close
1.

図書

東工大
目次DB

図書
東工大
目次DB
日本建築学会編
出版情報: 東京 : 鹿島出版会, 2009.3  182p ; 22cm
所蔵情報: loading…
目次情報: 続きを見る
第Ⅰ章 展望篇
   アルゴリズミック・デザインとは何か―総合的直感力の解放 渡辺誠 8
   アルゴリズムを中心に描かれる新しい建築の星座 五十嵐太郎 13
   アルゴリズミック・ストラクチャー 朝山秀一 16
   アルゴリズミック・テクトニクス 池田靖史 18
   複雑系とアルゴリズミック・デザイン 堀池秀人 20
第Ⅱ章 作品篇
   マジカル・ワークス―充分に発達した科学技術は、魔法と見分けが付かない(A・C・クラーク) 渡辺誠 24
   都営地下鉄大江戸線飯田橋駅 WEB FRAME-Ⅰ 28
   Algorithmic Space [Bungalow, Beach-House, Chaos and Order] 30
   都営地下鉄大江戸線飯田橋駅 WEB FRAME-Ⅱ 32
   都営地下鉄大江戸線飯田橋駅換気塔(WING) 34
   新水俣門 36
   芥川プロジェクト 38
   証大ヒマラヤ芸術センター 40
   アルゴリズミック・ウォール 42
   慶應義塾大学SFC本館納品検収所 44
   鴻巣市文化センター 46
   神奈川工科大学KAIT工房 48
   レ・アール国際霊計競技案 50
   台中メトロポリタンオペラハウス 52
   ベイ・ステージ下田 54
   積層アーチの家 56
   I remember you 58
   東京住宅 60
   スペースブロック・ハノイモデル 62
   ID-Ⅰ、ID-Ⅱ「誘導都市 : INDUCTION CITIES / INDUCTION DESIGN」 64
   Algorithmic Space [Hair-Salon] 66
   つくばエクスプレス柏の葉キャンバス駅 68
   北京国家遊泳中心/FEDERATI0N SQUARE/C_Wall/STOREY HALL/DRAGONFLY@SCI-Arc Gallery/DESERT CITY SQUARE/MADRlD CIVIL COURTS OF JUSTlCE 70
第Ⅲ章 技術篇
   マジックを可能にする手段 奥俊信 76
   最適化 三井和男 78
   セルオートマトン 奥俊信 81
   マルチエージェントシステム 瀧澤重志+藤井晴行 84
   遺伝的アルゴリズム/プログラミンク 瀧澤重志 87
   ニューラルネットワーク 堤和敏 90
   カオス 朝山秀一 93
   フラクタル 朝山秀一 96
   自己組織化 瀧澤重志 99
   生成文法 藤井晴行 102
   AI 中島秀之 105
第Ⅳ章 研究篇
   アルゴリズミック・デザインと研究 朝山秀一 112
   ●建築・都市のデザイン
    「誘導都市/INDUCTION CITIES INDUCTI0N DESIGN」 渡辺誠 114
    集住体 池田靖史 119
    形のジェネレータ 池田靖史+木村謙 124
    デザインの定式化とそのアルゴリズム かたちの構成論的シンセシスの基底 藤井晴行 129
   ●建築・都市の解析とシミュレーション
    建築の幾何学的解析 佐藤祐介+新宮清志 134
    都市現象とシミュレーション 奥俊信 139
    交通流動のジレンマゲーム 谷本潤 144
   ●構造形態の創生
    自然の形態システムと構造 朝山秀一+前稔文 149
    形と力 大崎純 154
    発見的最適化手法と構造形態 三井和男 159
    感性工学とかたち 堤和敏 164
   ●アルゴリズミック・デザインと建築教育
    アルゴリズミック・デザインと建築教育の状況 池田靖史+木村謙 169
参考文献 174
図版・写真提供 179
執筆者略歴 180
関係委員会・編隼担当者 182
第Ⅰ章 展望篇
   アルゴリズミック・デザインとは何か―総合的直感力の解放 渡辺誠 8
   アルゴリズムを中心に描かれる新しい建築の星座 五十嵐太郎 13
2.

