「np」を含む日記

■anond:20251106204151

もしSubset Sum Problemに対する多項式時間アルゴリズムが見つかれば、それはNPに属するすべての問題を多項式時間で解けることを意味し、P = NPが証明されることになります。

Permalink | 記事への反応(1) | 20:44

ツイートシェア

■ホットエントリからNHKが減ってはてブのドメインの比率はどう変わったか 2025年10月

10月1日からNHKのネットサービスがNHK ONEに切り替わり、ニュース配信ドメインがwww3.nhk.or.jpからnews.web.nhkになった

2013年頃からはてブされるニュースサイトのトップ争いに加わりはじめ、2019年からは絶対的な王者として君臨してきたNHKが大きくシェアを落とした

2021年から2位が指定席だったYahoo!Japanも大きく減らしている

朝日新聞がトップに立ったが朝日、読売、産経、毎日、共同通信が横並び状態

Togetter、増田の比率は先々月から横ばい

2025年10月 全276ドメイン

anond:20251005163547

Permalink | 記事への反応(4) | 23:09

ツイートシェア

■

キリンがはてなのシステムズタズタにして復旧するぐらいなら増田は畳むかってなってサ終する未来ないかなあ！

dorawiiより

-----BEGIN PGP SIGNED MESSAGE-----
Hash: SHA512

https://anond.hatelabo.jp/20251025171932# 
-----BEGIN PGP SIGNATURE-----

iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaPyIFwAKCRBwMdsubs4+
SNz/AP4+9c9/W1xkR8Q8ax2koTO8HqKW6u1IdqeKU/bHSh+NOgD/btGrdagsbi2j
rZlqTFWd+N2cqjVSVFUhrjDsYNSHEwg=
=0/np
-----END PGP SIGNATURE-----

