小島/日誌_B
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
単語検索
|
最終更新
|
ヘルプ
|
ログイン
]
開始行:
[[小島]]
//研究室限定
//#calendar2(off);
//#calendar_viewer(小島/日誌,10,past);
&br;
**2007/01/05(Fri.) [#e1a30ba4]
-仮数部ビット幅9、11についても検討する
-10ビットからMSEが増加する理由を考える
-ビット数、MSE、主成分数の3Dグラフをプロット
-「ディジタル数値演算回路の実用設計」第6章「浮動小数点演算の作法」を読む
**2006/12/31(Sun.) [#yc717a02]
-GHAプログラム
--精度変更関数myaccuracy()追加
---引数:仮数部のビット数
---戻り値:精度を落としたdouble値
-MSEのグラフplot
--仮数部ビット数:52,16,12,10,8
-日本語論文
-2006年12月分月例報告提出
**2006/12/18(Mon.) [#z4a9dd19]
-GHA改良点
--プログラムの整形
--gha_normalize()削除
--基本演算関数追加(加算、乗算など)
--mseの見直し
--精度を落とす(doubleでマスクを使う)
--グラフplot(主成分数、誤差、bit数)
**2006/12/14(Thu.) [#p3971cbc]
-GHAプログラム変更点
--gha_vector_mse()
---mse /= INPUT; →追加 (平均二乗誤差なので要素数で除算)
--gha_all_mse()
--- out=gha_learn(); res=gha_reconstruct(); →コメントアウト&br;
(再度計算させる意味がわからなかったので。。)
--- 引数にresを追加 (↑で削除した分)
--main()
---avg[], var[]の要素数変更 (SAMPLE→INPUT)&br;
(平均や標準偏差は各要素毎の値なので)
--gha_equating()
---標準偏差の式変更 (→Scilabでの値と一致)
--gha_deequating()
---関数名変更 (←gha_dqeeuating() :ただのスペルミスですね)
---内側for()の繰返し数変更 (INPUT→SAMPLE)&br;
(indataのサイズ:indata[SAMPLE][INPUT])
--gha_learn()
---out[i] = gha_calc_out(mu,w[i]); に変更&br;
(引数in→mu)
-実行結果
--mse
---初期値約70万から1.1248211に減少
--出力画像
---ITR=500でも元画像をほぼ復元&br;
(変更前はITR=10000でもノイズ発生)
---ITR=0, 50, 100, 200, 500, 999での1-9の比較画像を出力
-次にやること
--入力画像を増やす(N_SETS)
--出力する画像を工夫(何を出力するか)
--累積寄与率を考慮
--パラメータのグラフplot
--sample[][],spgmin等の動的なメモリ確保?(SAMPLEの値変更)
--gha_normalize()の削除
**2006/12/11(Mon.) [#f807eabc]
-GHAプログラム
--mse(平均二乗誤差)の確認
--||w||=1 に安定させる
---gha_normalize()で正規化できるが、回路規模増
---GHA_GAMMAの値で調整
-精度(bit数)の検討
--主成分、mse/(標本数)のグラフのplot
-論文
--世の中で役に立つことを記述
--セールスポイントから外さない
**2006/12/6(Wed.) [#ic013e86]
-Scilabでの画像のPCAプログラム
--データ数 : n=480
--画像サイズ : p=256(16*16), p=1024(32*32)で比較
--寄与率&br;
p = 256: 主成分20個、寄与率=75.133184
p = 1024: 主成分36個、寄与率=75.061999
--実行時間&br;
p = 256: 114.67188 (sec)
p = 1024: 651.09375 (sec)
-GHAのCプログラムを勉強する
**2006/12/1(Tue.) [#de9a7ca5]
-Scilabでの画像のPCAプログラム
--データ数n=10, 40, 80, 200, 240, 480で結果確認
--寄与率&br;
n = 10: 主成分6個、 寄与率=78.189408
n = 40: 主成分9個、 寄与率=77.344335
n = 80: 主成分15個、寄与率=75.746695