図書

東工大
目次DB

図書
東工大
目次DB
上野修一, 高橋篤司共著
出版情報: 東京 : 森北出版, 2005.4  v, 184p ; 21cm
シリーズ名: 電子情報通信工学シリーズ
所蔵情報: loading…
目次情報: 続きを見る
第1章 グラフ 1
   1-1 グラフとその表現 1
   (1) グラフ 1
   (2) 基本的な定義 6
   (3) グラフの行列表現 14
   (4) 次数と辺数 17
   1-2 木と森 18
   (1) 木 18
   (2) 全域木 23
   (3) 根付き木と2分木 25
   1-3 2部グラフとグラフの彩色 28
   (1) 2部グラフ 28
   (2) グラフの彩色 31
   1-4 オイラーグラフとハミルトングラフ 32
   (1) オイラーグラフ 32
   (2) 完全グラフと完全2部グラフ 35
   (3) ハミルトングラフと巡回セールスマン問題 37
   演習問題1 41
第2章 アルゴリズムの解析 44
   2-1 関数の漸近的評価 44
   2-2 アルゴリズムの解析 49
   (1) 問題 49
   (2) アルゴリズムの解析 54
   (3) 多項式時間アルゴリズム 56
   (4) グラフの大きさ 58
   (5) オイラーグラフ判定問題 61
   2-3 整列アルゴリズム 64
   (1) 整列問題 64
   (2) 併合問題 67
   (3) 併合整列アルゴリズム 69
   演習問題2 73
第3章 グラフのアルゴリズム 75
   3-1 探索アルゴリズム 75
   (1) 深さ優先探索アルゴリズム 75
   (2) 幅優先探索アルゴリズム 85
   3-2 最短路アルゴリズム 92
   (1) 最短路アルゴリズム 92
   (2) 最長路問題 97
   3-3 最大全域木アルゴリズム 99
   (1) 最大全域木アルゴリズム 99
   (2) 合併発見手法 103
   (3) 最小全域木アルゴリズム 105
   演習問題3 107
第4章 アルゴリズムの設計 108
   4-1 アルゴリズムの設計技法 108
   (1) 様々なアルゴリズム 108
   (2) 設計技法 110
   4-2 貪欲アルゴリズム 114
   (1) 独立系とマトロイド 114
   (2) マトロイドと貪欲アルゴリズム 122
   4-3 問題の難しさ 129
   (1) NPとP 129
   (2) 多項式時間還元 134
   (3) NP完全 136
   (4) 充足可能性判定問題 137
   (5) NP完全問題 141
   4-4 近似アルゴリズム 147
   (1) NP困難 147
   (2) 近似アルゴリズム 148
   (3) 三角巡回セールスマン問題 149
   (4) 独立系と貪欲アルゴリズム 152
   (5) 最大巡回セールスマン問題 155
   演習問題4 158
演習問題解答 160
付録 174
   1 集合 174
   2 写像と関係 175
   3 論理関数 176
   4 その他 177
参考文献 178
索引 179
第1章 グラフ 1
   1-1 グラフとその表現 1
   (1) グラフ 1
3.

図書

図書
金崎朝子, 秋月秀一, 千葉直也著
出版情報: 東京 : 講談社, 2022.10  vi, 184p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 はじめに
第2章 点群処理の基礎
第3章 特徴点・特徴量の抽出
第4章 点群レジストレーション / 位置合わせ
第5章 点群からの物体認識
第6章 深層学習による3次元点群処理
第7章 : 点群以外の3次元データ処理
第1章 はじめに
第2章 点群処理の基礎
第3章 特徴点・特徴量の抽出
概要: 基礎から応用までを、この一冊で完全マスター!
4.

