これまでの研究紹介と博士課程での研究計画について/research-plan-presentation-for-publish

Transcript

1. ར༻ऀ΍৘ใγεςϜͷจ຺ʹԠͯ͡ ࣗಈ͔ͭܧଓతʹఏҊΛ࠷దԽ͢ΔదԠతͳਪનγεςϜ ࡾ୐༔հ / Pepabo R&D Institute, GMO Pepabo, Inc.

   2020.07.20 ྩ࿨2೥౓ ৘ใ஌ೳ޻ֶઐ߈ ത࢜ޙظ՝ఔ ೖֶࢼݧࢼ໰ ͜Ε·Ͱͷݚڀ঺հͱ ത࢜՝ఔͰͷݚڀܭըʹ͍ͭͯ

2. 1. ུྺ 2. ͜Ε·Ͱͷݚڀ঺հ 3. ത࢜՝ఔͰͷݚڀܭը 2 ໨࣍

3. 1. ུྺ

4. • ࡾ୐༔հ • 2003೥3݄ ௕࡚େֶ ؀ڥՊֶ෦؀ڥ੓ࡦίʔε ଔۀ • ஍ݩ෱ԬͷSIerۈ຿Λܦͯɺ2012೥ΑΓגࣜձࣾpaperboy&co.(ݱGMOϖύ Ϙגࣜձࣾ)ʹۈ຿ɻࢿ࢈؅ཧγεςϜ΍ΠϯλʔωοταʔϏεʹ͓͚Δ

   WebΞϓϦέʔγϣϯͷ։ൃɾӡ༻ҡ࣋ۀ຿ʹैࣄɻ • 2017೥ΑΓಉࣾͷݚڀ৬ɻ৘ใγεςϜͷࣗ཯దԠ౳ͷݚڀʹैࣄɻ 4 ུྺ

5. 2. ͜Ε·Ͱͷݚڀ঺հ

6. ݚڀίϯηϓτ - ৘ใγεςϜͷࣗ཯దԠ -

7. • ଟ༷͔ͭܧଓతʹมԽ͢Δ؀ڥͷதͰɺ৘ใγεςϜ͕ܧଓతʹػೳ͢Δʹ ͸ɺͦͷߏ੒΍ϩδοΫΛߋ৽͠มԽʹ௥ै͢Δඞཁ͕͋Δ • → ྫʣ৘ใγεςϜͷෛՙঢ়گɺར༻ऀͷߦಈͷมԽ౳ • ͜Ε·Ͱɺ͜ͷ௥ै͸ɺӡ༻ҡ࣋ۀ຿ͱͯ͠ӡ༻ऀ͕୲͖ͬͯͨ 7 ৘ใγεςϜͱ؀ڥมԽ

8. • ଟ༷͔ͭܧଓతʹมԽ͢Δ؀ڥͷதͰɺ৘ใγεςϜ͕ܧଓతʹػೳ͢Δʹ ͸ɺͦͷߏ੒΍ϩδοΫΛߋ৽͠มԽʹ௥ै͢Δඞཁ͕͋Δ • → ྫʣ৘ใγεςϜͷෛՙঢ়گɺར༻ऀͷߦಈͷมԽ౳ • ͜Ε·Ͱɺ͜ͷ௥ै͸ɺӡ༻ҡ࣋ۀ຿ͱͯ͠ӡ༻ऀ͕୲͖ͬͯͨ 8 ৘ใγεςϜͱ؀ڥมԽ

   • ਓखʹΑΔ؀ڥͷมԽݕ஌΍৘ใγεςϜͷߋ৽͸ɺ௥ै΁ͷ࣌ؒࠩΛ൐͏ • ݁Ռͱͯ͠ɺ҆ఆੑ΍ར༻ऀͷຬ଍౓ͷ௿Լɺӡ༻ऀͷෛ୲ͷ૿ՃΛট͘

9. • ैདྷͷӡ༻ҡ࣋ͷऔΓ૊ΈͰ͸ɺ৘ใγεςϜΛ؀ڥͷมԽʹରԠͤ͞Δͨ ΊɺਓʹΑΔܦݧଇ΍൑அͱ෦෼తͳࣗಈԽʹཹ·͍ͬͯΔ • → ྫʣܦݧଇʹΑΔᮢ஋ઃఆɺ਺஋Խͨ͠ར༻ऀͷߦಈୡ੒཰ʹΑΔ൑அ 9 ؀ڥมԽʹࣗΒదԠ͢Δ৘ใγεςϜʹ޲͚ͯ • ਓʹΑΔ൑அ΍ߋ৽ͷ޻ఔΛࣗಈԽ͠ɺ৘ใγεςϜࣗମ͕؀ڥมԽΛଊ͑ม

