31o5

(via sabaidee) - 31o5 from Bookmarklet

◆販売促進メールの送信処理: ・顧客情報と売上情報から過去３ヶ月購入していないレコードを検索する。 if (検索でデータがあった場合) { ・メールの内容を読み込む。(すべての顧客で共通) for (全てのデータに対して) { ・今月のおすすめ情報メールを送信する。 } } else { ・「データがありませんでした」と出力する。 } ・終了処理をする。 - 31o5 from Bookmarklet

・顧客情報をほげほげの条件で検索する。 if (検索でデータがあった場合) { for (全てのデータに対して) { ・データを１件取り出し、これをほげほげのキーとする。 ・ほげほげのキーをキーに あばば を検索する。 ・検索したこのデータを出力する。 } } else { ・「データがありませんでした」と出力する。 } ・終了処理をする。 - 31o5 from Bookmarklet

Google Thailand มีโครงการจะเปิดบริการใหม่ในประเทศไทย ในโครงการได้ผลิตคลิปประชาสัมพันธ์ของ Google Thailand ด้วย ทาง Google Thailand จึงอยากจะเปิดโอกาสให้ผู้ใช้ในประเทศไทย ได้มีส่วนร่วมกับการประชาสัมพันธ์ครั้งนี้ โดยการเป็นอาสาสมัครร่วมแสดงในคลิปสำหรับอาสาสมัครที่สนใจ อยากมีส่วนร่วมกับ Google Thailand ขอให้ช่วยกรอกข้อมูล แจ้งความประสงค์เป็นอาสาสมัครตามรายละเอียดข้างล่างนี้ อาสาสมัครทุกท่านที่ได้เข้าร่วมกับทาง Google Thailand จะได้รับ - อาหาร เครื่องดืม ตลอดการถ่ายทำ - ของชำร่วยขอบคุณจาก Google (ตามวันที่เข้าร่วม) หมายเหตุ - อาสาสมัครสามารถเข้าร่วมในการถ่ายทำมากกว่า 1 ครั้ง - การกรอกฟอร์มนี้ยังจะยังไม่ถือเป็นการยืนยัน ทางทีมงานจะติดต่อกลับไป เพื่อยืนยันการนัดหมายกลับไป - อาสาสมัครจะต้องยินยอมไม่เปิดเผยข้อมูลของโครงการนี้ก่อนเวลาที่กำหนด แผนที่เดอะมอลล์ รามคำแหง สาขา 2 http://maps.google.com/maps... - 31o5 from Bookmarklet

（株）国際電気通信基礎技術研究所(ATR) 脳情報研究所　所長・ATRフェロー 科学技術振興機構 さきがけ「脳情報の解読と制御」　領域総括 川人　光男 「低侵襲型及び非侵襲型ＢＭＩのための脳活動推定、脳情報解読、階層運動制御アルゴリズムの研究、及び統合データベースプラットフォームの構築」 課題Ａ「ブレイン・マシン・インターフェース(BMI)の開発」では、感覚運動統合に関する脳機能の計算論的理解にもとづき、脳内情報を低侵襲もしくは非侵襲的に解読し、身体機能の治療、回復、補綴、補完を可能とするＢMIを開発することで、臨床応用に資することを最終目標とし、中核拠点であるＡＴＲを中心に、５つの参画機関である大阪大学、東京大学、慶應義塾大学、島津製作所、自然科学研究機構が緊密かつ複合的に連携しつつ多角的に研究を遂行しています。 具体的な研究目標は、（１）皮質脳波(ECoG)によるBMIの開発と臨床実験、(2) 非侵襲型BMIを活用したリハビリテーション手技・機器の開発と臨床実験、(3) NIRS-EEGの組み合わせによる高精度脳活動計測装置の開発、(4)サルを用いた柔軟多機能マルチ電極開発と、各種計測法による脳活動・行動・認知情報の同時記録統合データベース構築を４つです。さらに、パワースーツやロボットのＢMIによる制御のための階層運動制御計算モデル、ＢMIのための脳内情報解読、BMI技術を利用した革新的な実験パラダイムの創出を主要研究課題としています。 また、本研究の社会的影響の大きさに鑑み、脳神経倫理学の研究を推進し、社会への情報発信と調和を目指して公開シンポジウムを開催することを目標の一つとし、統合データベースにおいては、本プロジェクトで計測したデータを広い範囲に公開し、日本のＢＭＩ研究の底上げに貢献することを視野に入れています。 これらの研究課題うちいくつかは、さきがけ「脳情報の解読と制御」と関連するものがあり、同領域の研究成果や技術を本プログラムの社会還元に応用する共同研究や共同作業を強く推奨しています。 - 31o5 from Bookmarklet