図書

東工大
目次DB

図書
東工大
目次DB
川面恵司, 横山正明, 長谷川浩志共著
出版情報: 東京 : コロナ社, 2000.10  viii, 226p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
1 序論
   1.1 最適化問題 1
   1.2 最適化問題の数学的表現 2
   1.3 最適化問題の分類 4
2 線形最適化問題のための解析技法
   2.1 線形最適化問題 8
   2.2 線形不等式系と凸多面体 10
   2.3 シンプレックス法 13
   2.4 シンプレックス法の適用例 15
   2.5 双対シンプレックス法 18
   2.6 上限付き拡張線形計画法 20
3 非線形最適化問題のための各種解析技法
   3.1 直接探索法 27
   3.1.1 逐次三等分割法 28
   3.1.2 フィボナッチ探索法 28
   3.1.3 黄金分割法 29
   3.1.4 Powellの直接探索法 30
   3.1.5 Zangwillの修正直接探索法 31
   3.2 目的関数の傾斜・こう配を活用する技法 32
   3.2.1 最大傾斜法・最急降下法 32
   3.2.2 共役傾斜法 35
   3.2.3 ニュートンーラフソン法 37
   3.3 可変計量法 38
   3.3.1 制約条件のない可変計量法 38
   3.3.2 線形制約条件のある可変計量法 39
   3.4 逐次線形計画法 42
   3.5 その他の非線形計画法 43
   3.5.1 ラグランジュ未定乗数法 44
   3.5.2 2次計画法 45
   3.5.3 ペナルティ関数法 49
   3.5.4 幾何計画法 55
   3.6 感度解析法 60
   3.7 最適性基準法 68
   3.7.1 全応力設計法 70
   3.7.2 均質化法 73
   3.8 シミュレーテッドアニーリング法 77
   3.8.1 SAの一般的なアルゴリズム 79
   3.8.2 ボルツマンアニーリング法 80
   3.8.3 アダプティブシミュレーテッドアニーリング法 81
   3.8.4 適用事例 82
   3.9 遺伝的アルゴリズム 83
4 遺伝的アルゴリズムの基本概念
   4.1 遺伝的アルゴリズムの基本動作 85
   4.2 染色体における遺伝子のコーディング 87
   4.2.1 コーディング方式の例 87
   4.2.2 コーディング方式の満足すべき条件 90
   4.3 遺伝的操作 90
   4.4 適応度の定義 93
   4.5 スキーマ定理 95
5 遺伝的アルゴリズムの各種戦略
   5.1 高速化・安定化のための戦略 101
   5.1.1 基本的なコーディングに関する戦略 101
   5.1.2 選択に関する戦略 104
   5.1.3 スケーリングに関する戦略 106
   5.2 実数型の設計変数への対応 107
   5.2.1 ARRange GA 108
   5.2.2 Real-coded GA 112
   5.3 Messy GA 115
   5.3.1 コーディング 115
   5.3.2 初期化フェーズ 116
   5.3.3 創成フェーズ 118
   5.3.4 並置フェーズ 118
   5.4 並列化GA 119
   5.4.1 全体的な並列化 119
   5.4.2 粗粒度な並列化 120
   5.4.3 細粒度な並列化 121
   5.5 まとめ 122
6 遺伝的アルゴリズムの応用事例
   6.1 平板の位相最適化 123
   6.1.1 位相最適化の手法 124
   6.1.2 除去要素群の決定法 125
   6.1.3 付加要素群の決定法 125
   6.1.4 個体および遺伝子の表現方法 126
   6.1.5 適応度関数 126
   6.1.6 単純GAによる位相最適化のシミュレーション 127
   6.1.7 高速化および収束性向上のための戦略によるシミュレーション 132
   6.1.8 まとめ 134
   6.2 部材寸法を遺伝子とするトラス構造の寸法最適化 135
   6.2.1 離散化された設計変数による最適化問題の定式化 135
   6.2.2 染色体のコーディング 135
   6.2.3 適応度関数 137
   6.2.4 高速化および安定性向上のための戦略 137
   6.2.5 寸法最適化のシミュレーション 140
   6.2.6 モデル1およびモデル2の方式の適否に関する検討 142
   6.2.7 まとめ 144
   6.3 部材寸法変化を遺伝子とするトラス構造の寸法最適化 144
   6.3.1 トラス構造の寸法最適化問題 145
   6.3.2 トラス構造の寸法変化に関する振る舞いの与え方 145
   6.3.3 個体および遺伝子の表現方式 146
   6.3.4 適応度関数 148
   6.3.5 寸法最適化のシミュレーション 148
   6.3.6 まとめ 152
   6.4 ニューラルネットワーク併用によるトラス構造の寸法最適化 153
   6.4.1 体積最小化問題の定式化 153
   6.4.2 NNモデルとその最適化手法 154
   6.4.3 GAによるアプローチ 155
   6.4.4 NNとGAを併用するアプローチ 156
   6.4.5 まとめ 158
   6.5 ハイブリッド型GAによるCRT構造の最適化 159
   6.5.1 解析モデルおよび最適化条件 159
   6.5.2 GAとFSDを併用するハイブリッド手法 160
   6.5.3 GAとペナルティ法 161
   6.5.4 ハイブリッド型GAによるシミュレーション 162
   6.5.5 並列化GA 162
   6.5.6 並列化GAによる最適化 164
   6.5.7 まとめ 164
   6.6 レーザ加工機の構造最適化 165
   6.6.1 解析モデル 165
   6.6.2 最適化条件 166
   6.6.3 ステップ1(板厚の最適化) 167
   6.6.4 ステップ2(板厚とリブ位置の最適化) 168
   6.6.5 まとめ 169
7 複合領域最適化の技法とその適用事例
   7.1 MDOの定式化 172
   7.2 MDFの定式化 173
   7.3 IDFの定式化 175
   7.4 COの定式化 177
   7.4.1 システムレベルの最適化 178
   7.4.2 サプシステムレペルの最適化 179
   7.5 BLISS 179
   7.5.1 サプシステムレペルの最適化(プラックボックスレベル,または解板領域) 180
   7.5.2 システムレペルの最適化 183
   7.6 近似手法 186
   7.6.1 RSM 187
   7.6.2 TSA 189
   7.6.3 VCM 192
   7.7 適用事例 194
   7.7.1 複合領域最適化事例 194
   7.7.2 近似最適化事例 202
   7.8 まとめ 210
参考文献 211
索引 222
1 序論
   1.1 最適化問題 1
   1.2 最適化問題の数学的表現 2
5.

