もういくつ寝ると 今年のはじめにやりたいことリストを作った。今見たら50項目あるリストのうち25個が達成済みだった。ちょうど半分やりたいことをやったということだ。私にしてはまあまあの結果だと思う。満足。 やりたいことリストにあるもののうち、「〜を食べたい」系は概ねクリアし…
もういくつ寝ると 今年のはじめにやりたいことリストを作った。今見たら50項目あるリストのうち25個が達成済みだった。ちょうど半分やりたいことをやったということだ。私にしてはまあまあの結果だと思う。満足。 やりたいことリストにあるもののうち、「〜を食べたい」系は概ねクリアし…
GPU Gems 3 is now available for free online! Please visit our Recent Documents page to see all the latest whitepapers and conference presentations that can help you with your projects. You can also subscribe to our Developer News Feed to get notifications of new material on the site. Chapter 34. Signed Distance Fields Using Single-Pass GPU Scan Conversion of Tetrahedra Kenny Erleben University of
『単純な脳、複雑な「私」』を読んだのだが、その中に出てきた「ラングトンの蟻」が面白そうだったので実装してみた。 「run」を押すと動き出しますが、IEだと遅すぎて使い物にならないので押さないように注意。少し時間がかかりますが、カウントが10000を越えたあたりから急に動きが変わります。マシンスペックにも寄りますが終わるまで大体賞味1分くらいかな。ちなみに、スペックが貧弱なパソコンだとCPUをぶん回している状態になると思うので注意。 ソース いやー、ちゃんと動いてますね。ちゃんと動いたときは我ながらちょっと感動しました。 ラングトンの蟻と言うのは、存在が環境に影響を与え、環境が存在に影響を与えるというモデルで、非常に単純な規則ながら面白い動きをします。最初はデタラメに動いていたものが、ある段階から急に規則的に動き出すというものです。 具体的な規則は、下記の繰り返しです。これだけです。 一マス
Isosurfaces: Geometry, Topology, and Algorithms 作者: Rephael Wenger出版社/メーカー: A K Peters/CRC Press発売日: 2013/07/31メディア: ハードカバーこの商品を含むブログ (1件) を見るマーチング・キューブズ法(Marching Cubes)は、３次元格子の頂点位置において定義された値（値そのものの意味は任意：温度、密度、存在確率、、などなど）をもとに、「等値面」を作成するためのよく知られた手法である。私もこれまでに何度か実装したことがあり、未熟な実装であったとはいえ、閾値を変えるにつれて等値面が変形する様を見ては楽しんだものである。 等値面を作成する上で、ある種自明と考えられなくもない手法であるにもかかわらず、特許化されたということもあり、ソフトウェア特許の功罪や難しさを語る際の代表的な事例
つくばチャレンジ２００７の出場者の技術資料にICPを使っているという人が何人かいたので、僕もICPを採用することにしました。という訳でまずはICPについて調べました。 ICPはパターンマッチングの１種なので、ちょっと人工知能的。手書き認識とか、OCRとか、音声認識とか、顔認識とかジェスチャー認識も多くはパターンマッチングが使われる。やっとソフトウェアらしい自分の領分なので楽しい。 『Efficient Variants of the ICP Algorithm』この論文が、ICPの様々なアルゴリズムについて検証していてよい感じでした。3Dのレーザーレンジファインダから得られる２つのメッシュの合成について書かれています。 この論文は、主にいろいろなアルゴリズムを試験して、何が高速であるかを検証しています。 概要 概要としては、ICPは以下の６つのステージからなります。 Selection :
1.はじめに プログラミング言語とはシステム化する対象物を抽象化し、コンピュータで処理可能なコードを記述するために用いる人工言語である。プログラミング言語はコンピュータの機械語と一対一の対応をもったアセンブラから始まり、コンパイラを用いて機械語に翻訳することを前提としたコンパイラ言語、インタプリタと呼ばれるプログラムがソースコードを解釈し実行するスクリプト言語と、記述できる抽象度を高める方向へと進化してきた。 プログラミング言語はその存在理由から、より抽象度の高い記述が行えること、すばやい開発を行える事が求められる。抽象度の高い記述とは、プログラムがどういう処理を行うか(HOW)ではなく何の処理を行うか(WHAT)を記述しやすい構文、機能を持っていることを、すばやい開発とは記述性の高さ、コードの密度の高さ、バグの発生しにくい構文、機能を持っていることをさす。 この抽象度の高い記述、すばやい
16:46 08/03/30 YZ1.DLL 0.30 リリース しました。 具体的には、ヘッダの格納ファイル数フィールドに実際より大きい値が入ってると変なとこ読もうとして落ちるバグ修正。 GreenPad の修正は来週くらいには…。 Booooooost Boost 1.35.0 来てました。 Asio と Fusion と GIL の三枚看板がでかいですが、Bimap が地味に便利だ。 あと、mbさんのEgg のレビューが明日からでしょうか。（また スケジュール から消えてますが…Protoが入る前までロールバックしてる？） 他人事ながらドキドキ。 17:36 08/03/28 ケース 十年来の疑問なんですが、"case" に単独で対応する日本語ってなんになるんですかね。 "case-insensitive" や "lowercase" の "case"。単に "case-insens
GCアルゴリズム詳細解説 日本語の資料がすくないGCアルゴリズムについて詳細に解説します トップページページ一覧メンバー編集 GC 最終更新： author_nari 2010年03月14日(日) 20:47:11履歴 Tweet このWikiが目指す所 GCとは？ GCを学ぶ前に知っておく事 実行時メモリ構造 基本アルゴリズム編 Reference Counter Mark&Sweep Copying 応用アルゴリズム編 IncrementalGC 世代別GC スナップショット型GC LazySweep TwoFinger Lisp2 Partial Mark and Sweep -Cycle Collection- Mostly Parallel GC train gc MostlyCopyingGC(Bartlett 1989) TreadmillGC(Barker 1992) 補足
文書比較（diff）アルゴリズム 前のドキュメント 次のドキュメント ＶｉＶｉの文書比較（diff）機能で使用しているアルゴリズムについて解説する。 これらのアルゴリズムは Myers 氏らの論文によるもので、氏は筆者のためにわざわざ論文をＷｅｂサイトで入手可能な形式にしてくださった。この場を借りてお礼申し上げる。 オリジナル論文は以下のＷｅｂサイトから入手可能である。 http://www.cs.arizona.edu/people/gene [1] E.W.Myers, "An O(ND) Difference Algorithm and Its Variations", Algorithmica, 1 (1986), pp.251-266 [2] S. Wu, U. Manber, G. Myers and W. Miller, "An O(NP) Sequence Comparis
Cazoo! コンテンツ CLAPACKとは？ - CLAPACKの簡単な説明。 インストール方法 - Lapackのインストール方法の紹介。 CLAPACKを使用する際の注意点 - CLAPACKを利用する際の注意点について。 ルーチンの仕様 - サンプルプログラムを使用しつつ、ルーチンの仕様を書いている。 ルーチン早見表 - CLAPACKで提供される関数の早見表（簡単な説明付き）。 netlib.org - Lapackに限らずあらゆる数値計算ライブラリがダウンロードできる。 LAPACK - Lapackの詳細が書いてある。 Copyright (C) 2001 Keisuke ABE. All Rights Reserved.
The RANSAC (Random Sample Consensus) Algorithm Robert B. Fisher The RANSAC algorithm [1] is an algorithm for robust fitting of models in the presence of many data outliers. The algorithm is very simple. Given a fitting problem with parameters , estimate the parameters. Assume: The parameters can be estimated from N data items. There are M data items in total. The probability of a randomly selected
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
