恐るべき早寝力(はやねちから)を発揮した

木曜日です。


昨日の早寝が効果を発揮し、圧倒的出社をやりました(つよい)。

早寝由来の全能感で開発労をやっただけでなく、話を聞く労さえもやりました。

話を聞く労では、まったく意識が失われることもなく完全に内容を把握していました(あまりにもつよい)。


そうそう、アドカレも読みました(また書き忘れるところだった)。さいつよの suffix array 線形時間構築アルゴリズムである SA-IS を Rust で実装したら Rust の標準ソートのほうが速かったという面白コンテンツでした。線形時間構築とはなんだったのか・・・。

その後、社の年末的イベント(定時外)(給与が発生しないタイプの労)がありました。しかし眠かったので参加せずに退社しました。


帰りの電車では「ネット彼女だけど本気で好きになっちゃダメですか?」を読み始めました。冒頭で主人公の友達がいきなり得性し、ショックを受けた主人公がツイッターで彼女を募集したら爆速で得性するという恐るべきハイスピード得性ラノベでした。つよい。

あと主人公は1000人以上フォローしているのにTLを完全に追っているというツイ廃でした。あまつさえ平日昼間になると「TLの動きが鈍くなった」などと語り出すなど異様なツイの力を発揮していました。つよい。

あと物語的には直球というかなんとなく先が読める感じなのですが、それにも関わらずよさがすごい。このままストレートによさをぶつけてくるのか、どんでん返しがあるのか、続きを読むのが楽しみです。


帰宅後はアフ!を視聴して徳を高めました。

その後、今日も早寝するぞと思ったら明日(日付上は今日)のアドカレが公開されていたので、うっかり読んでしまいました。グラフの最大マッチングを見つける問題で、結構難しかった。ただ具体例が多かったのでなんとか読み終えることができました(理解したとは言っていない)。

寝ます。早寝には失敗しましたが、あと1労なのでおそらく出社できることでしょう。

はっきりとしない意識でやり過ごす

水曜日です。


昨晩、早寝に失敗したため異様に眠い出社。

労は会議労、開発労のような何かをやっていましたが、終日意識がはっきりしませんでした。

いよいよ厳しくなってきてエリクサーを使おうと思ったら売り切れていました。エリクサーは大人気商品。

そういえば日記に書き忘れ続けていますがデーアルアドカレは毎日読んでいます。

そんなこんなで意識のはっきりしない状態でなんとか労をやり過ごしました。


帰りの電車では魔法医師の診療記録を読み終えました。ベリーグッド・エンドでした。よい・・・。このようなすばらしい作品が打ち切られず完結したのはすばらしいことです。

帰宅後ははっきりしない意識で無をやり、今にいたります。

今日は早寝をする!。あと2労やれるのかどうか・・・。

2労目も寒さがあれであれだった

火曜日です。


今日も今日とて異様な寒さ。

しかし今日は8:00からフェーちゃんねる(FEH特番)があったので、それを見つつなんとか目を覚ましました。しかしこのような朝早い時間から特番労をしている労働者には同情を禁じえません。


出社後は開発労、会議労(いつもの)。

ピアノレッスンがあったので早めの退社でした。


レッスンメモ1. 左手の1拍目とその後のクレッシェンドに注意する。次の曲を見始める。レッスンメモ2. 第1楽章は最後の3行くらいを仕上げる。第2楽章は強弱を見始める。中盤、楽譜との向き合いが足りない。次の曲を決める。レッスンメモ3. 右手が和音になっていたり、メロディと伴奏を兼ねている部分に注意する。音の間違いに気づかないほど体力が尽きてしまわないようにする。


帰りの電車では魔法医師の診療記録を読み進めていましたが、途中で意識が失われました(だめ)。

帰宅後はガンダムW視聴。OPが新しいやつになりました。といってもすでに残り10数話。本放送時はOPが全然新しくならないのでもやもやしていましたが、労働者となった今では「OPの差し替え労はつらいからな。わかる」などと適当なわかりを発揮しています(????)。

異様な寒さが続く中、なんとか明日もやっていけることを祈りつつ、寝ます。

初労から異様に寒くだめだった

月曜日です。


朝から異様に寒く、この世の終わりのような気持ちでした。

出社後は会議労、開発労。


帰りの電車では魔法医師の診療記録を読み進めました。このシリーズは毎回膨大な数の強力な個性を持ったキャラクターを生み出しては、惜しげも無く使い捨てていく(戦死する)スタイルが最高にかっこいいのです。