図書

東工大
目次DB

図書
東工大
目次DB
渡辺澄夫著
出版情報: 東京 : 共立出版, 2001.7  x, 187p ; 22cm
シリーズ名: データサイエンス・シリーズ / 柴田里程 [ほか] 編集委員 ; 6
所蔵情報: loading…
目次情報: 続きを見る
第1章 学習と確率
   1.1 学習とは 1
   1.2 確率変数と情報科学 3
   1.2.1 離散値をとる確率変数 3
   1.2.2 連続値をとる確率変数 5
   1.2.3 確率変数の変換 8
   1.2.4 平均と分散 10
   1.3 確率と推論 13
   1.3.1 同時確率密度関数と関係 13
   1.3.2 推論と条件つき確率 14
   1.3.3 回帰関数 17
   1.3.4 独立性 18
   1.4 確率変数の距離 20
第2章 学習と統計的推測
   2.1 データと学習 23
   2.1.1 学習とは 23
   2.1.2 同時確率密度関数の学習 24
   2.1.3 学習法の意味 27
   2.1.4 学習の尺度 28
   2.1.5 条件つき確率密度関数の推定法 29
   2.1.6 回帰関数の推定 32
   2.1.7 パターン識別関数の推定 33
   2.1.8 関数近似誤差と統計誤差 36
   2.2 最適化法 36
   2.2.1 最急降下法 36
   2.2.2 確率項をもつ最急降下法 42
第3章 複雑な学習モデル
   3.1 関数近似モデル 47
   3.1.1 関数近似モデルの定義 47
   3.1.2 関数近似モデルの学習 49
   3.1.3 3層パーセプトロン 50
   3.1.4 球形基底関数,RBF 66
   3.2 競合学習 69
   3.2.1 確率競合モデル 69
   3.2.2 混合正規モデルの推論 71
   3.2.3 混合分布の最急降下法 72
   3.2.4 確率競合モデルとEMアルゴリズム 74
   3.2.5 EMアルゴリズム 74
   3.2.6 ノンパラメトリック学習 78
   3.2.7 自己組織化写像 81
   3.3 ボルツマンマシン 84
   3.3.1 ボルツマンマシンの定義 84
   3.3.2 ボルツマンマシンの推論 86
   3.3.3 平衡状態の実現 87
   3.3.4 ボルツマンマシンの学習 89
   3.3.5 平均場近似 91
   3.3.6 確定的ボルツマンマシン 93
   3.4 サポートベクトルマシン 94
   3.4.1 サポートベクトルマシンの定義 94
   3.4.2 マージン最大化 96
   3.4.3 高次元埋込みと核関数 99
第4章 学習の基礎理論
   4.1 隠れ層とパラメータの特定可能性 101
   4.2 統計的正則モデル 104
   4.2.1 最尤法の学習誤差と予測誤差 104
   4.2.2 最尤法におけるモデル選択 108
   4.2.3 ベイズ法の汎化誤差と確率的複雑さ 110
   4.2.4 ベイズ法におけるモデル選択 113
   4.3 特異計量をもつモデルの学習理論 116
   4.3.1 超完全基底と特定不能性 116
   4.3.2 学習モデルのゼータ関数 118
   4.3.3 特異点解消定理と学習曲線 125
   4.3.4 最尤法と経験確率過程 134
   4.4 統計物理学の方法 139
   4.4.1 レブリカ法 140
   4.4.2 熱力学的極限 145
   4.5 学習理論の関連する分野 150
   4.5.1 データサイエンスとの関係 151
   4.5.2 計算論的知能との関係 153
第5章 確率・統計の基礎知識
   5.1 確率論における概念と方法 155
   5.1.1 不等式 155
   5.1.2 特性関数 156
   5.1.3 確率変数の収束 158
   5.1.4 大数の法則と中心極限定理 159
   5.1.5 ウィッシャート分布 163
   5.1.6 順序統計量 164
   5.1.7 経験確率過程 165
   5.2 学習と関数空間論 169
   5.2.1 関数空間,距離,稠密性 169
   5.2.2 稠密性と多項式 170
   5.2.3 3層パーセプトロンによる関数近似 173
   5.2.4 次元の呪いと適応基底 174
   参考文献 177
   索引 185
第1章 学習と確率
   1.1 学習とは 1
   1.2 確率変数と情報科学 3
6.