   Խʹ௥ै͢ΔదԠతͳ࢓૊Έͷݚڀ • ͳΒͼʹ࣮ӡ༻΁ͷద༻ ݚڀίϯηϓτ

10. ݚڀ঺հ

11. 11 ݚڀ࣮੷ͱҐஔ෇͚ (2017೥ʙݱࡏ) No. ୊໊ ݚ ձ ࿦ ࠃ 1

    ಛ௃நग़ثͷֶशͱߪങཤྺΛඞཁͱ͠ͳ͍ྨࣅը૾ʹΑΔؔ࿈঎඼ݕࡧγεςϜ ◦ 2 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 3 Sanny: େن໛ECαΠτͷͨΊͷਫ਼౓ͱ଎౓Λཱ྆ͨ͠෼ࢄՄೳͳۙࣅۙ๣୳ࡧΤϯδϯ ◦ 4 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 5 ར༻ऀͷจ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 6 Optimization for Number of goroutines Using Feedback Control ◦ 7 ͳΊΒ͔ͳηΩϡϦςΟΛ໨ࢦͯ͠ ◦ 8 Kaburaya AutoScaler: ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ ◦ 9 Synapse: จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 10 ඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ு ◦ ˎ ݚ: ݚڀใࠂɺձ: ϑΥʔϥϜɺγϯϙδ΢Ϝɺ࿦: δϟʔφϧɺࠃ: ࠃࡍձٞʢϓϩάϥϛϯάݴޠΧϯϑΝϨϯεʣ

12. ΦʔτεέʔϦϯάख๏

13. 13 ࠶ܝ: ݚڀ࣮੷ͱҐஔ෇͚ (2017೥ʙݱࡏ) No. ୊໊ ݚ ձ ࿦ ࠃ

    1 ಛ௃நग़ثͷֶशͱߪങཤྺΛඞཁͱ͠ͳ͍ྨࣅը૾ʹΑΔؔ࿈঎඼ݕࡧγεςϜ ◦ 2 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 3 Sanny: େن໛ECαΠτͷͨΊͷਫ਼౓ͱ଎౓Λཱ྆ͨ͠෼ࢄՄೳͳۙࣅۙ๣୳ࡧΤϯδϯ ◦ 4 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 5 ར༻ऀͷจ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 6 Optimization for Number of goroutines Using Feedback Control ◦ 7 ͳΊΒ͔ͳηΩϡϦςΟΛ໨ࢦͯ͠ ◦ 8 Kaburaya AutoScaler: ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ ◦ 9 Synapse: จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 10 ඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ு ◦ ˎ ݚ: ݚڀใࠂɺձ: ϑΥʔϥϜɺγϯϙδ΢Ϝɺ࿦: δϟʔφϧɺࠃ: ࠃࡍձٞʢϓϩάϥϛϯάݴޠΧϯϑΝϨϯεʣ

14. • ৘ใγεςϜͷӡ༻ʹ͓͍ͯɺॲཧੑೳΛอͪͭͭඞཁ࠷খݶͷαʔόΛ༻͍ Δ͜ͱͰӡ༻ίετΛ੍ޚ͢Δ͜ͱ͸ॏཁ • มಈ͢Δαʔόधཁʹ௥ै͢ΔͨΊΦʔτεέʔϦϯάػೳΛಋೖ 14 എܠ • ॲཧੑೳΛอͭඞཁ࠷খݶͷαʔό୆਺͸ܦݧͱ஍ಓͳνϡʔχϯάͰݸผʹ ٻΊΔ͕ɺ৘ใγεςϜͷมߋ΍؅ཧର৅ͷ૿Ճʹै͍ࠔ೉ʹͳΔ

