「モンテカルロ法」を含む日記 RSS

はてなキーワード: モンテカルロ法とは

2025-11-04

[]

6時17分、電動歯ブラシの音が寝室に反響する。洗面台の左端から15cmの位置に置かれたコップの水面が、微細に振動していた。オートミール40g、プロテイン12g、アーモンドミルク200ml。抽出比18:1のコーヒーは、温度計が93.0℃を示した瞬間に注ぐ。食事中、ルームメイトが「また同じ朝飯か」と言ったが、揺らぎは統計的誤差を生む。火曜日の朝に味の分散不要だ。

午前8時。ホワイトボードには昨晩の計算式の断片が残っている。今日扱うのは、タイプIIB超弦理論の背景場に対する∞-層圏的修正モデル。モノイダル圏上の局所関手ファイバー束の形で再構成し、非可換モジュラー形式の層化とホッジ双対性を同時に満たす条件を探す。通常のホモロジー代数では情報が落ちる。必要なのは、∞-圏の内側で動く「準自然変換」と、その自己準同型の導来空間だ。これをLanglands対応派生版、すなわち「反局所的鏡映関手」にマッピングする。結果、弦の張力パラメータ対応する変形空間が、ホモトピー群πₙの非自明な巻き付きとして現れる。誰も確認していないが、理論的には整合している。ウィッテンですらこの構成を明示的に展開したことはない。そもそも導来層圏のモノドロミーを操作できる研究者自体が数えるほどしかいない。僕はそのわずかな孤島のひとつに立っている。

昼、ルームメイトが昼食を作っていた。キッチンIHプレートに油の飛沫が残っていたので、座標系を設定し、赤外線温度計範囲確認してから清掃した。隣人が郵便物を取りに来た音がした。彼女足音は毎回規則的だが、今日は左のヒールの摩耗音が0.2秒ずれた。おそらく週末に靴底を交換したのだろう。観測可能な変化は記録しておくべきだ。午後は大学セミナー話題M理論代数拡張、だが発表者の扱っていた「微分層上の非可換コサイクル」は粗雑すぎる。導来圏の階層化を考慮していなかった。帰りの車中、ノートPCホモトピータイプ理論を使って自作演算モデルを再計算した。

帰宅後、友人二人が旧式のTCGデッキを持ってきた。新パッチエラッタされたカード挙動確認するための検証会だ。デッキの構築比率を1枚単位最適化し、サイドデッキの回転確率モンテカルロ法シミュレートした。相手コンボ展開が不完全であったため、ターン3で勝負が決した。カードの裏面の印刷ズレを指摘したら、彼らは笑っていた。テーブル上に置かれたスリーブの角度が4度傾いていたので、直してから次のゲームに入った。

夜。隣人が新刊コミックを持ってきた。英語版日本語版擬音語翻訳がどう違うかを比較する。onoma-topeic rhythmの差分文脈ごとに変動するが、今回は編集者セリフテンポを原文に寄せていた。明らかに改良された訳。印刷の黒インクの濃度が0.1トーン深い。紙質も変わっている。指先で触れた瞬間に気づくレベルだ。

23時。寝具の方向を北北東に0.5度調整し、照明を2700Kに落とす。白板の前で最後計算。∞-層のモノドロミー作用素が、ホッジ-ドリーニュ構造と可換する条件を整理する。導来関手符号が反転した。ノートを閉じ、部屋の温度を22.3℃に固定する。音は一切ない。火曜日が静かに終わる。

2025-06-20

anond:20250620122627

本当に理解してんのかな?

モンテカルロ法乱数積分計算する方法

正確に言うと,モンテカルロ法で得られる結果は,積分結果の近似値になる

モンテカルロ法円周率計算する場合

まず円周率pi として,円の面積 A = pi*r*r を考えて

Aの近似値A'をモンテカルロ法計算

モンテカルロ法でA'が得られたら, A'/(r*r) を計算して pi の近似値を得る

まり円周率の近似値の計算法なんだな

円周率って確率じゃないの?」って意味不明コメントから,「円周率」と「確率」だけ見てモンテカルロ法連想したんだろうけどさ,

「私はモンテカルロ法理解していません」って白状しているようなもんだよ

2025-01-20

おい自称駆け出しプログラマー、聞いてるか?