n = 200: 主成分25個、寄与率=75.714405
n = 240: 主成分26個、寄与率=75.219165
n = 480: 主成分36個、寄与率=75.061999
--固有値EはE(n)で急激に減少&br;
n = 10: E(9) =13.355812, E(10)=1.242D-14
n = 40: E(39) =0.6498905, E(40)=2.160D-14
n = 80: E(79) =0.2086382, E(80)=2.993D-14
n = 200: E(199)=0.0302596, E(200)=4.418D-14
n = 240: E(239)=0.0165738, E(240)=4.451D-14
n = 480: E(479)=0.0021586, E(480)=5.421D-14
**2006/11/28(Tue.) [#de9a7ca5]
-Scilabを用いた画像のPCAプログラムの動作を確認
**2006/11/27(Mon.) [#cacf679d]
-Oja's papers
--Oja, E.: A simplified neuron model as a principal component analyzer
http://www.cis.hut.fi/oja/Oja1982.pdf
--Oja, E.: Principal components, minor components, and linear neural networks
http://www.cis.hut.fi/oja/Oja92.pdf
--A. Hyvarinen, E. Oja : Independent component analysis: Algorithms and applications
http://www.cs.helsinki.fi/u/ahyvarin/papers/NN00new.pdf
**2006/11/24(Fri.) [#p12d6898]
-PCAによる画像の復元
--T = X*P, Xout = T*(P');
--元画像と全く同じに再現された..
**2006/11/14(Tue.) [#x00521c6]
ToDoリスト
-インストール
--Scilab4.0
--SIP
--ImageMagick
-Ojaの学習則
--<詳解>独立成分分析[6.2]
--図書館に頼む
--関連論文収集
-ScilabでのPCA
--行列のチュートリアル(本「Linux 数値計算ツール」)
--一連の流れを試して結果画像を出す
-VCでのPCAプログラム
--配列[(32^2)^2]のメモリ割当(malloc)
--cblasでの行列積
-HW化のアルゴリズム
**2006/11/13(Mon.) [#l349388e]
-PCAハードウェア論文
--http://www.viplab.is.tsukuba.ac.jp/~hirai/pdfs/pcaIEICE2001.pdf
--http://search.ieice.org/bin/summary.php?id=j84-d2_4_699&category=D&lang=J&year=2001&abst=
-Scilab
-SIP
-Imagemagic
**2006/11/7(Tue.) [#l349388e]
-VCへのPGM画像用ライブラリのインストール完了
--CLAPACKとDIPlibrary、共に動作確認
**2006/11/6(Mon.) [#g60992e7]
-卒論英語添削
--論文の構成(Abstract, Introduction...)の把握
--フローチャート、ブロックダイアグラムを用いる
--GT&MT/GT&MT&DT2006のフォルダに置く
-個別ミーティング
--VCでの画像処理ライブラリDIPLibraryの扱い
--主成分の数値を画像として表現する方法の勉強
--ラグランジュの未定乗数法の勉強
--ハードウェアに適したアルゴリズムへの変更
**2006/11/2(Thu.) [#db2c04b1]
-卒業論文
--GT&MT2005を参照
--TWの課題を黒田先生にチェックして頂く(.doc)
--月例報告提出
&br;
-CLAPACKチュートリアル完了
--設定
--コード作成/実行
---連立一次方程式
---複素、実数行列の固有値固有ベクトル
---最小2乗法
---実数行列の特異値分解
**2006/10/30(Mon.) [#c7c28497]
-CLAPACK(BLAS)ライブラリ
--CLAPACKチュートリアルをやっておく
**2006/10/26(Thu.) [#be29cced]
-卒業論文
--texファイルを作成
---Title, name, Abstract, Introductionなどをいれてみた
