死んでいたツールが動き大勝利

木曜日です。


なんとか出社できました。

出社し、開発労、ペアプ労、モブプ労、deep本読み会をしました。

先日生み出した「さいきょうのせっけい」が最強でないことが明らかになりました。

なんということだ。人類に設計は早すぎたのだ・・・。


帰りの電車では処刑少女の生きる道を読み終えました。後半、わりと雑な感じであれでした(あれ)。

帰宅後は昨日聴き忘れたガルラジ(御在所#1)を聴きました。

さらにアプリ労をやり、先日動かなかったツールを動かしました。天才だ!

おれは、やれる(全能感)。

しばらく風花雪月をやってから寝ます。

申請を行い、それが受理された

水曜日です。


昨晩も無限に風花雪月をやってしまったので、微妙に寝不足な起床。

しかし有益なゲームは人生よりもはるかに価値があるので仕方ありません。

出社後は会議労、開発労。


帰りの電車では処刑少女の生きる道を読み進めました。

帰宅後は無限に風花雪月。

寝ます。


あっ、総括労やってない・・・。

これまで総括労は月の最終日(日付的には翌月1日)にやっていましたが、総括労のために寝不足になることはあってはなりません(ゲームは人生より価値があるので寝不足でもやる)。

健康は大切なので翌月の最初の金曜日(休日直前の夜)に書くというルールに改めることにしました。

なお自分ルールの変更は、自分の精神に申請を行い、それが受理されてはじめて実行されるという設定です(設定とは?)。

以上です。

ツール死が繰り返されるアプリ労

火曜日です。


昨晩、人生に対する不安から眠れなさがありました。

モードが休から労に遷移する過程では著しく精神が不安定になるため、このような現象がおきがちです。


なんとか出社し、会議労、ペアプ労、開発労をやりました。

しかし終日意識ははっきりしませんでした。


帰りの電車では処刑少女の生きる道を読み進めました。

帰宅後はGガンダムを視聴。

さらにアプリ労をやろうとしたらツール死があり、無限に動きませんでした。

ツールはわるい・・・。

諦めて無限に風花雪月をしました。

寝ます。

我々は存在労をやっている

月曜日です。


有給なので優雅に起床。

テンソル解析を読みました。

その後は無限に風花雪月。


アフ!を視聴しました。

その後は無限に風花雪月。


ガルラジ(徳光#1)を視聴しました。

その後は無限に風花雪月。


結局ルーチンワークを1つしかやっていませんが、我々は生きているだけで存在労をやっているのでkotonakiです。

寝ます。

3つまで。上限則の通りです

日曜日です。


起床し、テンソル解析を読み進め、ピアノをやり、アプリ労をやりました。

ルーチンワーク上限則(休日に実行できるルーチンワークの上限は労性の有無によらず3つであるという経験則)(echizen_tm et al. 2019)の通りですね。

ジオウとリステと彼方のアストラを視聴。

他は無限に風花雪月。

明日は有給です。寝ます(ゲームに注力しているので日記が無)。

人生のわるさを直視してはだめ!

土曜日です。


昨晩、風花雪月を無限にやってしまいました。圧倒的夜更かし。

しかしながら今日は散髪労の予約をしていたので失意の短睡眠(6h)。


散髪労(コミュニケーションつき)を終えた後は、異様な暑さと睡眠不足でぐったり。

なんとかピアノをやったものの、うっかり人生のわるさを直視していまい精神が無になりました。


精神の回復を図るため、無限に風花雪月をやりました。楽しすぎる。人生より明らかに楽しい。


なんとか調子が戻ってきたのでアプリ労、deep本復習労。

それにしてもこれらの労ははたして人生を好転させる効果があるのか?

わからない。

人生はなにもかもがわからない。

助けてくれ・・・。

おれはどうすればいいんだ。


労が終わり糖分をキメた後、再び風花雪月。楽しすぎる。人生より明らかに楽しい(2回目)。


1日の締めくくりに異世界チート魔術師を視聴しました。よい。

寝ます。

Deep Learning(An MIT Press book) 7.3

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

Chapter 7 Regularization for Deep Learning

7.3 Regularization and Under-Constrained Problems

  • 正則化機械学習の問題を正しく定義するのにも使う
    • 線形回帰やPCAはXT Xが特異(非正則)だとだめ
      • 観測されたデータの生成分布に分散がない場合、特異になる
        • 特徴量の数に比べてデータ数が少ないとそうなる
      • 正則化項を加えるとXT X + αIになり、これは正則
  • 閉形式で解が求まらない問題(underdetermined problems)
    • ロジスティック回帰はwが線形分離できる重みのとき、cwも線形分離できる
      • SGDでwが際限なく大きくなる
        • 正則化によってwの大きさに制限をかけられる
  • (XT X + αI)^-1 XTのα→0がMoore-Penrose pseudoinverse(擬逆行列