まず、アルゴリズムの根幹を成す計算複雑性について。O(n)やO(log n)といった表記は表面的な理解に過ぎない。真に重要なのは問題本質的計算困難性だ。P≠NP予想を例に取ろう。この未解決問題は、効率的に解ける問題と解けない問題境界定義している。初心者は単にアルゴリズムを暗記するのではなく、この根本的な概念理解せねばならない。

次に、データ構造。単純な配列リンクリスト理解では不十分だ。高度な自己平衡二分探索木、例えばレッドブラック木やAVL木の内部動作を完全に理解し、それらを一から実装できるレベルを目指すべきだ。さらに、アモーティゼーション解析を用いて、これらのデータ構造操作の平均時間計算量を厳密に証明できる能力必要不可欠だ。

ハッシュテーブルについても深く掘り下げよう。単純なチェイニングや線形探索法では不十分だ。完全ハッシュ法、クックーハッシュ法、オープンアドレス法における様々な探索手法二次探索法、ダブルハッシュ法など)の利点と欠点理解し、具体的な問題に応じて最適な方法選択できるようになるべきだ。

グラフアルゴリズムにおいては、単にダイクストラ法やクラスカル法を知っているだけでは不十分だ。フローネットワークにおける最大フロー最小カット定理やディニッツのアルゴリズムさらにはグラフマイナー理論ロバートソンシーモアの深い結果まで理解する必要がある。

動的計画法は、単純な最長共通部分列問題ナップサック問題を解くだけでは足りない。bitDPやMonge DPなどの高度なテクニックさらには凸包トリックを用いた最適化まで習得すべきだ。

最後に、乱択アルゴリズム。単純なモンテカルロ法ラスベガス法の理解では不十分だ。シャーマン・モリソンの公式を用いた行列の高速な逆行列計算や、ジョンソンリンデンシュトラウス補題を用いた次元削減技術など、確率論線形代数を駆使した高度な手法まで理解する必要がある。

これらは全て、真のプログラマーが持つべき基礎的な知識の一部に過ぎない。初心者は、これらの概念を深く理解し、実際の問題適用できるレベルを目指すべきだ。そして常に、より深い数学洞察抽象思考を追求し続けねばならない。

2022-05-18

4000万もオンラインカジノで溶かす奴は何をやってもダメ

ニュースを見ていたらオンラインカジノで4000万使ったとか見て才能ないよと思った

多分オンラインカジノって事はecoPayzに入金してやってたんだろうけどオンカジで儲けたとしても高額すぎて海外から日本へ出金出来ないから詰んでるんですよね

ecoPayzで通販に使うぐらいで現金化は税務署も動くし日本でオンカジはやめておいた方がいい

入金して遊ぶだけなら出来るんだけど出金して日本に送金しようとするとハードルが上がるんよ

というか4000万あればルーレットで赤黒にモンテカルロ法で掛けて行けば良かったのに

ちなみに俺はモンテカルロ法で持ち金2倍に増やしてかゼロにした事ある

カジノするんなら海外行ってやるしかない

オンカジはゲームとして遊ぶだけにしとき

はてなーも近場だとカジノ韓国にあるし一度は行ってみてわ?

追記:俺がした事あるのは、ベラジョンカジノチェリーカジノとカジ旅ね、一応書いとく

興味があるなら招待コード書くからそれで開始してくれると助かる

2022-01-30

[] そのひゃくきゅうじゅうさん

ノイマンーッス

 

日曜作業お疲れ様です。

ゲームは身近になったのにゲーム理論は未だによくわかんないです。

雑な解釈しか出来ないか名称ぐらいしか語ることが出来ません。

あ、でもモンテカルロ法ならわかりますよ!外れたら最後の数と最初の数足して賭けて勝ったらそこで終わりにすりゃあ勝てるって奴ですよね!

なんつってね、ノイマンさんやウラムさんの方のモンテカルロ法ギャンブルの方のモンテカルロ法は違いますよってね

それならダランベールさんの方が良かったかもしれませんね

 

ということで本日は【程良い遊びよいか】でいきたいと思います

程良い遊びよいか!程良い遊びヨシ!

 

それでは今日も一日、ご安全に!

2019-10-12

anond:20191012192035

GPGPUプログラミングしたことないだろニワカかよクセが強すぎるぞマイニング用の構成なんて

しかスパコンノード間のインターコネクトが遅いとすぐルーフトップに当たって全然性能でねえだろ全部が全部マイニングみたいなモンテカルロ法てきなやつじゃねえし

2018-08-15

ブラックジャックのベッティングストラテジー覚書

前提

ブラックジャックにおけるベッティングストラテジー(コインの掛け方)には幾つか条件がある

連敗(連勝)確率

ギャンブルは幾ら勝っても良いが負けが連続すると資金が無くなる可能性があるため、ある程度負けが込んでも続けられる賭金、戦略必要になる。

一説によるとブラックジャックを最適解でプレイした場合勝率は47%。

勝率47%での連敗確率は以下の通りである。(最後一桁は四捨五入)