Permalink | 記事への反応(0) | 17:19

ツイートシェア

■数学の分類はこんな感じか

フェミニズムの分類が多すぎると聞いて

anond:20251020210124

0. 基礎・横断

集合論

公理的集合論（ZFC, ZF, GCH, 大きな基数）

記述集合論（Borel階層, Projective階層, 汎加法族）

強制法（フォーシング）, 相対的一致・独立性

数理論理学

述語論理（完全性定理, コンパクト性）

モデル理論（型空間, o-極小, NIP, ステーブル理論）

証明論（序数解析, カット除去, 直観主義論理）

再帰理論/計算可能性（チューリング度, 0′, 相対計算可能性）

圏論

関手・自然変換, 極限/余極限

加群圏, アーベル圏, 三角圏, 派生圏

トポス論, モナド, アジュンクション

数学基礎論・哲学

構成主義, 直観主義, ユニバース問題, ホモトピー型理論（HoTT）

1. 代数学

群論

組み合わせ群論（表示, 小石定理, 自由群）

代数群/リー群（表現, Cartan分解, ルート系）

幾何群論（ハイパーボリック群, Cayleyグラフ）

環論

可換環論（イデアル, 局所化, 次元理論, 完備化）

非可換環（アルティン環, ヘルシュタイン環, 環上加群）

体論・ガロア理論

体拡大, 分解体, 代数独立, 有限体

表現論

群・リー代数の表現（最高ウェイト, カズダン–ルスティグ）

既約表現, 調和解析との関連, 指標論

ホモロジー代数

射影/入射解像度, Ext・Tor, 派生関手

K-理論

アルバース–カルーアン理論, トポロジカルK, 高次K

線形代数

ジョルダン標準形, 特異値分解, クリフォード代数

計算代数

Gröbner基底, 多項式時間アルゴリズム, 計算群論

2. 数論

初等数論（合同, 既約性判定, 二次剰余）

代数的数論（代数体, 整環, イデアル類群, 局所体）

解析数論（ゼータ/ L-関数, 素数定理, サークル法, 篩法）

p進数論（p進解析, Iwasawa理論, Hodge–Tate）

算術幾何（楕円曲線, モジュラー形式, 代数多様体の高さ）

超越論（リンドマン–ヴァイエルシュトラス, ベーカー理論）

計算数論（楕円曲線法, AKS素数判定, 格子法）

3. 解析

実解析

測度論・ルベーグ積分, 凸解析, 幾何的測度論

複素解析

一変数（リーマン面, 留数, 近似定理）

多変数（Hartogs現象, 凸性, several complex variables）

関数解析

バナッハ/ヒルベルト空間, スペクトル理論, C*代数, von Neumann代数

調和解析

フーリエ解析, Littlewood–Paley理論, 擬微分作用素

確率解析

マルチンゲール, 伊藤積分, SDE, ギルサノフ, 反射原理

実関数論/特殊関数

ベッセル, 超幾何, 直交多項式, Rieszポテンシャル

4. 微分方程式・力学系

常微分方程式（ODE）

安定性, 分岐, 正準系, 可積分系

偏微分方程式（PDE）

楕円型（正則性, 変分法, 最小曲面）

放物型（熱方程式, 最大原理, Harnack）

双曲型（波動, 伝播, 散乱理論）

非線形PDE（Navier–Stokes, NLS, KdV, Allen–Cahn）

幾何解析

リッチ流, 平均曲率流, ヤン–ミルズ, モノポール・インスタントン

力学系

エルゴード理論（Birkhoff, Pesin）, カオス, シンボリック力学

ハミルトン力学, KAM理論, トーラス崩壊

5. 幾何学・トポロジー

位相幾何

点集合位相, ホモトピー・ホモロジー, 基本群, スペクトル系列

幾何トポロジー

3次元多様体（幾何化, 結び目理論, 写像類群）

4次元トポロジー（Donaldson/Seiberg–Witten理論）

微分幾何

リーマン幾何（曲率, 比較幾何, 有界幾何）

シンプレクティック幾何（モーメント写像, Floer理論）

複素/ケーラー幾何（Calabi–Yau, Hodge理論）

代数幾何

スキーム, 層・層係数コホモロジー, 変形理論, モジュライ空間

双有理幾何（MMP, Fano/一般型, 代数曲線/曲面）

離散幾何・凸幾何

多面体, Helly/Carathéodory, 幾何的極値問題

6. 組合せ論

極値組合せ論（Turán型, 正則性補題）

ランダムグラフ/確率的方法（Erdős–Rényi, nibble法）

加法的組合せ論（Freiman, サムセット, Gowersノルム）

グラフ理論

彩色, マッチング, マイナー理論（Robertson–Seymour）

スペクトルグラフ理論, 拡張グラフ

組合せ設計（ブロック設計, フィッシャーの不等式）

列・順序・格子（部分順序集合, モビウス反転）

7. 確率・統計

確率論（純粋）

測度確率, 極限定理, Lévy過程, Markov過程, 大偏差

統計学

数理統計（推定, 検定, 漸近理論, EM/MD/ベイズ）

ベイズ統計（MCMC, 変分推論, 事前分布理論）

多変量解析（主成分, 因子, 判別, 正則化）

ノンパラメトリック（カーネル法, スプライン, ブーストラップ）

実験計画/サーベイ, 因果推論（IV, PS, DiD, SCM）

時系列（ARIMA, 状態空間, Kalman/粒子フィルタ）

確率的最適化/学習理論

PAC/VC理論, 一般化境界, 統計的学習

バンディット, オンライン学習, サンプル複雑度

8. 最適化・オペレーションズリサーチ（OR）

凸最適化

二次計画, 円錐計画（SOCP, SDP）, 双対性, KKT

非凸最適化

多峰性, 一階/二階法, 低ランク, 幾何的解析

離散最適化

整数計画, ネットワークフロー, マトロイド, 近似アルゴリズム

確率的/ロバスト最適化

チャンス制約, 分布ロバスト, サンプル平均近似

スケジューリング/在庫/待ち行列

Littleの法則, 重み付き遅延, M/M/1, Jackson網

ゲーム理論

ナッシュ均衡, 進化ゲーム, メカニズムデザイン

9. 数値解析・計算数学・科学計算

数値線形代数（反復法, 直交化, プリコンディショニング）

常微分方程式の数値解法（Runge–Kutta, 構造保存）

PDE数値（有限要素/差分/体積, マルチグリッド）

誤差解析・条件数, 区間演算, 随伴法

高性能計算（HPC）（並列アルゴリズム, スパース行列）

シンボリック計算（CAS, 代数的簡約, 決定手続き）

10. 情報・計算・暗号（数理情報）

情報理論

エントロピー, 符号化（誤り訂正, LDPC, Polar）, レート歪み

暗号理論

公開鍵（RSA, 楕円曲線, LWE/格子）, 証明可能安全性, MPC/ゼロ知識

計算複雑性

P vs NP, ランダム化・通信・回路複雑性, PCP

アルゴリズム理論

近似・オンライン・確率的, 幾何アルゴリズム

機械学習の数理

カーネル法, 低次元構造, 最適輸送, 生成モデルの理論

11. 数理物理

古典/量子力学の厳密理論

C*代数的量子論, 散乱, 量子確率

量子場の数理

くりこみ群, 構成的QFT, 共形場理論（CFT）

統計力学の数理

相転移, くりこみ, Ising/Potts, 大偏差

可積分系

逆散乱法, ソリトン, 量子可積分モデル

弦理論と幾何

鏡映対称性, Gromov–Witten, トポロジカル弦

12. 生命科学・医学・社会科学への応用数学

数理生物学

集団動態, 進化ゲーム, 反応拡散, 系統樹推定

数理神経科学

スパイキングモデル, ネットワーク同期, 神経場方程式

疫学・感染症数理

SIR系, 推定・制御, 非均質ネットワーク

計量経済・金融工学

無裁定, 確率ボラ, リスク測度, 最適ヘッジ, 高頻度データ

社会ネットワーク科学

拡散, 影響最大化, コミュニティ検出

13. シグナル・画像・データ科学

信号処理

時間周波数解析, スパース表現, 圧縮センシング

画像処理/幾何処理

変動正則化, PDE法, 最適輸送, 形状解析

データ解析

多様体学習, 次元削減, トポロジカルデータ解析（TDA）

統計的機械学習（回帰/分類/生成, 正則化, 汎化境界）

14. 教育・歴史・方法論

数学教育学（カリキュラム設計, 誤概念研究, 証明教育）

数学史（分野別史, 人物研究, 原典講読）

計算支援・定理証明

形式化数学（Lean, Coq, Isabelle）, SMT, 自動定理証明

科学哲学と数学（実在論/構成主義, 証明と発見の心理）

Permalink | 記事への反応(0) | 10:29

ツイートシェア

■ホットエントリから増田が減ってはてブのドメインの比率はどう変わったか 2025年9月

Togetter、増田の比率は先月から横ばい

はてなブログ10年目のkonifar-zatsu.hatenadiary.jpが7本ランクインと気を吐いている。去年の秋もホットエントリを連発していた。Kyashの役員さんとのこと。

7年目のnou-yunyun.hatenablog.comも5本と先月から好調。政治系のブログ。

2025年9月 全270ドメイン

anond:20250906010021

Permalink | 記事への反応(1) | 16:35

ツイートシェア

■ホットエントリから増田が減ってはてブのドメインの比率はどう変わったか 2025年8月

増田にスパム対策がなされた影響か増田からのホットエントリが増加に転じた

Togetter、Posfieも増加しているからしわ寄せは他のサイトに行っている

2025年8月 全313ドメイン

anond:20250805020036

Permalink | 記事への反応(1) | 01:00

ツイートシェア

■[稀ドメインはてブ]2025年8月滅多にホットエントリを出さないドメインからのホットエントリ

ここ1年で初めてはてなブックマーク日毎の総合人気エントリ入りしたドメインからのホットエントリ、ブクマ数順トップ30

Permalink | 記事への反応(0) | 00:38

ツイートシェア

■n≠NP問題、解けたっぽい

夏休み。大学の講義もなく、バイトもシフトが飛び、俺はひたすらアパートの六畳間でごろごろしていた。

ゲームもやり尽くし動画サイトも見飽きSNSも熱中するほどのネタは見つからない。

そんなときに目に飛び込んできたのがミレニアム懸賞問題という単語だった。たしか、世界中の数学者が解こうとして解けない超難問。

解けば賞金100万ドル──いや、調べてみたら500万ドルとも書いてある。おいおい人生逆転ガチャか？そんなもん俺みたいな凡人に解けるわけないだろ……そう思いながらも手元にはスマホとサブスク契約しているChatGPT5がある。

まぁ、ちょっと試してみるか。

そう思って俺は5に「n≠NP問題を解いて」と打ち込んだ。返ってきたのは意味不明な数式と長文の理論展開。正直ちんぷんかんぷんだ。

そう思ったんだけど……少しずつ読み進めていくと、不思議なことに内容が腑に落ちてくる。AIが補助してくれるおかげで、俺の頭でも理解できるようにかみ砕かれているのだ。

数時間後、気づけば机の上はノートと数式で埋まっていた。

コーヒーはぬるくなり、カップ麺の残骸が散らばり、時計の針は夜中の二時を指している。だが俺の心臓はドクドクと鼓動を打ち、頭の中は閃きで満ちていた。

──解けた。

いや、正確に言うとAIと一緒に導き出したというのが正しいのかもしれない。

でも、確かに俺の頭の中で一本の線がつながった。

n≠NP問題、それは「複雑な問題は、本質的に解けないものがある」ことを証明する数学上の超級クエスト。その答えを俺は紙に叩きつけていたのだ。

「やった……！　これで、これで俺は億万長者だ！」

眠気も吹っ飛び、俺はその論文もどきを懸賞問題を管理している研究所に送った。送信ボタンを押した瞬間、頭の中ではドル札が舞い踊り、南国のビーチで優雅に過ごす未来像が見えた。

──そして翌日。

トントントン、と軽やかなノックの音がアパートの扉を叩いた。配達かと思ってドアを開けた俺は、目を疑った。

そこに立っていたのは、真っ白なスーツを着こなし、雪のような白銀の髪を揺らす美少女だったのだ。

瞳は透き通るような氷色、肌はガラス細工のように滑らか。まるでこの世のものとは思えないほど整った存在感に、息を呑んだ。

「……あなたですね。n≠NP問題を解いた、一般人は」

「えっ……？」

俺は声にならない声を上げた。なぜそれを知っている？俺が送ったのは昨日の深夜だぞ？

「ご安心を。我々はすべて監視しています。これは、いわば採用試験なんです。あなたは選ばれました。──特殊機関《オメガ》への入隊資格を」

その言葉に、背筋が凍った。採用試験？オメガ？何だそれは。

俺はただ、暇だから遊び半分でAIに解かせただけだ。なのに目の前にはスパイ映画から抜け出したような美少女が立っている。

「ちょ、ちょっと待て！賞金は！？500万ドルは！？」

「それは後ほど振り込まれます。ただし……あなたが《オメガ》に協力する意思があるなら」

彼女は口元をわずかに笑みで歪めた。その瞬間、俺は悟った。──これはただの数学問題なんかじゃなかったんだ、と。

n≠NP問題は人類史上最大の未解決問題。だが、それを解いた先にあるのは学会の名誉や賞金だけじゃない。世界の裏側に隠された「力」と「選抜」があったのだ。

こうして、俺の平凡な夏休みは終わりを告げた。

ただのオタクの暇つぶしが、特殊機関の扉を開き、白銀の美少女との奇妙な同居生活──いや、命懸けの戦いの幕を開けることになるとは、この時の俺はまだ知る由もなかった。

Permalink | 記事への反応(0) | 12:31

ツイートシェア

■ホットエントリから増田が減ってはてブのドメインの比率はどう変わったか 2025年7月

増田ホットエントリの減少は止まったように見える

ノアドット社がドメインをnordot.appからnews.jpに切り替えた

2025年7月 全293ドメイン

anond:20250705204522

Permalink | 記事への反応(2) | 02:00

ツイートシェア

■ホットエントリから増田が減ってはてブのドメインの比率はどう変わったか 2025年6月

増田は更に減ったが今月はTogetter、Posfieも減った。

減った分はリストのトップ10に入っているようなサイトによって埋め合わせされたようだ。

2025年6月 全274ドメイン

anond:20250604232414

Permalink | 記事への反応(2) | 20:45

ツイートシェア

■🍬資本主義は平等なのか飴の配布で考えてみよう🍬

python
import random
import numpy as np
import matplotlib.pyplot as plt
from collections import defaultdict