**2006/10/18(Wed.) [#i4b09b2d]
-主成分分析(PCA)スライド作成完了
**2006/10/12(Thu.) [#v89fcca2]
-行列ライブラリ
-離散コサイン変換への応用
-PCAのアルゴリズム説明&br;
→ 卒論に役立てる
**2006/10/10(Tue.) [#h8496ce0]
-卒業論文英語
--Word:グラマー、スペルチェック必須
--書きたい内容は日本語で詰めておく
--英語論文を読んで学ぶ(表現、イントロ等)
--研究室で作業
-ミーティング日程
--奥山先生卒研生全体…木曜日2限(隔週)
--個人…月曜日4限
**2006/9/21(Thu.) [#k3b5ea56]
-zxp020アカウント作成
-VNCインスト
-PROGRAPEによる科学計算
--pgrの練習
--FPGAボードのLEDを制御する
---作業ディレクトリのコピー&br;
% sudo mount /dev/sdb2 /mnt/riken &br;
ができません.. &br;&br;
→解決しました(9/26)
**2006/9/20(Wed.) [#n9a0acdd]
-pgrの練習
(PROGRAPEによる科学計算/pgrの練習)
**2006/9/5(Tue.) [#x06f277e]
-PCA結果の可視化
--C言語
--何のデータを対象とするか-32*32画像
--簡単な回路の実装
-YALE-PCA, ICAライブラリの確認
-PCAアルゴリズムのスライド作成
--自身のための確認
--来年の卒研生対象
**2006/8/29(Tue.) [#la0b170b]
-PCAプログラム
--JAVA
--input: 100データ、各4パラメータ (.dat形式)
--output: 第1〜4主成分
**2006/8/16(Wed.) [#h520ce42]
-データマイニングツール
--Weka
--YALE
--MUSASHI
--eclipse(Java1.5)
-実際のマイニング
--趣旨に合う結果を求める
---良い手法、結果を示す
---良い手法、結果が無いことを示す
---データが良くないことを示す
**2006/7/24(Mon.) [#oc163965]
-中間発表
--具体的な処理手順を示す
--研究計画書ベース、補足
**2006/7/20(Thu.) [#c6b3bc26]
-2006/7/30 独立成分分析の説明スライド作成
--本「<詳解>独立成分分析」、「Scilabで学ぶディジタル信号処理」
--Scilabインストール
--確立統計、最適化数学
-FastICAの実装例?
--http://www.cis.hut.fi/projects/ica/fastica/index.shtml
--YALEのデータ処理コンポーネントとして、FastICA,PCAがありました。
&br;
&br;
小島/習得
終了行:
[[小島]]
//研究室限定
//#calendar2(off);
//#calendar_viewer(小島/日誌,10,past);
&br;
**2007/01/05(Fri.) [#e1a30ba4]
-仮数部ビット幅9、11についても検討する
-10ビットからMSEが増加する理由を考える
-ビット数、MSE、主成分数の3Dグラフをプロット
-「ディジタル数値演算回路の実用設計」第6章「浮動小数点演算の作法」を読む
**2006/12/31(Sun.) [#yc717a02]
-GHAプログラム
--精度変更関数myaccuracy()追加
---引数:仮数部のビット数
---戻り値:精度を落としたdouble値
-MSEのグラフplot
--仮数部ビット数:52,16,12,10,8
-日本語論文
-2006年12月分月例報告提出
**2006/12/18(Mon.) [#z4a9dd19]
-GHA改良点
--プログラムの整形
--gha_normalize()削除
--基本演算関数追加(加算、乗算など)
--mseの見直し
--精度を落とす(doubleでマスクを使う)
--グラフplot(主成分数、誤差、bit数)
**2006/12/14(Thu.) [#p3971cbc]
-GHAプログラム変更点
--gha_vector_mse()
---mse /= INPUT; →追加 (平均二乗誤差なので要素数で除算)
--gha_all_mse()
--- out=gha_learn(); res=gha_reconstruct(); →コメントアウト&br;
(再度計算させる意味がわからなかったので。。)
--- 引数にresを追加 (↑で削除した分)
--main()
---avg[], var[]の要素数変更 (SAMPLE→INPUT)&br;
(平均や標準偏差は各要素毎の値なので)
--gha_equating()