連敗数確率
153%
228%
315%
48%
54%
62%
71%
80,6%
90,3%
100,2%

ちなみにパチンコで置き換えると

319の台で1000回ハマりがおよそ4%。

五連敗はそう多くないが、無いわけではない現実的数字

せめて1%である七連敗位は常に起こるものと想定して戦術を組むべきだろう。(そして連続十敗以上も起こり得る)

よくない賭け方

いわゆる「負け(勝っ)たら倍賭けにしていく手法

負けたら賭金を倍額にする場合、初めが100円でも

100,200,400,800,1600,3200,6400,12800円となる。

128倍賭けを行うリスクを抱えるならそれまでに対処したほうがよほど精神的にも楽である

要するに毎回同じ金額を賭ける方法

毎回同じ金額を賭けた場合カジノ控除率(取り分)の確率収束していくので長く続ければ続けるほど負けていく。

上記二つはそもそもほとんどのギャンブルに適さない賭け方なので儲け目的なら行わない方が良い。

推奨する方法

最初金額を1単位とし、負けた場合金額を据え置き、勝った場合は1単位上げる方法

賭金を上げすぎて負けると大敗するため、勝利した場合の儲けを1単位程度に留めることが重要

なので負け分を取り返したら1単位で賭ける、といったやり方になる。

回戦賭金勝敗収支
111
212
311
410
51-1
61-2
71-1
821
912

連敗→勝ちと負けを交互に繰り返す→賭金の肥大化を防ぐためにプラスマイナスゼロになるポイントへ賭金を調節する必要がある。

計算が面倒くさいなのでメモを取りながらプレイしたほうが良いかもしれない。

5ドルを1単位とした場合、負ければ+1、勝てば-1して賭けていく手法

連敗しても連勝しても資金の移動が緩やかなので長く遊べる。

1,1,1,2,2,4,4,8,8という単位で賭ける手法

負けたら右の単位で賭け、勝ったら賭金を「1→2,2→4,4→8」のように移動する。

2連勝した場合最初の1へ戻って掛け直し、8単位まで負けた場合も同様に1へ戻る。

全て負けたとしても31単位分の負けで収めることが出来、どのタイミングでも2連勝すれば収支がプラスになる。

ラ・プーシェルキャンレーションなど様々な名前がある方法

少し計算方法特殊

最初いくら勝ちたいかを想定し、その数を分割した数字を書く。

例えば10単位勝ちたい場合

2,3,1,2,2

と書く。

そして両端(2,2)を足した数(4)を賭け、負けたら右端に書き足す。

2,3,1,2,2,4

そして勝つまで繰り返す。

勝った場合両端を消す。

3,1,2

そして繰り返し、最後に残った数(1)で賭ける。

最後まで勝てば目標金額を達成することが出来るようになっていて、賭金を細かくしたり多目に張ったりと自分で好きなように設定できる。

(1,1,1,1,2,4で10単位分の勝ちを狙っても同様の効果がある)

勝ち額を決めて行うことが出来る(可視化)出来るというメリットがある反面、負けが続いてもコントロールできないというデメリットがある。

なので損切が大事

2018-07-19

涌井貞美『図解・ベイズ統計「超」入門 (サイエンス・アイ新書)』

 評判よし。

一石賢『まずはこの一冊から 意味がわかるベイズ統計学』

涌井良幸『道具としてのベイズ統計学』

 手動かして学ぼうみたいな本らしい。

松原望『入門ベイズ統計意思決定理論と発展』

宮川公男著「基本統計学」でベイズに関する記述(数ページ)を頭にいれてから本書を読むと良い。

・最低でも、大学積分知識必要になり、ベータ分布正規分布積分表現計算くらいは当たり前のようにできないと読むのが難しい

ttps://www.udemy.com/pythonstan/

 よさそう

奥村晴彦『Rで楽しむベイズ統計入門』

 つなぎに。

豊田秀樹『基礎からベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門』

 StanとRが何となく分かってる必要があるらしい。

松浦健太郎StanとRでベイズ統計モデリング

 Stanまったく知らなくてもいけるらしい。

久保拓弥『データ解析のための統計モデリング入門――一般線形モデル階層ベイズモデルMCMC

 直感理解を大切にしてるらしい。通称緑本」。たけぇよ。行列積分知識が要るみたい。

C.M. ビショップ『入門ベイズ統計意思決定理論と発展』

 これがひとつのゴールみたいね

2016-03-10

http://anond.hatelabo.jp/20160310182611

(追記)

人間味が感じられないということについて。

局面ごとに、deep learning で枝刈りした残りを、モンテカルロ法だかなんだかで計算リソースの許す限り評価して、最も評価が高い手を打つんだろう。

なので、相手意図を読むとか、場の流れを読むとか、そういうのが一切感じられない。

 
ログイン ユーザー登録
ようこそ ゲスト さん