    • ·ͨɺ୆਺ͷࢉग़ʹ͸ΦʔτεέʔϦϯάͷ࣮ߦ࣌ͷ࣌ؒࠩͷߟྀ΋ඞཁ ӡ༻্ͷ՝୊

15. • ܧଓతʹมߋ͞Ε͏Δෳ਺ͷ৘ใγεςϜʹରͯ͠ɺ஗Ε΋ߟྀͨ͠Φʔτε έʔϦϯάͷ࠷దͳ৚݅Λܧଓͯ͠ٻΊΔ͜ͱ͕ӡ༻ͷෛ୲ • ৘ใγεςϜΛߏ੒͢ΔαʔόͷॲཧੑೳΛࣗಈͰ೺Ѳ͠ɺ৘ใγεςϜͷॲ ཧੑೳΛอͭඞཁ࠷খݶ͔ͭ஗ΕΛߟྀͨ͠αʔό୆਺Λࢉग़͍ͨ͠ • αʔόͷॲཧੑೳΛ࣮ߦ࣌ʹࣗಈ͔ͭܧଓతʹਪఆ͠ɺΦʔτεέʔϦϯάͷ ஗Ε΋ߟྀͨ͠࠷దͳαʔό਺Λࢉग़͢Δ੍ޚܥ 15

    ݚڀͷ໨తͱఏҊͷࠎࢠ

16. • ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ[*] 16 ఏҊख๏ (Kaburaya AutoScaler) < >
    ࡾ୐
    ༔հ
    ܀ྛ
    ݈ଠ࿠
    ,BCVSBZB
    "VUP4DBMFS
    ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ

    
    Πϯλʔωοτ ͱӡ༻ٕज़γϯϙδ΢Ϝ࿦จू
    
    QQ
    /PW
    

17. • ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ • M: αʔόॲཧੑೳΛɺ୯Ґ࣌ؒ͋ͨΓͷॲཧ਺ͷ্ݶ͔ΒٻΊΔ • D: ༧ΊఆΊͨ஗Εظؒʹର͠ɺݱࡏͷཁٻॲཧ਺ͱαʔόॲཧੑೳ͔Βෆ ଍͢Δͱߟ͑ΒΕΔະॲཧཁٻ਺ΛٻΊΔ •

    F: ݱࡏͷॲཧཁٻ਺ʹະॲཧཁٻ਺ΛՃ͑ɺαʔόॲཧੑೳ͔Βඞཁͳ αʔό୆਺Λࢉग़ 17 ఏҊख๏ (Kaburaya AutoScaler)

18. 18 ఏҊख๏ͷධՁ αʔόੑೳʢॲཧ਺্ݶʣͷਪఆධՁ
    ௿ෛՙ࣌΍Ұ࣌తʹαʔό͋ͨΓͷෛՙ͕ߴ·Δෛ ՙ૿Ճ࣌Ͱ΋҆ఆͯ͠ਪఆʢ࣮ઢʣɻ αʔό୆਺ͷ௥ैੑධՁ
    ੨ઢͷཧ૝αʔό਺ʹ௥ैɻ஗ΕΛߟྀ͠ɺ૝ఆ͞ ΕΔະॲཧͷཁٻ਺ΛॲཧՄೳͳαʔό਺Λ౤ೖɻ ະॲཧཁٻ਺ͷղফ݁ՌͷධՁ
    ஗ΕʹΑΓ஝ੵ࣮ͨ͠ઢͷະॲཧཁٻΛଈ࣌ղফɻ