具体的なミッション ブレイン・マシン・インターフェース（ＢＭＩ）は、脳内情報処理の解明と相乗的に 展開されることで、脳を介した新たなコミュニケーションを可能とする技術であり、 その実現のためには、脳情報双方向活用技術の発展が不可欠です。 脳情報双方向活用技術の発展には、脳の情報表現や動的機能及び学習の原理等を 基礎に据え、脳活動計測、低侵襲で長期安定型のマルチ電極の開発、多次元脳信号処理技術の 開発のみならず、計測データの整理保存や高速利用等の高次脳情報処理技術を 支えるニューロインフォマティクスの基盤整備が必要です。 このため、中核となる代表機関と参画機関で構成された研究開発拠点を形成し、 システム神経科学や計算論的神経科学に立脚しつつ、様々な要素技術を用いた以下の 研究項目等を組み合わせて、脳情報双方向活用技術や、脳内情報を解読・制御することにより、 脳機能を理解するとともに脳機能や身体機能の回復・補完を可能とする ブレイン・マシン・インターフェース（ＢＭＩ）の開発を推進します。 Ⅰ 運動出力型ＢＭＩ：侵襲式、非侵襲式 ・非侵襲脳内信号による意思伝達装置の開発 ・低侵襲脳信号を用いた義手、義足等の制御及び意思伝達に関する研究開発 ・運動やコミュニケーションの再建及びリハビリテーションの実現に向けた研究 Ⅱ 感覚入力型ＢＭＩ：人工内耳、人工視覚、人工触圧覚等 ・人工感覚器と脳を結合する技術開発 ・外部感覚情報を脳へフィードバックする技術や神経細胞の活動へ変換する技術 Ⅲ 直接操作型ＢＭＩ：脳深部刺激、脳表面の刺激、非侵襲的な刺激 Ⅳ ＢＭＩ要素技術の開発 ・ＢＭＩに必要となる要素技術の開発（長期留置電極技術、刺激電極技術、ヒトへの前臨床応用技術等） ・ＢＭＩのための高度な義手、義足等の開発 ・人工感覚器装置等の開発 Ⅴ 脳内情報の解読にかかわる技術 ・認知過程並びに運動遂行過程における脳内情報を解読する技術 ・大脳皮質の階層・モジュール的モデルを用いた脳信号処理に資する研究 ・脳型学習アルゴリズムとその脳情報双方向活用技術への応用に関する研究 ・脳内信号処理（多次元時空間神経活動の抽出・推定等）にかかわる信号処理技術 ・複数手法を統合した脳活動データベース開発 Ⅵ 双方向信号制御技術 ・非侵襲信号による情報通信インターフェースに関する研究開発... more... - 31o5 from Bookmarklet

過剰適合（英: Overfitting）とは、統計学や機械学習において、訓練データに対して学習されているが、未知データに対しては適合できていない、汎化できていない状態を指す。汎化能力の不足に起因する。 その原因の一つとして、統計モデルへの適合の媒介変数が多すぎることに由来する。不合理で誤ったモデルは、入手可能なデータに比較して複雑すぎる場合、完全に適合することがある。過剰適合は一般にオッカムの剃刀に反した状態と認識される。 - 31o5 from Bookmarklet

In recent neuroscience research, it is of significant importance to develop an efficient method to predict subject's behaviors or cognitive states from his brain activities for both its applications and methodology. In ATR Computational Neuroscience Laboratories, we have developed "sparse estimation algorithms" and successfully applied them to various problems. There are several merits in sparse estimation algorithms 1. they are applicable for problems with small number of samples and high (more than several thousand) dimensional data, 2. they avoid overfitting to some extent, 3. they make a result more interpretable. In addition, the sparse estimation algorithms here requires no parameter tuning, thus you can apply these algorithms to wide range of data sets immediately. In the following link, we collect MATLAB toolboxes for sparse estimation algorithms that have been developed by our group and collaborators. We provide three sparse estimation toolboxes for regression... more... - 31o5 from Bookmarklet