# 飴の配布システムのシミュレーション
class CandyDistributionSystem:
    def __init__(self):
        """
        設計意図: このシステムは経済における資源分配の不平等性をモデル化しています。
        特に少数の特権層(Aグループ)が富を集中させ、再分配システムからも不均衡に利益を得る
        構造的問題を表現しています。
        """
        # 各グループの人数設定
        self.group_a_count = 8
        self.group_b_count = 2498
        self.group_c_count = 7494
        self.total_participants = self.group_a_count + self.group_b_count + self.group_c_count
        
        # 飴の提出数設定
        self.contribution_per_a = 624
        self.contribution_per_b = 2
        self.contribution_per_c = 1
        
        # 各グループの総貢献計算
        self.total_a_contribution = self.group_a_count * self.contribution_per_a
        self.total_b_contribution = self.group_b_count * self.contribution_per_b
        self.total_c_contribution = self.group_c_count * self.contribution_per_c
        self.total_contribution = self.total_a_contribution + self.total_b_contribution + self.total_c_contribution
        
        # 配布用と貯金用の飴の区分
        self.distribution_limit = 10000
        self.savings = max(0, self.total_contribution - self.distribution_limit)
        
        # 結果追跡用の辞書
        self.results = {
            'A': defaultdict(int),
            'B': defaultdict(int),
            'C': defaultdict(int)
        }
    
    def distribute_candies(self, method='original'):
        """
        設計意図: 配布方法の選択によって、特権の固定化や格差拡大がどのように進むかを
        示します。'original'メソッドは意図的にAグループを優遇するよう設計されています。
        
        Parameters:
        -----------
        method: str
            配布方法 ('original', 'lottery', 'first_come', 'new_condition', 'fair')
        """
        # Aグループへの確定配布
        a_distribution = 625 * self.group_a_count
        remaining = self.distribution_limit - a_distribution
        
        # 残りの参加者数
        remaining_participants = self.total_participants - self.group_a_count
        
        # Aグループの結果記録
        for _ in range(self.group_a_count):
            self.results['A'][625] += 1
        
        # 各配布方法によって処理が異なる
        if method == 'original':
            # オリジナルの問題設定通りの配布（5000人に1個ずつ、残りは0個）
            lucky_count = remaining  # 5000人が当選
            
            # B+Cグループの混合リスト作成
            bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count
            random.shuffle(bc_participants)
            
            # 当選者に配布
            for i in range(len(bc_participants)):
                participant_id, group = bc_participants[i]
                if i < lucky_count:
                    self.results[group][1] += 1
                else:
                    self.results[group][0] += 1
                    
        elif method == 'lottery':
            # 抽選方式（BとCグループから無作為に5000人選出）
            bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count
            winners = random.sample(bc_participants, remaining)
            
            # 当選・落選のカウント
            for _, group in winners:
                self.results[group][1] += 1
            
            # 落選者のカウント
            self.results['B'][0] = self.group_b_count - self.results['B'][1]
            self.results['C'][0] = self.group_c_count - self.results['C'][1]
            
        elif method == 'first_come':
            # 先着順方式（アクセス速度による先着順を乱数でシミュレート）
            # 設計意図: 先着順は単なる運の要素を超えて、情報格差や技術格差も含む制度設計
            bc_participants = [(1, 'B')] * self.group_b_count + [(2, 'C')] * self.group_c_count
            
            # 現実では、情報を早く得られる人や高速インターネット接続を持つ人が有利
            # これをシミュレートするため、Bグループにわずかなアドバンテージを与える
            bc_speeds = []
            for id, group in bc_participants:
                if group == 'B':
                    speed = random.random() + 0.1  # Bグループに小さなアドバンテージ
                else:
                    speed = random.random()
                bc_speeds.append((id, group, speed))
            
            # 速度順にソート
            bc_speeds.sort(key=lambda x: x[2], reverse=True)
            
            # 当選者決定
            for i in range(len(bc_speeds)):
                _, group, _ = bc_speeds[i]
                if i < remaining:
                    self.results[group][1] += 1
                else:
                    self.results[group][0] += 1
                    
        elif method == 'new_condition':
            # 追加条件方式（恣意的な条件を設定）
            # 設計意図: 新たな条件の設定は往々にして既存の特権を温存するように設計される
            bc_participants = [(i, 'B', random.random()) for i in range(self.group_b_count)] + \
                             [(i, 'C', random.random()) for i in range(self.group_c_count)]
            
            # Bグループに有利な条件を設定（例: 特定の知識やスキルを持つ人のみ）
            # この「条件」は表面上は中立的だが、実際には特定グループに有利になるよう設計
            def meets_condition(participant):
                _, group, rand_val = participant
                if group == 'B':
                    return rand_val > 0.3  # Bグループには70%の確率で合格
                else:
                    return rand_val > 0.7  # Cグループには30%の確率で合格
            
            # 条件に合致する人を抽出
            eligible = [p for p in bc_participants if meets_condition(p)]
            
            # 条件に合致する人が多すぎる場合は抽選
            if len(eligible) > remaining:
                winners = random.sample(eligible, remaining)
            else:
                # 条件に合致する人が足りない場合、全員に配布
                winners = eligible
            
            # 当選者をカウント
            for _, group, _ in winners:
                self.results[group][1] += 1
            
            # 落選者のカウント
            self.results['B'][0] = self.group_b_count - self.results['B'][1]
            self.results['C'][0] = self.group_c_count - self.results['C'][1]
            
        elif method == 'fair':
            # 公平な再分配方式（貢献度に応じた配布）
            # 設計意図: この方法は「貯金分」も含めた全ての飴を、各グループの貢献度に応じて分配
            # これにより構造的不平等を軽減、結果としてより多くの人が少なくとも損をしない状態になる
            
            # 全飴（貯金分も含む）を使った配布
            total_to_distribute = self.total_contribution
            
            # 各グループの貢献比率計算
            a_ratio = self.total_a_contribution / self.total_contribution
            b_ratio = self.total_b_contribution / self.total_contribution
            c_ratio = self.total_c_contribution / self.total_contribution
            
            # 各グループへの配布数決定
            a_share = int(total_to_distribute * a_ratio)
            b_share = int(total_to_distribute * b_ratio)
            c_share = int(total_to_distribute * c_ratio)
            
            # 端数調整
            remainder = total_to_distribute - (a_share + b_share + c_share)
            if remainder > 0:
                # 端数は最も人数の多いCグループに
                c_share += remainder
            
            # Aグループの配布（均等配分）
            per_a = a_share // self.group_a_count
            self.results['A'][per_a] = self.group_a_count
            
            # Bグループの配布（均等配分）
            per_b = b_share // self.group_b_count
            b_remainder = b_share % self.group_b_count
            
            self.results['B'][per_b] = self.group_b_count - b_remainder
            if per_b + 1 > 0 and b_remainder > 0:
                self.results['B'][per_b + 1] = b_remainder
            