    ഁઢ͸஗ΕରࡦΛ͠ͳ͍৔߹ͷਪҠɻ

19. ਪનγεςϜ

20. 20 ࠶ܝ: ݚڀ࣮੷ͱҐஔ෇͚ (2017೥ʙݱࡏ) No. ୊໊ ݚ ձ ࿦ ࠃ

    1 ಛ௃நग़ثͷֶशͱߪങཤྺΛඞཁͱ͠ͳ͍ྨࣅը૾ʹΑΔؔ࿈঎඼ݕࡧγεςϜ ◦ 2 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 3 Sanny: େن໛ECαΠτͷͨΊͷਫ਼౓ͱ଎౓Λཱ྆ͨ͠෼ࢄՄೳͳۙࣅۙ๣୳ࡧΤϯδϯ ◦ 4 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 5 ར༻ऀͷจ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 6 Optimization for Number of goroutines Using Feedback Control ◦ 7 ͳΊΒ͔ͳηΩϡϦςΟΛ໨ࢦͯ͠ ◦ 8 Kaburaya AutoScaler: ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ ◦ 9 Synapse: จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 10 ඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ு ◦ ˎ ݚ: ݚڀใࠂɺձ: ϑΥʔϥϜɺγϯϙδ΢Ϝɺ࿦: δϟʔφϧɺࠃ: ࠃࡍձٞʢϓϩάϥϛϯάݴޠΧϯϑΝϨϯεʣ

21. 21 എܠ • ৘ใγεςϜʹ͓͚Δ৘ใաଟ໰୊Λղܾ͢ΔɺਪનγεςϜͷಋೖ • → ͳΜΒ͔ͷํࡦʢ= ਪનख๏ʣʹج͖ͮଟ਺ͷબ୒ࢶ͔Βར༻ऀ͕ڵຯ Λ࣋ͭ΋ͷΛఏҊ͢ΔγεςϜ •

    ӡ༻ऀʹͱͬͯɺޮՌతͳʮਪનख๏ʯͷબ୒͕ॏཁ • ޮՌతͳਪનख๏͸ঢ়گʹΑͬͯҟͳΔ • ͔͠͠ͳ͕Βɺ࣮؀ڥͰͷܧଓతͳਪનख๏ͷධՁʹ͸ػձଛࣦ͕൐͏ ӡ༻্ͷ՝୊

22. • ਪનख๏ͷ༏ྼ͸ଟ͘ͷཁҼ͔ΒͳΔঢ়گʢ=จ຺ʣʹΑͬͯࠨӈ͞ΕΔ • ޮՌతͳਪનख๏Λػձଛࣦ͕ͳ͍Α͏ʹจ຺ʹԠͯ͡࢖͍෼͚͍ͨ • ࣄલʹఆΊͨจ຺͝ͱʹਪનख๏ͷબ୒Λࣗಈ͔ͭܧଓతʹ࠷దԽ͢Δ ϝλਪનγεςϜ • → ࠷ળͳਪનख๏ͷબ୒Λଟ࿹όϯσΟοτ໰୊ͱΈͳͯ͠ղ͘

    22 ݚڀͷ໨తͱఏҊͷࠎࢠ

23. • ʮ࿹ʯͱݺ͹ΕΔෳ਺ͷީิ͔ΒಘΒΕΔใुΛ࠷େԽ͢Δ໰୊ • ϓϨΠϠʔ͸Ұ౓ͷࢼߦͰ1ͭͷ࿹Λબ୒͠ɺใुΛಘΔ • ͦΕͧΕͷ࿹͸͋Δใु෼෍ʹै͍ใुΛੜ੒ • ͨͩ͠ɺϓϨΠϠʔ͸͜ͷใु෼෍Λࢼߦͷ݁Ռ͔Βਪଌ͢Δඞཁ͕͋Δ 23 ଟ࿹όϯσΟοτ໰୊

    • ϓϨΠϠʔ͸͋Δ࣌఺ͷ࿹ͷධՁʹج͖ͮʮ׆༻ʯͱʮ୳ࡧʯΛฒߦͯ͠ߦ͏ • ͜ͷτϨʔυΦϑΛղফ͢ΔͨΊʹ༷ʑͳղ๏͕ఏҊ͞Ε͍ͯΔ

24. • ࿹͝ͱʹෳ਺ͷจ຺͕͋Γɺจ຺ʹԠͯ͡ใु෼෍͕ܾ·Δଟ࿹όϯσΟοτ ໰୊ͷઃఆ • ຊݚڀใࠂͰ͸ɺจ຺͸ɺෳ਺ͷཁҼͷύϥϝʔλͷ૊Έ߹ΘͤͰදݱ͞ Εͨঢ়ଶͷ͜ͱΛࢦ͢ • → ཁҼύϥϝʔλͷ஋͕{0,1}ͷ৔߹ɺจ຺͸ཁҼ਺ ʹରͯ͠