近年、神経科学の方法、応用の両面において、脳活動から被験者の認知状態や受ける刺激を予測する手法の研究の重要性が増しています。ATR脳情報研究所では、ベイズ学習理論の分野で発展を遂げている”スパース推定”の原理を用いて、関連の無い脳活動を自動的に省きながら予測モデルを構築するアルゴリズムの開発を行い、様々な問題において成果を挙げています。スパース推定アルゴリズムは、 1. 少数サンプル、高次元モデル(数千以上)でもパラメータ推定可能 2. 過学習の回避 3. 結果の可解釈性の向上 などのメリットを持っています。また、アルゴリムのパラメータのチューニングは基本的に不要なので、幅広いデータにすぐに適用することができます。 本ライブラリでは、我々のグループ及び共同研究者によって開発された、スパース推定のための"MATLAB"ツールボックスを提供します。本ライブラリは、 1. 3つのスパース回帰モデルのツールボックス(予測変量が連続値をとる場合) 2. 1つのスパース判別モデルのツールボックス(予測変量がカテゴリカルな値をとる場合) と４つの独立なツールボックスからなります。テスト用のデータも用意されていますので、まずは試用してみて下さい。 - 31o5 from Bookmarklet

ポピュレーション符号化モデルの検証及び運動知覚メカニズムのモデル化 堀健太郎 我々は動いているものを見ると，それがどの方向にどの程度の速さで動いているかを知覚することができる．運動知覚の情報は視覚から得られ，網膜から脳へと伝搬される．人間の脳内では，電気信号として情報を伝搬し，その情報から知覚を得ている．つまり，視覚から得た情報は電気信号に符号化され，その信号を復号化することにより知覚が生じているのである．情報の符号化は脳を主としたニューロンで行われる．したがって，運動知覚メカニズムを研究することで，脳の働きを明らかにすることができる． 運動知覚メカニズムの研究は，これまで数多く行われてきた．近年もっとも行われているのが運動知覚メカニズムのモデル化である．モデルを作成し，そのモデルと心理実験の結果などを比較，検証することで，脳内メカニズムの仮説をたてるわけである．この中で最も代表的なモデルがポピュレーション符号化モデルである．ポピュレーション符号化モデルが様々な心理実験結果に妥当であることは多くの研究結果から知られている． しかし脳内メカニズムを完全に説明するのであれば，あらゆる心理実験に妥当である必要がある．単に心理実験と言っても測定したいものが何であるか(閾値や精度など)や実験方法によって数多く存在する．それらの心理実験結果をすべて満足に説明できなければ，脳内メカニズムを理解したとは言い難い． ポピュレーション符号化モデルのある一つの心理実験との妥当性は知られているが，複数の心理実験に対し同時に妥当性を持つことができるかどうかはまだ検証されていない． 本研究は運動知覚メカニズムの研究を目的として，ポピュレーション符号化モデルと心理実験の妥当性を検証し，ポピュレーション符号化モデルが脳内メカニズムを表現するのに十分なものであるかどうかを検討する．もし不十分であるならば，ポピュレーション符号化モデルに不足している機構を考察し，その手法を用いてポピュレーション符号化モデルを拡張し，運動知覚メカニズムを検証する． - 31o5 from Bookmarklet

ポピュレーション符号化モデルの検証及び運動知覚メカニズムのモデル化 堀健太郎 我々は動いているものを見ると，それがどの方向にどの程度の速さで動いているかを知覚することができる．運動知覚の情報は視覚から得られ，網膜から脳へと伝搬される．人間の脳内では，電気信号として情報を伝搬し，その情報から知覚を得ている．つまり，視覚から得た情報は電気信号に符号化され，その信号を復号化することにより知覚が生じているのである．情報の符号化は脳を主としたニューロンで行われる．したがって，運動知覚メカニズムを研究することで，脳の働きを明らかにすることができる． 運動知覚メカニズムの研究は，これまで数多く行われてきた．近年もっとも行われているのが運動知覚メカニズムのモデル化である．モデルを作成し，そのモデルと心理実験の結果などを比較，検証することで，脳内メカニズムの仮説をたてるわけである．この中で最も代表的なモデルがポピュレーション符号化モデルである．ポピュレーション符号化モデルが様々な心理実験結果に妥当であることは多くの研究結果から知られている． しかし脳内メカニズムを完全に説明するのであれば，あらゆる心理実験に妥当である必要がある．単に心理実験と言っても測定したいものが何であるか(閾値や精度など)や実験方法によって数多く存在する．それらの心理実験結果をすべて満足に説明できなければ，脳内メカニズムを理解したとは言い難い． ポピュレーション符号化モデルのある一つの心理実験との妥当性は知られているが，複数の心理実験に対し同時に妥当性を持つことができるかどうかはまだ検証されていない． 本研究は運動知覚メカニズムの研究を目的として，ポピュレーション符号化モデルと心理実験の妥当性を検証し，ポピュレーション符号化モデルが脳内メカニズムを表現するのに十分なものであるかどうかを検討する．もし不十分であるならば，ポピュレーション符号化モデルに不足している機構を考察し，その手法を用いてポピュレーション符号化モデルを拡張し，運動知覚メカニズムを検証する． - 31o5 from Bookmarklet