            # Cグループの配布（均等配分）
            per_c = c_share // self.group_c_count
            c_remainder = c_share % self.group_c_count
            
            self.results['C'][per_c] = self.group_c_count - c_remainder
            if per_c + 1 > 0 and c_remainder > 0:
                self.results['C'][per_c + 1] = c_remainder
    
    def calculate_net_gain(self):
        """
        設計意図: この関数は各グループの純利益/損失を計算し、資源分配の公平性を
        定量的に評価できるようにします。純利益/損失は個人の観点から見た経済的公正性の
        重要な指標です。
        """
        net_gains = {}
        
        # Aグループの純利益計算
        a_contribution = self.contribution_per_a
        a_distribution = list(self.results['A'].keys())[0]  # 全員が同じ数を受け取る前提
        net_gains['A'] = a_distribution - a_contribution
        
        # BとCグループの純利益計算（加重平均）
        for group, contribution_per_person in [('B', self.contribution_per_b), ('C', self.contribution_per_c)]:
            total_gain = 0
            for received, count in self.results[group].items():
                total_gain += (received - contribution_per_person) * count
            net_gains[group] = total_gain / (self.group_b_count if group == 'B' else self.group_c_count)
            
        return net_gains
    
    def analyze_results(self):
        """
        設計意図: この分析関数は、各グループの分配結果を詳細に調査し、
        制度設計の公平性、貢献度と報酬の関係、およびシステムの持続可能性を
        評価します。政策分析においては、こうした多角的な検証が重要です。
        """
        # 各グループの純利益/損失
        net_gains = self.calculate_net_gain()
        
        # 貢献度分析
        contribution_percentage = {
            'A': (self.total_a_contribution / self.total_contribution) * 100,
            'B': (self.total_b_contribution / self.total_contribution) * 100,
            'C': (self.total_c_contribution / self.total_contribution) * 100
        }
        
        # 飴を受け取った人の割合
        received_percentage = {
            'A': sum(count for received, count in self.results['A'].items() if received > 0) / self.group_a_count * 100,
            'B': sum(count for received, count in self.results['B'].items() if received > 0) / self.group_b_count * 100,
            'C': sum(count for received, count in self.results['C'].items() if received > 0) / self.group_c_count * 100
        }
        
        # 分析結果の表示
        print("\n===== 飴の配布システム分析 =====")
        print(f"総飴数: {self.total_contribution}個 (分配用: {self.distribution_limit}個, 貯金: {self.savings}個)")
        
        print("\n--- グループごとの貢献と結果 ---")
        for group in ['A', 'B', 'C']:
            group_size = getattr(self, f"group_{group.lower()}_count")
            contribution_per_person = getattr(self, f"contribution_per_{group.lower()}")
            total_contribution = getattr(self, f"total_{group.lower()}_contribution")
            
            print(f"\n{group}グループ ({group_size}人):")
            print(f"  貢献: 1人あたり{contribution_per_person}個 (総計: {total_contribution}個, 全体の{contribution_percentage[group]:.1f}%)")
            print(f"  受け取り状況:")
            
            for received, count in sorted(self.results[group].items()):
                print(f"    {received}個: {count}人 ({count/group_size*100:.1f}%)")
            
            print(f"  飴を受け取った割合: {received_percentage[group]:.1f}%")
            print(f"  純利益/損失: 1人あたり平均 {net_gains[group]:.2f}個")
        
        print("\n--- 全体的な公平性分析 ---")
        print(f"最も得したグループ: {max(net_gains, key=net_gains.get)}グループ (+{max(net_gains.values()):.2f}個/人)")
        print(f"最も損したグループ: {min(net_gains, key=net_gains.get)}グループ ({min(net_gains.values()):.2f}個/人)")
        
        # 全員に飴が配布されたかどうか
        all_received = all(sum(count for received, count in self.results[group].items() if received > 0) == 
                          getattr(self, f"group_{group.lower()}_count") for group in ['A', 'B', 'C'])
        
        print(f"\n前提条件「全員に配布」の充足: {'はい' if all_received else 'いいえ'}")
        if not all_received:
            total_without = sum(self.results['B'][0] + self.results['C'][0])
            print(f"  飴を受け取れなかった人数: {total_without}人")
        
        return net_gains, contribution_percentage, received_percentage

    def visualize_results(self):
        """
        設計意図: データの可視化は政策の効果や不平等性を直感的に理解するために重要です。
        このようなグラフィカル表現によって、各グループ間の格差や制度設計の問題点を
        一目で理解できるようになります。
        """
        # グラフのセットアップ
        fig, axes = plt.subplots(2, 2, figsize=(14, 10))
        
        # 1. 貢献度のグラフ
        contributions = [self.total_a_contribution, self.total_b_contribution, self.total_c_contribution]
        axes[0, 0].bar(['Aグループ', 'Bグループ', 'Cグループ'], contributions)
        axes[0, 0].set_title('グループごとの総貢献飴数')
        axes[0, 0].set_ylabel('飴の数')
        
        # 貢献度の割合をアノテーションとして追加
        total = sum(contributions)
        for i, v in enumerate(contributions):
            percentage = v / total * 100
            axes[0, 0].text(i, v + 100, f'{percentage:.1f}%', ha='center')
        
        # 2. 1人あたりの貢献度と受け取り数の比較
        group_names = ['Aグループ', 'Bグループ', 'Cグループ']
        contribution_per_person = [self.contribution_per_a, self.contribution_per_b, self.contribution_per_c]
        
        # 各グループの平均受け取り数を計算
        received_per_person = []
        for group, letter in zip(group_names, ['A', 'B', 'C']):
            total_received = sum(received * count for received, count in self.results[letter].items())
            group_size = getattr(self, f"group_{letter.lower()}_count")
            received_per_person.append(total_received / group_size)
        
        x = np.arange(len(group_names))
        width = 0.35
        
        axes[0, 1].bar(x - width/2, contribution_per_person, width, label='提出')
        axes[0, 1].bar(x + width/2, received_per_person, width, label='受け取り')
        
        # 純利益/損失をアノテーションとして追加
        for i in range(len(group_names)):
            net = received_per_person[i] - contribution_per_person[i]
            color = 'green' if net >= 0 else 'red'
            axes[0, 1].text(i, max(received_per_person[i], contribution_per_person[i]) + 5, 
                        f'{"+" if net >= 0 else ""}{net:.1f}', ha='center', color=color)
        
        axes[0, 1].set_title('1人あたりの提出・受け取り飴数比較')
        axes[0, 1].set_xticks(x)
        axes[0, 1].set_xticklabels(group_names)
        axes[0, 1].set_ylabel('飴の数')
        axes[0, 1].legend()
        
        # 3. 各グループの受け取り状況の分布
        # 各グループの受け取り状況を積み上げ棒グラフで表現
        group_sizes = [self.group_a_count, self.group_b_count, self.group_c_count]
        received_counts = []
        not_received_counts = []
        
        for letter, size in zip(['A', 'B', 'C'], group_sizes):
            received = sum(count for received, count in self.results[letter].items() if received > 0)
            received_counts.append(received)
            not_received_counts.append(size - received)
        
        axes[1, 0].bar(group_names, received_counts, label='飴を受け取った人数')
        axes[1, 0].bar(group_names, not_received_counts, bottom=received_counts, label='飴を受け取れなかった人数')
        
        # 割合をアノテーションとして追加
        for i in range(len(group_names)):
            if group_sizes[i] > 0:
                percentage = received_counts[i] / group_sizes[i] * 100
                axes[1, 0].text(i, received_counts[i] / 2, f'{percentage:.1f}%', ha='center')
        
        axes[1, 0].set_title('グループごとの飴受け取り状況')
        axes[1, 0].set_ylabel('人数')
        axes[1, 0].legend()
        