帰宅後は凍えながらプリチャンを視聴しました。


さらにロマサガRSとワールドエンドシンドロームのアップデート労を楽しみました。

ロマサガRSのアップデートはなにやら課金周りでの修正が廃課金erの逆鱗に触れたらしく炎上していました。私は無課金なので詫び石ありがとうございますという感じでした。

ワールドエンドシンドロームのアップデートはかねてより指摘されていた問題点を改良した神アップデートでした。よい。しかしこのような神アップデートに言及しているツイッターアカウントが数人しかいなかった・・・。

その後はあまりの寒さでガクブルしながら日記を書き今に至ります。

寝ます。

イデアルが突如出てくる甘利本

日曜日です。


異様な寒さがあり、朝からだめでした。

体を温めようと(?)、情報理論本を読み進めました。

ゆるふわなふりをして突然イデアル(環)の話が出てきてドン引きでした。

その後、ピアノをやりジオウを視聴しました。ディケイドアーマーがカッコヨスギでした。ところでディケイドライドウォッチって韻を踏んでいていいですよね。

さらにはデーアルアドカレ9日目を読みました。みんな大好き Suffix Array でした。よい。


このあたりで寒さが限界、完全にだめになりこたつで無限にゲーム(FEH、ロマサガRS、FF6)をやっていました。

さらに糖分を無限に摂取してしまい健康への悪影響が懸念されます(だめ)。


夜も更けたのでリリスパをリアタイ視聴。ハゲカップが登場していてよかった。

ところで来週の月曜(12/17)は自主休暇(有給)の予定なので、今週が本年度最後の5労になります。5労は滅びた(予定)。

5労、お前は確かに強かったよ。だが、間違った強さだった。もしお前が休だったらなあ・・・(ライバルキャラとの決戦回風)。

寝ます。

自宅労、やりたいことが多すぎる

土曜日です。


10時間寝たので圧倒的全能感を伴い起床(つよい)。

情報理論本を読みウォーミングアップしたのち、ピアノをやりました。

その後はFF6をやり、狂信者の塔をクリアしました。昔はこの塔はめんどくさいなという気持ちしかなかったのですが、改めてやってみると結構楽しい。どうみても鬱陶しいだけの敵も何気に攻略法があったりして面白かったです。


夜が更けて、異様な寒さがあり厳しくなってきました。

凍えつつも deep 本の復習労をやりました(過去記事参照)。

それにしても、自宅労枠でやらないといけないことがたくさんあり、厳しい。論文労、Rust 労、deep 本復習労・・・。

労(=仕事労)(=狭義の労)さえなければこんなことには・・・。


グリッドマンおよびゴブリンスレイヤーを視聴しました。

さらにツール記事を読みツール力を高めました(つよすぎる)。

寝ます。

Deep Learning(An MIT Press book) 6.2.2.4

Deep Learning(An MIT Press book) の要点メモシリーズ。

今日の範囲は出力ユニットの残りの部分。主に分散を学習する方法について。分散は正定値性が要求されるので一工夫必要だよねという話です。

Chapter 6 Deep Feedforward Networks

6.2 Gradient-Based Learning

6.2.2 Output Units

6.2.2.4 Other Output Types

  • neural network f(x;\theta) はyのパラメータωを表現している
    • 損失関数は -logp(y;\omega(x)) になる
  • 条件付きガウス分布の分散を学習する例
    • 分散が定数の場合
      • (y-x)2 の empirical mean なので閉形式で求められる
      • ωの内部のパラメータに標準偏差、分散、精度(分散の逆数)を含める方法もある
    • 分散がxに依存する場合(heteroscedastic model)
      • ωの出力に精度(分散の逆数)を含める
        • 分散を使うと除算が発生してしまうのでよくない
          • 0に近い値で除算すると大きな値になり勾配が不安定になる
        • 標準偏差を使うとさらに二乗が発生する
          • 0に近い値で勾配が消失する
      • 共分散行列は正定値行列じゃないとだめ
        • 対角行列の場合は正値であればよい
          • softplus 関数で正値化できる
        • 非対角成分にも値がある場合は \Sigma(x)=B(x)B^{\mathrm{T}}(x) を使う
  • Gaussian mixture を出力とする neural network は mixture density networks という
    • Gaussian mixture を勾配法で学習すると除算があるので不安定になる
    • Gaussian mixture は speech や movements of physical objects のモデルに使われる