    ύλʔϯ d 2d 24 ઢܗͳଟ࿹όϯσΟοτ໰୊ • ઢܗͳଟ࿹όϯσΟοτ໰୊ͷղ๏Ͱ͸ɺจ຺ͷ֬཰෼෍Ͱ͸ͳ͘ɺཁҼ͝ͱ ͷ܎਺ʢઢܗύϥϝʔλʣΛਪఆ͢Δ͜ͱͰ֤จ຺ʹ͓͚ΔใुΛ༧૝͢Δ

25. • จ຺͝ͱʹਪનख๏ͷબ୒Λࣗಈ͔ͭܧଓతʹ࠷దԽ͢ΔϝλਪનγεςϜ[1] • จ຺͝ͱͷ࠷ળͳબ୒Λɺઢܗͳଟ࿹όϯσΟοτ໰୊ͷղ๏Ͱ͋Δ Linear Thompson SamplingΛ༻͍ͯղ͘ • จ຺ͱͯ͠ɺᶃ৘ใγεςϜͷ࣌ؒͷܦաɺᶄਪનର৅ͷ঎඼ಛੑͷࠩҟΛ ѻ͏

    • จ຺͝ͱʹબ୒ͨ͠ਪનख๏ͱ͜Εʹର͢Δར༻ऀͷ൓ԠΛه࿥͠ɺબ୒ ͷվળʹ༻͍Δ 25 ఏҊγεςϜ (Synapse) <>
    ࡾ୐
    ༔հ
    ็
    ߃ݑ
    4ZOBQTF
    จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ
    ిࢠ৘ใ௨৴ֶձ࿦จࢽ%
    7PM+% /P QQ /PW
    
    UP
    BQQFBS

26. 26 ఏҊγεςϜ (Synapse)

27. • ࣮αʔϏεͷӡ༻σʔλΛ༻͍ͨγϛϡϨʔγϣϯʹ͓͍ͯɺจ຺Λߟྀ͠ͳ ͍΋ͷͱൺֱͯ͠ɺྦྷੵΫϦοΫ਺͕໿2%޲্͢Δ͜ͱΛ֬ೝ[1] • ֘౰γεςϜ͸࣮αʔϏεͰՔಇɾܧଓతʹධՁத • ࠓޙ͸ɺऔΓѻ͑Δจ຺ɺਪનख๏Λ޿͍͛ͯ͘[3][4] • ߹Θͤͯɺ؀ڥมԽ΁ͷ௥ैੑΛ޲্͍ͤͯ͘͞[2] 27

    ఏҊγεςϜͷධՁ <>
    ࡒ௡େՆɼࡾ୐༔հɼ&$αΠτʹ͓͚ΔӾཡཤྺΛ༻͍ͨߪങʹܨ͕ΔߦಈͷมԽݕग़ɼݚڀใࠂΠϯλʔωοτͱӡ༻ٕज़
    *05 ɼ WPM*05ɼQQrɼ <>
    ໺ଜ޸໋ɼࡾ୐༔հɼϋϯυϝΠυ࡞඼Λର৅ͱͨ͠&$αΠτʹ͓͚Δ୯ޠͷग़ݱස౓Λ༻͍ͨك
    ᧵඼ͷݕग़ɼݚڀใࠂΠϯλʔ ωοτͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ <>
    ࡾ୐༔հɼ܀ྛ݈ଠ࿠ɼඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ுɼݚڀใࠂΠϯλʔωο τͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ+VMZ
    

28. 3. ത࢜՝ఔͰͷݚڀܭը

29. 1. ΑΓଟ͘ͷจ຺Λѻ͏ 2. ΑΓޮՌతͳఏҊΛߦ͏ 3. ΑΓૉૣ͘؀ڥͷมԽΛݕ஌͠దԠ͢Δ 29 ݱݚڀ(Synapse)ͷ feature works

30. 1. ΑΓଟ͘ͷจ຺Λѻ͏ 2. ΑΓޮՌతͳఏҊΛߦ͏ 3. ΑΓૉૣ͘؀ڥͷมԽΛݕ஌͠దԠ͢Δ 30 ݱݚڀ(Synapse)ͷ feature works

    • ത࢜՝ఔΛ௨ͯ͜͡ΕΒͷ߲໨Λݚڀ͠ɺਪનख๏͚ͩͰͳ༷͘ʑͳબ୒ࢶ͔ Βɺར༻ऀ΍৘ใγεςϜ͕ͲͷΑ͏ͳঢ়گͰ͋ͬͯ΋࠷దͳఏҊΛߦ͑Δɺ దԠతͳਪનγεςϜͷ࣮ݱΛ໨ࢦ͢

31. • ݱఏҊγεςϜͰ͸ɺঢ়ଶͷਪఆ͕ൺֱత༰қͳཁҼʢ࣌ؒͷܦաʹ൐͏ਪન ख๏ͷ༗ޮੑͷมಈɺӾཡதͷ঎඼ΧςΰϦʣΛ༻͍ͯจ຺Λಛఆ • → ΑΓଟ͘ͷจ຺Λѻ͏͜ͱͰɺจ຺ʹԠͨ͡࠷దͳఏҊʹͭͳ͍͛ͨ 31 1. ૢ࡞ཤྺ͔Βͷར༻ऀͷจ຺ਪఆ •

    ར༻ऀͷߪങ໨త΍ߪೖҙཉͷมԽΛจ຺ͱͯ͠ѻ͏ • ৘ใγεςϜʹ͓͍ͯ໌ࣔతʹ஌Δ͜ͱ͕Ͱ͖ͳ͍ͨΊߦಈ͔Βਪఆ͕ඞཁ • ·ͨɺจ຺ʹԠͯ͡ఏҊΛ࠷దԽ͢ΔͨΊʹ͸ਪఆΛଈ࣌ߦ͏ඞཁ͕͋Δ

32. 32 1. ૢ࡞ཤྺ͔Βͷར༻ऀͷจ຺ਪఆʢ༧උධՁʣ • ECαΠτͷར༻ऀͷӾཡཤྺ͔Βߪങʹͭͳ͕ΔߦಈͷมԽΛݕग़[3] • ϚʔέςΟϯάɾαΠΤϯε΍ΦϖϨʔγϣϯɾϦαʔν෼໺ʹ͓͚Δߦಈ ܾఆϞσϧΛࢀߟʹɺҰఆظؒʹӾཡͨ͠঎඼ͷछྨ਺ͷݮগΛߪങҙཉͷ ૿ՃͱΈͳ͢ •

    ౷ܭతԾઆݕఆΛ༻͍ͨมԽݕग़ख๏Ͱͷɺ଎౓΍ਫ਼౓ΛධՁ • → ΑΓޮՌతͳಛ௃ྔͱมԽݕग़ख๏ʹ͍ͭͯݚڀΛਐΊΔ <>
    ࡒ௡େՆɼࡾ୐༔հɼ&$αΠτʹ͓͚ΔӾཡཤྺΛ༻͍ͨߪങʹܨ͕ΔߦಈͷมԽݕग़ɼݚڀใࠂΠϯλʔωοτͱӡ༻ٕज़
    *05 ɼ WPM*05ɼQQrɼ

33. • ݱఏҊγεςϜͰ͸ɺఏҊͷ༗ޮੑʹجͮࣗ͘ಈతͳ࢖͍෼͚͕ߦ͑ΔҰํɺ จ຺ͱఏҊͷؔ܎ੑ͸ෆ໌ɻ • → ΑΓޮՌతͳఏҊΛߦ͏ͨΊɺ͜ͷؔ܎ੑΛ෼ੳ͠ɺจ຺ʹಛԽͨ͠ޮ ՌతͳఏҊํࣜΛݕ౼͍ͨ͠ 33 2. ಛఆͷจ຺ʹ༗ޮͳఏҊํࣜ

34. • ࡞඼ͷ௝͠͞ʹ஫໨ͨ͠ਪનख๏ͷݕ౼[4] • ࡞඼ू߹ʹ͓͚Δ࡞඼໊ʹؚ·ΕΔ୯ޠͷग़ݱස౓͔Β௝͠͞ΛఆྔԽ • ֤୯ޠͷඪ४ภࠩ΋༻͍Δ͜ͱͰ༻్ผʹ௝͠͞Λ෼ྨ͠ਫ਼౓ΛධՁ • → ߪങҙཉͷ௿Լʹରͯ͠ɺมಈΛ΋ͨΒ͢ཁҼͱͳΓ͏Δ͔ఏҊγες ϜΛ༻͍ͯධՁΛਐΊΔ

    34 2. ಛఆͷจ຺ʹ༗ޮͳఏҊํࣜʢ༧උධՁʣ <>
    ໺ଜ޸໋ɼࡾ୐༔հɼϋϯυϝΠυ࡞඼Λର৅ͱͨ͠&$αΠτʹ͓͚Δ୯ޠͷग़ݱස౓Λ༻͍ͨك
    ᧵඼ͷݕग़ɼݚڀใࠂΠϯλʔ ωοτͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ

35. • ݱఏҊγεςϜͰ͸ɺҎԼͷཧ༝͔Β࣌ؒͷܦաʹ൐͏มಈʹରͯ͠ɺ௥ैੑ ͕ॆ෼Ͱͳ͔ͬͨɻ • ᶃ γεςϜߏ੒ͷ੍໿: ར༻ऀͷఏҊʹର͢ΔධՁͷ൓ө͕Ұఆظؒ஗Ԇ • ᶄ ղ๏ͷ੍໿:

    ैདྷͷଟ࿹όϯσΟοτ໰୊ͷղ๏Ͱ͸ʮଟ༷͔ͭܧଓత ʹʯมԽ͢Δ؀ڥʹॆ෼௥ै͢Δ͜ͱ͕Ͱ͖ͳ͍ • → ͜ΕΒΛղফ͠ɺΑΓૉૣ͘؀ڥͷมԽΛݕ஌͠దԠ͢ΔγεςϜઃܭ ͱ͍ͨ͠ 35 3. ଈ࣌ʹఏҊͷ࠷దԽΛߦ͏γεςϜઃܭ

36. • ᶄʹ͍ͭͯɺैདྷͷଟ࿹όϯσΟοτ໰୊ͷղ๏͕ݸผʹߟྀ͍ͯͨ͠จ຺ͱ ใु෼෍ͷมԽʹରͯ͠ɺಉ࣌ʹରԠͰ͖ΔΑ͏ɺ͜ΕΒͷղ๏Λ֦ு[2] • ैདྷղ๏Λ൚༻తʹར༻Ͱ͖ɺใु෼෍ͷมԽʹରͯ͠ྑ͍ධՁ͕ಘΒΕͯ ͍ΔɺมԽݕग़ܕΞϓϩʔνͰ͋ΔS-TS-ADWINͷ֦ு • → ୯Ұͷจ຺Ͱͷใु෼෍ͷมԽͰ͸ͳ͘ෳ਺ͷจ຺ͰͷมԽʹରԠ •

    จ຺ͷύλʔϯ͝ͱͰ͸ͳ͘ɺਪఆͨ͠ઢܗύϥϝʔλͷ࿨͔ΒมԽݕग़ • ୳ࡧϋΠύʔύϥϝʔλͷಈతͳௐ੔Λಋೖɺੵۃతʹ׆༻ͱ୳ࡧΛ੾ସ 36 3. ଈ࣌ʹఏҊͷ࠷దԽΛߦ͏γεςϜઃܭʢ༧උධՁʣ <>
    ࡾ୐༔հɼ܀ྛ݈ଠ࿠ɼඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ
    ֦ுɼݚڀใࠂΠϯλʔωο τͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ+VMZ
    

37. εέδϡʔϧ

38. 38 ത࢜࿦จ·Ͱͷݚڀεέδϡʔϧ ೥ ೥ ೥ ೥ લ ޙ લ ޙ

    લ ޙ લ ޙ ݱݚڀ จ຺ਪఆ จ຺ಛԽఏҊ దԠγεςϜ ത࢜࿦จ ࿦จࢽൃද ࡁ ࠃࡍձٞൃද ࿦จࢽൃද ࠃࡍձٞൃද ࿦จࢽൃද ത࢜࿦จʙެௌձ αʔϕΠɾ༧උධՁ ༧උධՁ ࡁ
39. None