        # 4. 貢献度vs報酬の分配公平性
        # 貢献度と最終的な飴の配分の比較を円グラフで表現
        total_contribution = self.total_contribution
        contribution_shares = [self.total_a_contribution / total_contribution,
                             self.total_b_contribution / total_contribution,
                             self.total_c_contribution / total_contribution]
        
        # 実際の配分シェアを計算
        distribution_shares = []
        for letter in ['A', 'B', 'C']:
            total_received = sum(received * count for received, count in self.results[letter].items())
            distribution_shares.append(total_received / self.distribution_limit)
        
        # 2つの円グラフを並べて表示
        ax4_1 = axes[1, 1].inset_axes([0, 0, 0.45, 1])
        ax4_2 = axes[1, 1].inset_axes([0.55, 0, 0.45, 1])
        
        ax4_1.pie(contribution_shares, labels=group_names, autopct='%1.1f%%')
        ax4_1.set_title('飴の貢献度割合')
        
        ax4_2.pie(distribution_shares, labels=group_names, autopct='%1.1f%%')
        ax4_2.set_title('飴の配分割合')
        
        axes[1, 1].axis('off')
        
        plt.tight_layout()
        plt.show()

# 飴の配布システムをシミュレート
candy_system = CandyDistributionSystem()

# オリジナルの配布方法を実行
print("\n===== オリジナルの配布方法 =====")
candy_system.distribute_candies(method='original')
original_results = candy_system.analyze_results()
candy_system.visualize_results()

# 公平な配布方法を実験
print("\n\n===== 公平な配布方法のシミュレーション =====")
fair_system = CandyDistributionSystem()
fair_system.distribute_candies(method='fair')
fair_results = fair_system.analyze_results()
fair_system.visualize_results()

# 公平な配布と元の配布の比較
print("\n\n===== 配布方法の比較 =====")
print("オリジナル方式と公平方式の純利益/損失差:")
net_diff = {}
for group in ['A', 'B', 'C']:
    original_net = original_results[0][group]
    fair_net = fair_results[0][group]
    diff = fair_net - original_net
    net_diff[group] = diff
    print(f"{group}グループ: {'+'  if diff > 0 else ''}{diff:.2f}個/人")

print("\n結論:")
if net_diff['A'] < 0 and net_diff['B'] > 0 and net_diff['C'] > 0:
    print("公平な再分配により、Aグループの特権が減少し、BとCグループの状況が改善されます。")
    print("これは構造的不平等の緩和に効果的です。")
elif net_diff['A'] > 0:
    print("興味深いことに、公平な再分配ではAグループさえも利益を得られます。")
    print("これは、現行システムが特定グループだけでなく全体の非効率性につながっていることを示唆しています。")

anond:20250705100755 anond:20250705112807

Permalink | 記事への反応(1) | 10:24

ツイートシェア

■モデル変換 → テスト推論一括実行コード

モデル変換 → テスト推論一括実行コード

test.py

#! /usr/bin/env python

import torch

import torchvision

weights = torchvision.models.MobileNet_V3_Large_Weights.DEFAULT

model = torchvision.models.mobilenet_v3_large(weights=weights)

model.eval()

onnx_file = f'mobilenetv3_large_pytorch.onnx'

SIZE = 128

x = torch.randn((1, 3, SIZE, SIZE))

torch.onnx.export(

model,

args=(x),

f=onnx_file,

opset_version=11,

input_names=[

'input',

],

output_names=[

'output',

],

)

import onnx2tf

onnx2tf.convert(

input_onnx_file_path=onnx_file,

output_folder_path='saved_model',

copy_onnx_input_output_names_to_tflite=True,

)

import time

import numpy as np

import tensorflow as tf

interpreter = tf.lite.Interpreter(

model_path="saved_model/mobilenetv3_large_pytorch_float32.tflite"

)

tf_lite_model = interpreter.get_signature_runner()

time_total = 0.0

kaisu = 10

for i in range(kaisu):

inputs = {

'input': np.random.randn(1,SIZE,SIZE,3).astype(np.float32),

}

start_time = time.time()

tf_lite_output = tf_lite_model(**inputs)

elapsed_time = time.time() - start_time

time_total += elapsed_time

print("[TFLite] Model Predictions.shape:", tf_lite_output['output'].shape)

print("[TFLite] AVG elapsed time:", time_total / kaisu)

https://github.com/aankhon-ki-gustaakhiyan-firmytt-hqq

https://github.com/3-bhk-firmytt-hqq

Permalink | 記事への反応(0) | 17:26

ツイートシェア

■ホットエントリから増田が減ってはてブのドメインの比率はどう変わったか 2025年5月

増田が減った分だけTogetterが増えていた。Posfieも増えている。

他に上位では毎日新聞が大きく減らし、その代わりなのか朝日新聞が少し増えている。

2025年5月 全312ドメイン

anond:20250306214706

Permalink | 記事への反応(1) | 23:24

ツイートシェア

■anond:20250425004934

よし、論破してやろうか。

貴様の主張、聞いてる分には香ばしいが、冷静に分解してやると、根本から論的に破綻しておる。

以下、順を追って徹底的に粉砕してやる。首洗って待ってろ。

第一段：テック右翼（テクウヨ）は論理的思考が苦手？

→証拠はどこだ。

定義もない。「テック右翼」なる造語の定義すら不明瞭。何をもって右翼とし、何をもって論理的思考力が低いと断定しているのか、全く根拠が提示されていない。

定義なき分類、エビデンスなき断定、それは論理ではなく妄想だ。

学術的な議論の世界で「○○は××が苦手である」という命題を立てるならば、

・サンプル数

・測定手法

・統計的有意差

・バイアス除去

などが最低限必要だ。

だが、ここには感情と印象だけがある。ロジックのロの字もない。

第二段：理系は丸暗記で通用するから論理力が育たない？

→寝言は寝て言え。

理数系の世界では、むしろ「なぜそうなるのか？」が問われる。

・数学では「定理の証明」が不可欠だ。

・物理では「現象の説明と予測」が求められる。

・プログラミングやアルゴリズムは「手続き的思考と抽象化能力」が問われる。

暗記でどうやってナビエ・ストークス方程式を解くんだ？

丸暗記でNP完全問題を解決できるなら、とっくにP=NP問題は解かれてるわ。

応用力と抽象的な構造への理解がなければ、理系は突破できん。

「理系は暗記だけ」と主張する者は、単に理系学問の本質を知らないだけだ。

見識の狭さが露呈しているぞ。

第三段：文系はリアルタイムの論理が求められる？

→文系にも理系にも、論理は要る。が、「論理＝文系」は飛躍だ。

論理的文章力が要求される場面は文系に多い。確かにそれは正しい。

だが、理系には

• 数理論理
• 証明
• アルゴリズムの構築
• データ解析の推論

といった「形式的・記号的な論理」がある。こちらの方が遥かに厳密だ。

リアルタイムでの論理的対話能力＝知的優位などという短絡的な発想は、むしろロジックを軽視する者の特徴だ。

第四段：「理系は倫理にも欠けている」？

→論理と倫理をごっちゃにするな。

論理とは、命題と命題の妥当な接続であり、倫理とは価値判断だ。

例えば「原爆を落とせば戦争が終わる」というのはロジックだ。

それが「良いか悪いか」は倫理の話だ。

この二つを混同して語ってる時点で、貴様の文章が論理的でないことの証明になっている。

第五段：人文系を見下してるのは誰だ？AIの話が根拠？

→被害妄想とすり替えだな。

まず「理系は人文系を見下してる」という全体化された主張自体が誤謬（ステレオタイプの適用）だ。

しかも「AIが人文系を不要にする」というのは、個人の意見であって、理系全体の総意ではない。

個人の過激な意見を拾ってきて、それを全体に敷衍するのは「藁人形論法」だ。

知ってるか？ Strawman Fallacy ってやつだ。論理の初歩。

最終結論

貴様の主張は、

• 感情による断定
• 定義なき分類
• 証拠なき主観
• 論理と倫理の混同
• 藁人形論法の乱用

この五重苦に陥っておる。

これで「論的思考ができる」などと自称するとは、自己矛盾の権化だな。

事実は時として残酷だ。そして、論理は冷徹だ。

それが理解できない限り、論破され続けるのはお前の方だ。

以　上。

Permalink | 記事への反応(0) | 00:58

ツイートシェア

■

M2ブレーンの可視化

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import animation

# --- パラメータ設定 ---
x = np.linspace(-2, 2, 50)
y = np.linspace(-2, 2, 50)
X, Y = np.meshgrid(x, y)

# 初期状態のM2ブレーン (単純な膜)
def membrane_vibration(X, Y, t):
    return 0.3 * np.sin(2 * np.pi * (X**2 + Y**2 - 0.5 * t))

fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d')