---標準偏差の式変更 (→Scilabでの値と一致)
--gha_deequating()
---関数名変更 (←gha_dqeeuating() :ただのスペルミスですね)
---内側for()の繰返し数変更 (INPUT→SAMPLE)&br;
(indataのサイズ:indata[SAMPLE][INPUT])
--gha_learn()
---out[i] = gha_calc_out(mu,w[i]); に変更&br;
(引数in→mu)
-実行結果
--mse
---初期値約70万から1.1248211に減少
--出力画像
---ITR=500でも元画像をほぼ復元&br;
(変更前はITR=10000でもノイズ発生)
---ITR=0, 50, 100, 200, 500, 999での1-9の比較画像を出力
-次にやること
--入力画像を増やす(N_SETS)
--出力する画像を工夫(何を出力するか)
--累積寄与率を考慮
--パラメータのグラフplot
--sample[][],spgmin等の動的なメモリ確保?(SAMPLEの値変更)
--gha_normalize()の削除
**2006/12/11(Mon.) [#f807eabc]
-GHAプログラム
--mse(平均二乗誤差)の確認
--||w||=1 に安定させる
---gha_normalize()で正規化できるが、回路規模増
---GHA_GAMMAの値で調整
-精度(bit数)の検討
--主成分、mse/(標本数)のグラフのplot
-論文
--世の中で役に立つことを記述
--セールスポイントから外さない
**2006/12/6(Wed.) [#ic013e86]
-Scilabでの画像のPCAプログラム
--データ数 : n=480
--画像サイズ : p=256(16*16), p=1024(32*32)で比較
--寄与率&br;
p = 256: 主成分20個、寄与率=75.133184
p = 1024: 主成分36個、寄与率=75.061999
--実行時間&br;
p = 256: 114.67188 (sec)
p = 1024: 651.09375 (sec)
-GHAのCプログラムを勉強する
**2006/12/1(Tue.) [#de9a7ca5]
-Scilabでの画像のPCAプログラム
--データ数n=10, 40, 80, 200, 240, 480で結果確認
--寄与率&br;
n = 10: 主成分6個、 寄与率=78.189408
n = 40: 主成分9個、 寄与率=77.344335
n = 80: 主成分15個、寄与率=75.746695
n = 200: 主成分25個、寄与率=75.714405
n = 240: 主成分26個、寄与率=75.219165
n = 480: 主成分36個、寄与率=75.061999
--固有値EはE(n)で急激に減少&br;
n = 10: E(9) =13.355812, E(10)=1.242D-14
n = 40: E(39) =0.6498905, E(40)=2.160D-14
n = 80: E(79) =0.2086382, E(80)=2.993D-14
n = 200: E(199)=0.0302596, E(200)=4.418D-14
n = 240: E(239)=0.0165738, E(240)=4.451D-14
n = 480: E(479)=0.0021586, E(480)=5.421D-14
**2006/11/28(Tue.) [#de9a7ca5]
-Scilabを用いた画像のPCAプログラムの動作を確認
**2006/11/27(Mon.) [#cacf679d]
-Oja's papers
--Oja, E.: A simplified neuron model as a principal component analyzer
http://www.cis.hut.fi/oja/Oja1982.pdf
--Oja, E.: Principal components, minor components, and linear neural networks
http://www.cis.hut.fi/oja/Oja92.pdf
--A. Hyvarinen, E. Oja : Independent component analysis: Algorithms and applications
http://www.cs.helsinki.fi/u/ahyvarin/papers/NN00new.pdf
**2006/11/24(Fri.) [#p12d6898]
-PCAによる画像の復元
--T = X*P, Xout = T*(P');
--元画像と全く同じに再現された..
