のグラフ。。マジ意味ねぇwww
でもだよ!webブラウザで見るグラフってもうできてるし,だいじょうぶだ.
ってことは,会議までに時系列クラスタリングを道すじ建てないと・・・
今日のおさらい.
・html
-フォーム
-table
・phpの値渡し
-$data=$_POST['data'];
まぁ,自分の備忘録っすねー.
javaのJFreechartで書いたグラフをphpで書き直すって・・・
phpのxml/swf Chartっていうので書いたんだが,
使い方知らんから時間かかって.
次はもっと早く書く♪
実働時間:8月23日~9月4日(10日間ぐらい)
あんまりグラフを重ねすぎると,htmlか何かでタイムアウトする・・・
タイムアウトを延ばすか?それとも,ここのグラフ別個に・・関係ないな!
てことは,短い時間専用のグラフ。。マジ意味ねぇwww
でもだよ!webブラウザで見るグラフってもうできてるし,だいじょうぶだ.
ってことは,会議までに時系列クラスタリングを道すじ建てないと・・・
今日のおさらい.
・html
-フォーム
-table
・phpの値渡し
-$data=$_POST['data'];
登録:
投稿 (Atom)