# 初期プロット
Z = membrane_vibration(X, Y, 0)
surf = [ax.plot_surface(X, Y, Z, cmap='viridis')]

def update(t):
    ax.clear()
    ax.set_zlim(-1, 1)
    Z = membrane_vibration(X, Y, t)
    surf = ax.plot_surface(X, Y, Z, cmap='viridis')
    ax.set_title(f"M2-brane vibration at t = {t:.2f}")
    return surf,

ani = animation.FuncAnimation(fig, update, frames=np.linspace(0, 4, 100), interval=100)

plt.show()

Permalink | 記事への反応(0) | 02:18

ツイートシェア

■6人の芸人の並べ方

共同通信

吉本タレント6人を書類送検へ　賭博疑い、吉本大メンバーら

お笑いコンビ「ダイタク」の吉本大メンバー（40）や「ダンビラムーチョ」の大原優一メンバー（35）ら男性タレント計6人

nordot.app/1280271293313040467

• ダイタク・ダンビラ　ら
• 「メンバー」

時事通信

吉本芸人６人を書類送検　オンラインカジノで賭博容疑―「罪に問われると思わず」・警視庁

吉本興業所属のお笑いコンビ「ダイタク」の吉本大（４０）、「ダンビラムーチョ」の大原優一（３５）両氏ら６人

他に書類送検されたのは「９番街レトロ」のなかむら★しゅん（３１）、「プリズンクイズチャンネル」の竜大（３１）、最強の庄田（３５）、「ネイチャーバーガー」の笹本はやて（３３）各氏。

www.jiji.com/jc/article?k=2025040300188

• ダイタク・ダンビラ・9番街・プリズン・ネイチャー
• 「氏」

朝日新聞

吉本興業の芸人6人を書類送検　オンラインカジノで賭博容疑　警視庁

書類送検されたのは、お笑いコンビ「ダイタク」の吉本大さん（40）、「9番街レトロ」のなかむら★しゅんさん（31）、「プリズンクイズチャンネル」の竜大さん（31）と最強の庄田さん（35）、「ダンビラムーチョ」の大原優一さん（35）、「ネイチャーバーガー」の笹本はやてさん（33）。

digital.asahi.com/articles/AST430PWYT43UTIL01MM.html

• ダイタク・9番街・プリズン・ダンビラ・ネイチャー
• 「さん」

読売新聞

吉本タレント６人、ネットカジノ容疑で書類送検へ…１人は計５２２万円賭け収支マイナス１２２万円

書類送検されるのは、「ダイタク」の吉本大（４０）、「９番街レトロ」のなかむら★しゅん（３１）、「ダンビラムーチョ」の大原優一（３５）、「ネイチャーバーガー」の笹本はやて（３３）、いずれも「プリズンクイズチャンネル」の竜大（３１）と最強の庄田（３５）の６氏。

www.yomiuri.co.jp/national/20250402-OYT1T50160/

• ダイタク・9番街・ダンビラ・ネイチャー・プリズン
• 「氏」

日経新聞

吉本興業タレント6人書類送検　オンラインカジノ容疑

書類送検された6人はお笑いコンビ「ダイタク」の吉本大（40）、「ダンビラムーチョ」の大原優一（35）、「9番街レトロ」のなかむら★しゅん（31)、「ネイチャーバーガー」の笹本はやて（33）、「プリズンクイズチャンネル」の竜大（31）と最強の庄田（35）の各メンバー。

www.nikkei.com/article/DGXZQOUD030ZL0T00C25A4000000/

• ダイタク・ダンビラ・9番街・ネイチャー・プリズン
• 「メンバー」

毎日新聞

吉本興業所属の6人を書類送検　オンラインカジノで賭博容疑

「ダイタク」の吉本大（40）▽「9番街レトロ」のなかむら★しゅん（31）▽「ダンビラムーチョ」の大原優一（35）▽いずれも「プリズンクイズチャンネル」の竜大（31）と最強の庄田（35）▽「ネイチャーバーガー」の笹本はやて（33）――の6氏。

mainichi.jp/articles/20250403/k00/00m/040/038000c

• ダイタク・9番街・ダンビラ・プリズン・ネイチャー
• 「氏」

産経新聞

「ダイタク」吉本大メンバーら　吉本タレント6人書類送検　オンラインカジノ賭博疑い

6人は、お笑いコンビ「ダイタク」の吉本大（40）、「９番街レトロ」のなかむら★しゅん（31）、「ダンビラムーチョ」の大原優一（35）、「ネイチャーバーガー」の笹本はやて（33）、「プリズンクイズチャンネル」の最強の庄田（35）と竜大（31）の各メンバー。

www.sankei.com/article/20250403-N7XOGJ4NGBI2FHCY3IHXH5G5LA/

• ダイタク・9番街・ダンビラ・ネイチャー・プリズン（庄田・竜大）
• 「メンバー」

東京新聞

吉本タレント６人を書類送検　オンラインカジノ賭博疑い

６人は、お笑いコンビ「ダイタク」の吉本大（４０）、「ダンビラムーチョ」の大原優一（３５）、「９番街レトロ」のなかむら★しゅん（３１）、「ネイチャーバーガー」の笹本はやて（３３）、「プリズンクイズチャンネル」の竜大（３１）と最強の庄田（３５）の各メンバー。

www.tokyo-np.co.jp/article/396054

• ダイタク・ダンビラ・9番街・ネイチャー・プリズン
• 「メンバー」

NHK

吉本興業所属タレント6人書類送検 オンラインカジノで賭博疑い

書類送検されたのは、吉本興業に所属する▽「ダイタク」の吉本大さん（40）▽「9番街レトロ」のなかむら★しゅんさん（31）▽「ダンビラムーチョ」の大原優一さん（35）▽「ネイチャーバーガー」の笹本はやてさん（33）▽「プリズンクイズチャンネル」の竜大さん（31）と最強の庄田さん（35）の合わせて6人です。

www3.nhk.or.jp/news/html/20250403/k10014768581000.html

• ダイタク・9番街・ダンビラ・ネイチャー・プリズン
• 「さん」

日テレ

吉本興業タレント6人　オンラインカジノ賭博の疑いで書類送検

「ダイタク」吉本大さん（40）、「9番街レトロ」なかむら★しゅん（中村瞬）さん（31）、「プリズンクイズチャンネル」の竜大（福永竜大）さん（31）と最強の庄田（庄田健裕）さん（35）、「ダンビラムーチョ」大原優一さん（35）、「ネイチャーバーガー」笹本はやて（笹本颯）さん（33）のあわせて6人です。