図書

図書
金森敬文, 畑埜晃平, 渡辺治共著
出版情報: 東京 : 森北出版, 2006.9  viii, 207p ; 22cm
シリーズ名: 知能情報科学シリーズ : intellectual information science series
所蔵情報: loading…
7.

図書

東工大
目次DB

図書
東工大
目次DB
渡辺治, 米崎直樹著
出版情報: 東京 : 日本評論社, 2001.4  v, 211p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
1 プログラムによる計算の表現 1
   1.1 簡易プログラミング言語「Sプログラム」入門 1
   1.2 データのコード化 : 2進コード 5
   1.3 標準形SプログラムとSプログラムのコード化 8
   1.4 Sプログラム計算可能性 14
   1.5 while文とfor-times文 22
   ティータイム 34
2 チューリング機械による計算の表現 36
   2.1 チューリング機械入門 36
   2.2 データのコード化 : 2進コード 47
   2.3 チューリング機械のプログラミング・テクニック 51
   2.4 チューリング機械計算可能性 65
3 帰納的関数による計算の表現 73
   3.1 原始帰納的関数・帰納的関数入門 73
   3.2 原始帰納的関数のプログラミング・テクニック 78
   3.3 データのコード化 : ゲーデル数 82
   3.4 帰納的 vs. プログラム計算可能性 89
   3.5 帰納的 vs. チューリング機械計算可能性 98
   3.6 原始帰納的関数と帰納的関数 109
   ティータイム 114
4 ラムダ計算による計算の表現 116
   4.1 λ-式・λ-計算入門 116
   4.2 λ-計算による計算可能性 127
   ティータイム 138
5 並列・並行・分散計算の表現 140
   5.1 並列・並行・分散計算のための記述法概観 141
   5.2 論理回路 : 並列計算の効率解析のために 151
   5.3 ペトリネット : 並行計算の設計・解析のために 169
   ティータイム 186
練習問題の解説 188
参考文献 206
索引 208
1 プログラムによる計算の表現 1
   1.1 簡易プログラミング言語「Sプログラム」入門 1
   1.2 データのコード化 : 2進コード 5
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