表示名 @mathmathniconico@mathtod.online
UnrealEngine4を最近また触っていて、NiagaraというVFX機能のサンプルを色々試している。
グラボを導入したのでサクサク動いて嬉しい。でもメモリが足りないので、ブラウザ＋もう１つを起動とかは厳しい。
うーん、メモリがもう旧型になるから、変えるとなるとCPUとマザボも変えることに…どうしたものか
取りあえず動かせた。大正義いらすと屋。
ほとんど25%だが、使用率に差異があるように思える。緑、紫、青、橙の順。5%の差に収まるが、緑のメタになるはずの橙が、それ以外に対して弱いために、緑が有利になるらしい。
ちなみに対戦数を100000（サンプル数1000）にすると、色がバンドとして現れる。 https://mathtod.online/media/qJjPhT6AaS92Fn9ta-I
使用率は10戦ごとの統計データ
次にサイコロ$i$を選ぶ確率を
\[ \sum_{j} j\text{に対する勝率}\times( j\text{の使用率}\times 100+1 ) \]
で重み付けした場合 https://mathtod.online/media/skNsMwNEGrXG5kG-CKI
まずは完全にランダムに選択した場合 https://mathtod.online/media/Soz-xSKaf5Pb6N-CJpg
当然、使用率はそれぞれ25%を推移する。
機械学習への第一歩
まずベルヌーイ分布（確率$\mu=\mu_{0}=0.25$のコイントス）に従うデータを100個生成しておく。グラフは3種類のベータ分布を事前分布として、学習の様子をプロットしてみたもの。右下は各々で推定される$\mu$の変化を表している。このレベルだと式で書けてしまうので学習という感じはしない。 https://mathtod.online/media/blI57TIXVr-XhNyaqpA
$ f(x, y)=(y-x^{2})(y-2x^{2}) $のグラフ。原点は、そこを通る全ての直線上で極小だが、$\mathbb{R}^{2}$全体では極小ではない。 https://mathtod.online/media/P_du366CzYOAAcflwk4
#julia
$c$を変えたり、色付けの方法を変えたり。 https://mathtod.online/media/5EZ7NTunINKAZUWTxz0
ブログ更新しました
http://arxiv.hatenablog.com/entry/2018/01/31/215021
ちょっと寒くて体調が良くないので、この前のマストドンねた＋α
コレクションだけど、juliaでシミュレートした結果です。 https://mathtod.online/media/enS65_Z_T9vG5ksEoCs
ピークの出方が不思議なので、どこかコードが間違ってるのかもしれない。連続的なものと離散的なものが混ざってる感じ。
線分の配置を変えるとこんなのも描けて楽しい。 https://mathtod.online/media/MQb3FyHrG5M7qUD-eXM
juliaの言語仕様は良く分からないけど、取りあえず作ってみたコッホ曲線。再帰で作ってるので3回（8重）を超えると余裕のオーバーフロー。普通にループ回した方が良いのだろう。