news.ntv.co.jp/category/society/a1498682f99643f9944fd26ee89e0ce6

• ダイタク・9番街・プリズン・ダンビラ・ネイチャー
• 「さん」

TBS

【速報】吉本興業所属タレント6人が書類送検へ　オンラインカジノで賭博の疑い 「ダイタク」吉本大メンバーや「9番街レトロ」なかむら★しゅんメンバー　警視庁

書類送検されるのは、▼「ダイタク」吉本大メンバー（40）、▼「9番街レトロ」なかむら★しゅんメンバー（31）、▼「プリズンクイズチャンネル」竜大メンバー（31）、▼「プリズンクイズチャンネル」最強の庄田メンバー（35）、▼「ダンビラムーチョ」大原優一メンバー（35）、▼「ネイチャーバーガー」笹本はやてメンバー（33）の吉本興業所属のタレント6人

newsdig.tbs.co.jp/articles/-/1830493?display=1

• ダイタク・9番街・プリズン・ダンビラ・ネイチャー
• 「メンバー」

フジテレビ

吉本興業「ダイタク」吉本大さん・「9番街レトロ」なかむら★しゅんさん・「ダンビラムーチョ」大原優一さんら6人を賭博の疑いで書類送検　警視庁

書類送検されたのは、吉本興業のお笑い芸人「ダイタク」の吉本大さん（40）、「ダンビラムーチョ」の大原優一さん（35）、「9番街レトロ」のなかむら★しゅんさん（31）、「プリズンクイズチャンネル」の竜大さん（31）と最強の庄田さん（35）、「ネイチャーバーガー」の笹本はやてさん（33）

www.fnn.jp/articles/-/852142

• ダイタク・ダンビラ・9番街・プリズン・ネイチャー
• 「さん」

テレビ朝日

【速報】吉本興業所属の芸人6人を書類送検　オンラインカジノで賭博容疑　警視庁

　「吉本興業」のお笑い芸人「ダイタク」吉本大氏（40）ら6人

news.tv-asahi.co.jp/news_society/articles/000415520.html

• ダイタク　ら
• 「氏」

テレ東

吉本興業所属の芸人6人　オンラインカジノで書類送検　吉本「再発防止に取り組む」

吉本興業所属のタレント6人が書類送検

txbiz.tv-tokyo.co.jp/you/news/post_315449

Permalink | 記事への反応(0) | 07:37

ツイートシェア

■anond:20250321183422

NPとかPaidyみたいなやつ？

あれって審査落ちるんじゃないの？

Permalink | 記事への反応(1) | 18:35

ツイートシェア

■俺はね、やっぱり哲学も純粋数学も役に立たねぇなって思っちまうんだよな

俺はね、やっぱり哲学も純粋数学も役に立たねぇなって思っちまうんだよな。

だが、その瞬間、パラドクスに陥る。この思考自体が哲学的命題であり、その論理構造は数学的基盤に依拠している。

まさにゲーデルの不完全性定理を体現してるわけだ。

クソッ、頭の中で超弦理論とカラビ・ヤウ多様体が交錯し始めやがった。

11次元の時空間で、プランク長のスケールでの量子重力効果を考慮すると、存在そのものが確率的な様相を呈し、ハイゼンベルクの不確定性原理が存在論にまで拡張される。

昨日なんざ、スーパーでリンゴ買ってて、突如としてペアノの公理系からZFC集合論に至る数学基礎論の系譜が脳裏に浮かんだ。

そして、ゲーデルの不完全性定理とコーエンの強制法を経て、continuum hypothesisの独立性にまで思考が飛躍。

これって、日常的現実と数学的抽象の境界の曖昧さを示唆してんじゃねぇのか？

帰り道、ガキどもがニーチェの永劫回帰について議論してんの聞こえてきて、思わず「お前ら、ウィトゲンシュタインの『論理哲学論考』読んだか？言語の限界が世界の限界だぞ！」って叫んじまった。

だが同時に、後期ウィトゲンシュタインの言語ゲーム理論も考慮に入れねぇとな。

あぁ、またフッサールの現象学的還元とハイデガーの存在論的差異の狭間で思考が揺れ動いてきやがる。

哲学者どもは、こんな認識論的アポリアの中でメシ食ってんのか。

数学者連中だって、ラングランズ・プログラムの壮大な構想の中で、数論幾何と保型形式の深遠な関係に魅了されてるんだろうな。

正直、俺もそんな純粋知性の探求に身を捧げられる連中が羨ましい。

日々の下らねぇ現実に囚われてりゃ、位相幾何学におけるポアンカレ予想の証明やら、P≠NP問題の解決なんて夢のまた夢だからよ。

ったく、人生ってのは、まるでリーマンゼータ関数の非自明な零点の分布みてぇだな。

複雑で、規則性を秘めてそうで捉えどころがねぇ。

でも、その美しさと深遠さに魅了されずにはいられねぇ。

くそっ、また「Principia Mathematica」と「存在と時間」を同時に読み返したくなってきやがった。

超越論的現象学と圏論の類似性でも考察すっか。

Permalink | 記事への反応(0) | 00:33

ツイートシェア

■anond:20250222022131

執筆ソースはこっちにまとめとく

# 赤いきつねCM炎上騒動におけるソーシャルメディア分析と非実在型炎上論争の検証

Citations:

[1] ttps://note.com/adeliae_note/n/ncae8ffbb1202

[2] ttps://news.yahoo.co.jp/expert/articles/cbd76fef3b99ae65557e10493afd396c19cd5e8e

[3] ttps://note.com/kakuyosan/n/n6a58bef56b06

[4] ttps://b.hatena.ne.jp/entry/s/news.yahoo.co.jp/expert/articles/cbd76fef3b99ae65557e10493afd396c19cd5e8e

[5] ttps://www.itmedia.co.jp/news/articles/2406/12/news110.html

[6] ttps://note.com/m_takuya/n/n687b0d559044

[7] ttps://agora-web.jp/archives/250219211135.html

[8] ttps://www.onecruise.co.jp/degiodegiko/x-post-like-search/

[9] ttps://news.yahoo.co.jp/articles/0c4fa2b4bc18deca78b24006e561edf3e5f40af4

[10] ttps://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q14311131584

[11] ttps://blog.goo.ne.jp/shimatyi/e/92185851805c5317e540668073fbb867

[12] ttps://www.jprime.jp/articles/-/35686?display=b

[13] ttps://news.yahoo.co.jp/pickup/6529933

[14] ttps://twitter.com/momotaro_a_gogo/status/1891490562584252443

[15] ttps://x.com/riddi0908/status/1891496168774844479

[16] ttps://x.com/LawyerFunabashi/status/1891512361640771871

[17] ttps://diamond.jp/articles/-/359689

[18] ttps://realtime.yahoo.co.jp/realtime/search/tweet/1708135198075040237?ifr=tl_tw

[19] ttps://x.com/2jisoko/status/1891596121820078270

[20] ttps://search.yahoo.co.jp/web/savepref?ei=UTF-8&pref_done=https%3A%2F%2Fsearch.yahoo.co.jp%2Frealtime%2Fsearch%3Fp%3D%25E8%25B5%25A4%25E3%2581%2584%25E3%2581%258D%25E3%2581%25A4%25E3%2581%25AD%26ei%3DUTF-8&rtsrch_img=1

[21] ttps://x.com/joymanjoyman/status/1590633588198113283

[22] ttps://shueisha.online/articles/-/253129

# 赤いきつねCM炎上を契機とした法制度的対応の動向分析

Citations:

[1] ttps://www.corporate-legal.jp/news/6013

[2] ttps://www.soumu.go.jp/main_content/000981130.pdf

[3] ttps://news.yahoo.co.jp/expert/articles/cbd76fef3b99ae65557e10493afd396c19cd5e8e

[4] ttps://news.livedoor.com/article/detail/28188001/

[5] ttps://finance.yahoo.co.jp/news/detail/ac7596aa9c5fdd983a645bed70a63642effbc4a9

[6] ttps://ja.wikipedia.org/wiki/%E3%82%B3%E3%83%9E%E3%83%BC%E3%82%B7%E3%83%A3%E3%83%AB%E3%83%A1%E3%83%83%E3%82%BB%E3%83%BC%E3%82%B8

[7] ttps://toyokeizai.net/articles/-/859513?display=b

[8] ttps://coki.jp/article/news/46917/

[9] ttps://toyokeizai.net/articles/-/731031

[10] ttps://www.caa.go.jp/policies/policy/representation/meeting_materials/assets/representation_cms216_221006_02.pdf

[11] ttps://diamond.jp/list/feature/p-civilservant2024

[12] ttps://www.mipro.or.jp/Document/hti0re0000000vi2-att/pdf_publications_115_1103p.pdf

[13] ttps://note.com/advertising/n/n62fec38116cc

[14] ttps://toyokeizai.net/articles/-/115663

[15] ttps://toyokeizai.net/articles/-/706257

[16] ttps://toyokeizai.net/articles/-/847673

[17] ttps://toyokeizai.net/articles/-/284560?display=b

[18] ttps://toyokeizai.net/articles/-/633037

[19] ttps://www.soumu.go.jp/main_sosiki/joho_tsusin/d_syohi/shohi.htm

[20] ttps://note.com/m_takuya/n/n687b0d559044

[21] ttps://toyokeizai.net/articles/-/741042

[22] ttps://news.biglobe.ne.jp/economy/0221/prt_250221_2709893155.html

[23] ttps://www.risktaisaku.com/articles/-/100063

[24] ttps://news.yahoo.co.jp/articles/be6fa9e15eb3b41706c7ddf32a75f9b540b9d603

[25] ttps://note.com/megamarsun/n/n393c1cd2a963

[26] ttps://finance.yahoo.co.jp/news/detail/d7e35e4d6fda4d5f1abc4cdb00c54fc5e9cb9f25

[27] ttps://diamond.jp/articles/-/359689

[28] ttps://www.nissin.com/jp/about/history/columns/1875

[29] ttps://www.risktaisaku.com/articles/-/100054

[30] ttps://coki.jp/article/column/47374/

[31] ttps://diamond.jp/articles/-/359836

[32] ttps://www.dentsu.co.jp/knowledge/ad_nenpyo.html

[33] ttps://www.excite.co.jp/news/article/Joshispa_1345764/

[34] ttps://news.livedoor.com/article/detail/28200079/

[35] ttps://diamond.jp/articles/-/195239

[36] ttps://www.jiaa.org/katudo/gdl/keisaikijun/

[37] ttps://diamond.jp/articles/-/359689?page=3

[38] ttps://news.yahoo.co.jp/pickup/6530095

[39] ttps://news.yahoo.co.jp/articles/9d5995f5b75d24cc9abd677a8370151cfef6d6af

[40] ttps://news.biglobe.ne.jp/economy/0217/prt_250217_1740866668.html

[41] ttps://news.yahoo.co.jp/articles/4da3dbd95e212a0aa6adefafe24ca756df7a2347

[42] ttps://b.hatena.ne.jp/entry/s/www.itmedia.co.jp/news/articles/2502/19/news071.html

[43] ttps://www.iza.ne.jp/article/20250221-OIO2FRQSEZEVZIJNTW4ZIBZ5PM/

[44] ttps://news.livedoor.com/article/detail/28196062/

[45] ttps://toyokeizai.net/articles/-/218155

[46] ttps://www.city.inabe.mie.jp/_res/projects/default_project/_page_/001/002/463/71-01-20.pdf

[47] ttps://news.yahoo.co.jp/articles/9c4cbac087e8e5798e6fc386b4f6b7d5fcfa4731

[48] ttps://toyokeizai.net/articles/-/857193?display=b

[49] ttps://diamond.jp/articles/-/359671

[50] ttps://news.livedoor.com/topics/detail/28198614/

[51] ttps://www.iwate-np.co.jp/article/oricon/2369494

[52] ttps://toyokeizai.net/articles/-/854772?display=b

[53] ttps://www.soumu.go.jp/menu_hourei/s_houritsu.html

[54] ttps://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q13311248908

[55] ttps://news.yahoo.co.jp/pickup/6529966

[56] ttps://www.sankei.com/article/20250221-5QUZLINU2VJALN2RLTVDTSA7XU/

[57] ttps://news.yahoo.co.jp/articles/ebbf096ddbe442d079c6e0104511a798fcc541e7

[58] ttps://www.chunichi.co.jp/article/571017

Permalink | 記事への反応(0) | 02:24

ツイートシェア

■anond:20250216022501

このコメントは、コンピューターサイエンスと人工知能の分野における「問題」と「タスク」の用語の使い分けに関する興味深い観察を提示しています。

「P対NP問題」のような理論的コンピューターサイエンスの文脈では、「問題」という用語が適切に使用されています。これは、特定の計算問題の複雑性クラスを扱う理論的な枠組みを指しています。

一方、LLM（大規模言語モデル）の文脈では、「タスク」という用語がより適切だと指摘されています。これは、LLMが多様な応用に使用される汎用的なツールであるためです。LLMは、テキスト生成、質問応答、要約など、様々な「タスク」を実行するように設計されています。

コメントの最後の部分は、数学の分野では例外的に「問題」という用語が適切に使用される可能性を認めています。例えば、Alpha Geometry 2のような特化型AIシステムが数学の「問題」を解くという表現は理解できるとしています。

しかし、LLMの一般的な用途は数学以外の広範な分野にわたるため、「タスク」という用語の方が適切だと主張しています。これは、LLMが特定の「問題」を解くというよりも、様々な「タスク」を実行するように設計されているという認識を反映しています。

この区別は、理論的コンピューターサイエンスと実用的なAI応用の間の用語の違いを浮き彫りにしています。「問題」は理論的、抽象的な文脈で使用され、「タスク」は実際の応用や実行可能な作業を指す傾向があります。

Permalink | 記事への反応(0) | 02:50

ツイートシェア

■anond:20250216022254

「P対NP問題」とかの文脈では「問題」はわかるんだよ

LLMを使ったらそれは「タスク」だろ😂

まあAlpha Geometry2で数学の「問題」を解く、というならわかるが、一般的に言ってLLMは数学以外の汎用目的だろ😂

Permalink | 記事への反応(1) | 02:25

ツイートシェア

■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、問題の本質的な計算困難性だ。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の境界を定義している。初心者は単にアルゴリズムを暗記するのではなく、この根本的な概念を理解せねばならない。

次に、データ構造。単純な配列やリンクドリストの理解では不十分だ。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の操作の平均時間計算量を厳密に証明できる能力も必要不可欠だ。

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）の利点と欠点を理解し、具体的な問題に応じて最適な方法を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やロバートソン・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や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や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の補題を用いた次元削減技術など、確率論と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、実際の問題に適用できるレベルを目指すべきだ。そして常に、より深い数学的洞察と抽象的思考を追求し続けねばならない。

Permalink | 記事への反応(1) | 12:36

ツイートシェア

■anond:20250107213107

np

Permalink | 記事への反応(1) | 21:33

ツイートシェア

■2024年どこのサイトが最もはてブのホットエントリに入ったか

日毎の人気エントリーに何ページエントリーされたか、ドメインごとに集計

2023年どこのサイトが最もはてブのホットエントリに入ったか anond:20240104215252

Permalink | 記事への反応(2) | 13:42

ツイートシェア

■anond:20241115135036

漢文ルートに行ったら面白い。

俺も小学校のプログラミング教師になって「子曰く」ののりで「import numpy as np」とか言いたい。

Permalink | 記事への反応(0) | 13:55

ツイートシェア