**2006/11/14(Tue.) [#x00521c6]
ToDoリスト
-インストール
--Scilab4.0
--SIP
--ImageMagick
-Ojaの学習則
--<詳解>独立成分分析[6.2]
--図書館に頼む
--関連論文収集
-ScilabでのPCA
--行列のチュートリアル(本「Linux 数値計算ツール」)
--一連の流れを試して結果画像を出す
-VCでのPCAプログラム
--配列[(32^2)^2]のメモリ割当(malloc)
--cblasでの行列積
-HW化のアルゴリズム
**2006/11/13(Mon.) [#l349388e]
-PCAハードウェア論文
--http://www.viplab.is.tsukuba.ac.jp/~hirai/pdfs/pcaIEICE2001.pdf
--http://search.ieice.org/bin/summary.php?id=j84-d2_4_699&category=D&lang=J&year=2001&abst=
-Scilab
-SIP
-Imagemagic
**2006/11/7(Tue.) [#l349388e]
-VCへのPGM画像用ライブラリのインストール完了
--CLAPACKとDIPlibrary、共に動作確認
**2006/11/6(Mon.) [#g60992e7]
-卒論英語添削
--論文の構成(Abstract, Introduction...)の把握
--フローチャート、ブロックダイアグラムを用いる
--GT&MT/GT&MT&DT2006のフォルダに置く
-個別ミーティング
--VCでの画像処理ライブラリDIPLibraryの扱い
--主成分の数値を画像として表現する方法の勉強
--ラグランジュの未定乗数法の勉強
--ハードウェアに適したアルゴリズムへの変更
**2006/11/2(Thu.) [#db2c04b1]
-卒業論文
--GT&MT2005を参照
--TWの課題を黒田先生にチェックして頂く(.doc)
--月例報告提出
&br;
-CLAPACKチュートリアル完了
--設定
--コード作成/実行
---連立一次方程式
---複素、実数行列の固有値固有ベクトル
---最小2乗法
---実数行列の特異値分解
**2006/10/30(Mon.) [#c7c28497]
-CLAPACK(BLAS)ライブラリ
--CLAPACKチュートリアルをやっておく
**2006/10/26(Thu.) [#be29cced]
-卒業論文
--texファイルを作成
---Title, name, Abstract, Introductionなどをいれてみた
**2006/10/18(Wed.) [#i4b09b2d]
-主成分分析(PCA)スライド作成完了
**2006/10/12(Thu.) [#v89fcca2]
-行列ライブラリ
-離散コサイン変換への応用
-PCAのアルゴリズム説明&br;
→ 卒論に役立てる
**2006/10/10(Tue.) [#h8496ce0]
-卒業論文英語
--Word:グラマー、スペルチェック必須
--書きたい内容は日本語で詰めておく
--英語論文を読んで学ぶ(表現、イントロ等)
--研究室で作業
-ミーティング日程
--奥山先生卒研生全体…木曜日2限(隔週)
--個人…月曜日4限
**2006/9/21(Thu.) [#k3b5ea56]
-zxp020アカウント作成
-VNCインスト
-PROGRAPEによる科学計算
--pgrの練習
--FPGAボードのLEDを制御する
---作業ディレクトリのコピー&br;
% sudo mount /dev/sdb2 /mnt/riken &br;
ができません.. &br;&br;
→解決しました(9/26)
**2006/9/20(Wed.) [#n9a0acdd]
-pgrの練習
(PROGRAPEによる科学計算/pgrの練習)
**2006/9/5(Tue.) [#x06f277e]
-PCA結果の可視化
--C言語
--何のデータを対象とするか-32*32画像
--簡単な回路の実装
-YALE-PCA, ICAライブラリの確認
-PCAアルゴリズムのスライド作成
--自身のための確認
--来年の卒研生対象
**2006/8/29(Tue.) [#la0b170b]
-PCAプログラム
--JAVA
--input: 100データ、各4パラメータ (.dat形式)
--output: 第1〜4主成分
**2006/8/16(Wed.) [#h520ce42]
-データマイニングツール
--Weka
--YALE
--MUSASHI
--eclipse(Java1.5)
-実際のマイニング
--趣旨に合う結果を求める
---良い手法、結果を示す
---良い手法、結果が無いことを示す
---データが良くないことを示す
**2006/7/24(Mon.) [#oc163965]
-中間発表
--具体的な処理手順を示す
--研究計画書ベース、補足
**2006/7/20(Thu.) [#c6b3bc26]
-2006/7/30 独立成分分析の説明スライド作成
--本「<詳解>独立成分分析」、「Scilabで学ぶディジタル信号処理」
--Scilabインストール
--確立統計、最適化数学
-FastICAの実装例?
--http://www.cis.hut.fi/projects/ica/fastica/index.shtml
--YALEのデータ処理コンポーネントとして、FastICA,PCAがありました。
&br;
&br;
小島/習得
ページ名: