常連

テラテイラー

注目の的

回答者

ベストアンサー

拍手喝采

先生

案内人

有名人

![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2023-09-25/d7bde777-081b-4ca0-9761-280d2dae78b4.png)
### 実現したいこと

曲面上にz軸上の値がz＝20となっているところに点を打ちたい。

### 前提
Sympyのsympy.plotting.plot3d()を用いて、楕円放物面 z=x^2 + y^2 のグラフを表示させるプログラムを作成したのですが、その曲面上z＝20となっているところに点を打ちたいのだが打ち方が分からない。

### 該当のソースコード

```ここに言語名を入力
# SYMPY_PLOTTING_PLOT_3D

from IPython.display import clear_output

# Google Colab では上の一行を消して以下のコードを記述
# from google.colab import output

import matplotlib.pyplot as plt
from sympy import var
from sympy.plotting import plot3d

var('x y')

# 楕円放物面の方程式
z = x**2 + y**2

# 楕円放物面を描画
p = plot3d(z, (x, -5, 5), (y, -5, 5))

# pの出力をキャンセル
clear_output("True")

# バックエンドのFigureオブジェクトを取得
q = p._backend.fig

# Axes3DSubplotオブジェクトを取得してアスペクト比を設定
q.axes[0].set_box_aspect((1, 1, 1))

display(q)
```

### 試したこと

matplotlibの散布図のプログラムを用いて表示できないかと考えたが全くわからなかった。



ある値が成り立つ曲面上への点の打ち方


![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2023-07-11/3b416bff-4539-4b64-bdcb-e436bd8dfa84.png)

### 実現したいこと

ここに実現したいことを箇条書きで書いてください。
- 上の式を解きたい。
- 初期値が x_{1} (0)=4.5, x_{2} (0) = 0　で目標値が　x_{1} x{2} ともに0になる時に目的関数を最小化したい。
- その時に、最急降下法でニューラルネットワークを学習させたい。
- 最急降下法のコードはよくわからなくてかけてないです。
https://www.jstage.jst.go.jp/article/sicetr1965/33/9/33_9_882/_pdf/-char/en の文献の4.1がやりたいことです。 
-　最適な入力が分かったら、そこからフィードバックゲインを手に入れたい。


### 前提

Pythonでニューラルネットワークのシステムを作っています。
学習のコードが書けていないです。
-   入力層が2つの状態変数で、中間層のユニット数は50個、出力層がu(t) である。      
- $W_{1},W_{2}$は重み、$F_{H}$は、ハイパボリックタンジェント関数,$F_{O}$は恒等関数の活性化関数が使用されている。

### ソースコード(1)

```Pythonコード(1)

!pip install control
!pip install --upgrade cvxpy
!pip install numpy

%reset -f
import numpy as np
import scipy as sp
import matplotlib.pyplot as plt
from control.matlab import *
import control as ct
import pandas as pd
%matplotlib inline
import math
#from tensorflow.keras.models import Model  # [20]
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam
```

### ソースコード(2)

```Pythonコード

def object(state, input): #状態方程式
    e = np.exp(1)
    h = 0.01
    MAT_A = np.array([[1, 1 - e**(-h)],  # A行列
                      [0, e**(-h)]])

    MAT_B = np.array([[h - 1.0 + e**(-h)], #B行列
                      [1 - e**(-h)]])

    return np.vstack([MAT_A @ state + MAT_B @ input])


```
このソースコード２は、文献の4.1の(26)式を表現しているつもりです。

### ソースコード(３)
```Pythonコード3 

def evaluation(state, input): #目的関数
    return state[0, 0]**2 + state[1, 0]**2 + input**2


model1 = Sequential()
model1.add(Dense(50, input_shape=(2,), activation='tanh', use_bias=True))
model1.add(Dense(1, activation='linear', use_bias=False))


l0 = model1.layers[0] # 入力層の重み　バイアス
l1 = model1.layers[1] # model1の重み　バイアス
print(l0.get_weights()[0])
print(l0.get_weights()[1])
print(l1.get_weights()[0])

def controller(state, reference): # uの値
    model1_output = model1(np.expand_dims(state, axis=0)) # stateをmodel1に引き渡す。
    model1_weights = model1.get_weights()

    return  model1_output

NUMBER_STEPS = int(900) #NUMBER_STEPSに整数の800配列格納 0.01秒ループ
TIME_START = 0.0
TIME_END = 9.0
TIME_STEP = (TIME_END - TIME_START)/float(NUMBER_STEPS)
SIZE_INPUT = int(1)
SIZE_OUTPUT = int(2)
SIZE_STATE = int(2)
time_t =  np.matrix(np.zeros((1, NUMBER_STEPS)))
input_u = np.matrix(np.zeros((SIZE_INPUT, NUMBER_STEPS)))
output_y = np.matrix(np.zeros((SIZE_OUTPUT, NUMBER_STEPS)))
state_x = np.matrix(np.zeros((SIZE_STATE, NUMBER_STEPS)))
reference_r = np.matrix(np.zeros((SIZE_OUTPUT, NUMBER_STEPS)))
state_dx = np.matrix(np.zeros((SIZE_STATE, 1)))
STATE_INTTAL = np.matrix( ([4.50 ],[0.00]) )#初期値
state_x[:, 0] = STATE_INTTAL
input_u[:, 0] = controller(state_x[:, 0], reference_r[:, 0])
reference_r[:, 0] = np.array([[0.00],[0.00]]) #目標値


for counter in range(1, NUMBER_STEPS):
 reference_r[:, counter] = np.array([[0.00],[0.00]])
 time_t[:, counter] = TIME_STEP*counter
 input_u[:, counter-1] = controller(state_x[:, counter-1], reference_r[:, counter-1])
 state_dx =  object(state_x[:, counter-1], input_u[:, counter-1])
 state_x[:, counter] =  state_dx


hyouka = 0
hyouka_values = [] #目的関数の空
for counter in range(1, 801):  # 評価関数の合計
    hyouka += evaluation(state_x[:, counter], input_u[:, counter - 1])
    hyouka_values.append(hyouka[0, 0])

time_steps = range(1, 801)

plt.plot(time_steps, hyouka_values)
plt.xlabel("Steps")
plt.ylabel("Hyouka")
plt.show()



plt.subplot(1, 3, 1)
plt.plot(np.ravel(time_t), np.ravel(state_x[0, :]),)
plt.xlabel("$time[s]$")  #x軸の名前
plt.ylabel("$x_1$")  #y軸の名前
#plt.ylim(-1,1) #y軸範囲指定
#plt.xlim(0,80)

plt.subplot(1, 3, 2)
plt.plot(np.ravel(time_t), np.ravel(state_x[1, :]))
plt.xlabel("$time[s]$")  #x軸の名前
plt.ylabel("$x_2$")  #y軸の名前
#plt.ylim(-0.1,0.1) #y軸範囲指定
#plt.xlim(0,10)


plt.subplot(1, 3, 3)
plt.plot(np.ravel(time_t), np.ravel(input_u[0, :]))
plt.xlabel("$time[s]$")  #x軸の名前
plt.ylabel("$.$")  #y軸の名前
#plt.ylim(-5,5) #y軸範囲指定
#plt.xlim(0,10)
```
このコードの
def evaluation(state, input): #目的関数
    return state[0, 0]**2 + state[1, 0]**2 + input**2
の箇所と、

hyouka = 0
hyouka_values = [] #目的関数の空
for counter in range(1, 801):  # 評価関数の合計
    hyouka += evaluation(state_x[:, counter], input_u[:, counter - 1])
    hyouka_values.append(hyouka[0, 0])

time_steps = range(1, 801)
この箇所で、文献の4.1の(27)を表現しました。
model1 = Sequential()
model1.add(Dense(50, input_shape=(2,), activation='tanh', use_bias=True))
model1.add(Dense(1, activation='linear', use_bias=False))
このコードはニューラルネットワークを表現しています。

### 勾配降下法のコード
```Pythonコード学習コード（理想）
import numpy as np
import tensorflow as tf


for _ in range(1000):  #()内は反復回数
    with tf.GradientTape() as tape:
        state_output = model(state_data)
        loss = tf.reduce_mean(tf.square(state_output))

    gradients = tape.gradient(loss, model.trainable_variables)
    for i, var in enumerate(model.trainable_variables):
        var.assign_sub(learning_rate * gradients[i])
```




Pythonコードで最急降下法でニューラルネットワークを用いた線形計画問題を解きたい。

### 前提

ArtistAnimationでアニメーションを作成しています。
複数のフレームが同時に表示されることがあり困っています。

### 実現したいこと
アニメーションでフレームが重ならないようにする。
全フレームが1つになったフレームが表示されないようにする。

### 該当のソースコード(問題の部分のみ記載)

```python
fig, ax = plt.subplots(figsize=(22,8))
ax.set_xlabel("時刻")
ax.set_ylabel("予約率")

～～省略～～

ims = []
gra = []
plo = []
tex4 = []

for j in nichiji[:20]:
    # 実線描画
    im1 = ax.plot()
    im2 = [ax.plot(～) for i in range(len(～))]
    text4 = ax.text()
    gra.append(im1)
    plo.append(im2)
    tex4.append(text4)

for j in range(0, len(nichiji[:13])):
    ims.append(sum([gra[j]] + plo[j] + [gra[j+7]] + plo[j+7] + [[tex4[j]]], []))
ani = animation.ArtistAnimation(fig, ims, interval=400)
ani.save("kasane.mp4", writer="ffmpeg")

```

### 試したこと
最後の1行ani.save("kasane.mp4", writer="ffmpeg")を実行しないときは、写真1枚目のように全フレームが重なって表示されます。これは正しくアニメーションできている時でも同様になりました。

im1,im2,text4の3つの要素をそれぞれリストgra,plo,tex4に追加することをfor文内で行い、別のfor文でArtistAnimationの引数imsにgra,plo,tex4を追加しました。
この後にアニメーション化すると、写真2枚目のように**text4のみが重なって表示**されます。
今回はgraとploを7つずらしたものを同時に表示したいため、2つのループの繰り返し回数が7回ずれていることが原因と思われます。

また、j+7をj+1などにずらしたり、ループ回数を同じにしてanimation.ArtistAnimation(fig, ims[:-1], interval=400)
などimsの回数を変更すると、写真3枚目のように**グラフ部分でも別のフレームが重なって**しまいます。

いろいろ試して分かったことは
・1つ目のforループ内でgra,plo,tex4を作成するとき、fig,ax上に重ねて表示され、ループ終了時には全要素が重なった図が生成される。
・前述の生成された図の構成要素の長さとimsの長さが異なるとき、text4やフレームが重なってしまう。

写真2枚目のtext4が重ならない状態のフレームをアニメーション化することが目標です。
何か解決策がありましたら、お伝えしていただけると幸いです。
よろしくお願いいたします。
![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2022-08-31/8ce56c54-6120-4567-9be3-2af65a3b4f5b.png)
![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2022-08-31/e0e5e61d-b7b3-4586-982a-bcdc5a19397d.png)
![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2022-08-31/e1875f45-2b8c-4eab-813a-84b756efad29.png)

### 補足情報
JupyterLab3.3.2上でコーディングしています。

### 追記
以下の例でも試してみました。
frames[:10]のような30ではない数にすると、やはり不足した繰り返し分のフレームが重なってしまいました。![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2022-08-31/b9a6917c-a449-4d27-a10a-a05896c863b0.gif)

```python
#import packages
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import ArtistAnimation

x = np.linspace(0, np.pi * 4, 100)

fig, ax = plt.subplots(figsize=(4, 4))
frames = []  # 各フレームを構成する Artist 一覧
for delta in np.linspace(0, np.pi, 30):
    y = np.sin(x + delta)
    
    # 折れ線グラフを作成する。
    lines = ax.plot(x, y, c='b')
    title = ax.text(0.5, 1.01, 'delta={:.2f}'.format(delta),
                     ha='center', va='bottom',
                     transform=ax.transAxes, fontsize='large')
    frames.append(lines + [title])

# アニメーションを作成する。
anim = ArtistAnimation(fig, frames[:10], interval=500)

# gif 画像として保存する。
anim.save('animation.gif', writer='imagemagick')
```




Python:ArtistAnimationでのアニメーション作成

### 前提

vbaでシステムを作っていますが問題が解決できません。

### 実現したいこと

excelのvbaでユーザーフォームのコマンドボタンをクリックしたときにgoogleスプレットシートのサイドバーの
フォームの値を取得したいのですがわかりません。

### 発生している問題・エラーメッセージ

```
エラーメッセージなし
```

### 該当のソースコード

```vba
Private Sub CommandButton1_Click()
        TextBox1.Value = 
End Sub

<html>

<body>
   <form name="form1">
   <input type="text" name="tel">

```

### 試したこと

検索でサイドバーの値を取得する方法を調べてみましたが見つけることができませんでした。

### 補足情報（FW/ツールのバージョンなど）

vbaのコードはわかるとこだけ載せてあります。
よろしくお願いします。

vba googleスプレットシート　サイドバーの値取得について

質問失礼します。

以下のようなdataframeがあり, そこから
(1)会社の決算期は7月(8月1日から翌年の7月31日までが期)である。年度の合計支払金額をgroupbyで求めなさい。
(2)四半期ごとの支払金額合計を求めなさい。
(3)四半期ごとの前年度比を求めてください。
という問題があります。

申請日, 支払日, 支払金額
2017/8/1, 2017/7/31, 570
2017/8/1, 2017/7/31, 1880
2017/8/1, 2017/8/1, 10000
・
・
・
2020/6/19, 2020/6/19, 370
2020/6/19, 2020/6/21, 3000
2020/6/19, 2020/6/21, 2792

groupbyの前まではできていると思うのですが, その先が分かりません。
途中までのコードは以下になります。
```python
import pandas as pd
import numpy as np

travel = pd.read_csv('./travel.csv.gz')
travel_ts = travel.copy()

#形式変換
travel_ts['支払日'] = pd.to_datetime(travel_ts['支払日'])
travel_ts['申請日'] = pd.to_datetime(travel_ts['申請日'])
travel_ts['支払金額'] = travel_ts['支払金額'].str.replace(',', '').astype(int)
travel_ts.head(3)

#申請日をインデックス化
travel_ts['支払日'] = pd.to_datetime(travel_ts['支払日'])
travel_ts['申請日'] = pd.to_datetime(travel_ts['申請日'])
travel_ts['支払金額'] = travel_ts['支払金額'].str.replace(',', '').astype(int)
```

(1)のみサイトを参考にして一部を解くことはできましたが, groupbyを使って解く方法が分かりませんでした。以下はgroupbyを使わずに解いた時のコードです。
```python
#2018/8/1から2019/7/31までの支払金額合計
travel_ts[(travel_ts['支払日'] >= dt.datetime(2018,8,1)) & (travel_ts['支払日'] <= dt.datetime(2019,7,31))]['支払金額'].sum()
```

ご教示いただけますと幸いです。
よろしくお願い致します。



【python】groupbyについて

###(問)
[SSDの原著論文](https://arxiv.org/pdf/1512.02325.pdf)
にて示された写真の実験結果について、
SSD300,SSD512は入力画像の解像度の違い
SSDの基本的構造は変わらない
この結果から読み取れる主張として以下の４つのうち１つだけ誤っている選択肢を選びたいです。

1.VOC2007とVOC2012で扱われているクラス数は変わらない
2.COCOではBB位置の精度を重視した指標も用いられている
3.入力の解像度は精度に影響すると考えられる
4.SSDは小さな物体の検出を苦手とすることが予想される

![実験結果](651d82701c286e8d13aadf5af83a3bbb.png)


あまり物体検出の論文などに慣れておらず実験結果について謝っている選択肢とその理由を教えていただきたいです。

深層学習:SSDの原著論文内で示された実験結果について

###(問)
物体検出タスクに用いる大規模なデータセットに関しての説明として妥当な主張を一つ選びたいです。

1.VOC12ではGround-Truth BBの情報が中心座標と幅、高さで与えられていない。
2.フリマアプリの出品画像を入力とする物体検知タスクに取り組みたい。
3.ILSVRC17はImageNetのサブセットで構成され、Instance Segmentationの学習に必要な情報も与えられている
4.OICID18はクラス数が500と比較的大きなデータセットであるが、物体検知タスクにおいては常にクラス数の大きいデータセットで学習を行うほうが好ましい。

できればどの選択肢が正しく他の選択肢が違う理由を教えていただきたいです。

深層学習:物体検出タスクにおけるデータセットに関して

###(問)
主成分分析を行う上で得られるメリットとして適切なものを一つ選びたいです。

1.データから新たな特徴量を抽出し次元を増やすことで、性能を向上させる」ことができる。
2.データから一部の特徴量を選択することで、次元を削減し過学習を防ぐことができる。
3.データに含まれる情報の大部分を維持しながらデータを圧縮し、計算効率を向上できる。
4.貪欲探索アルゴリズムの一種であり、無関係のノイズを取り除くことで汎化誤差を削減できる。

###(質問)
調べた結果、選択肢の2もしくは3だと思ったのですが、
2と3がのどちらかがメリットとして誤っている根拠がわかりません。
よろしければ正しい選択肢とその理由を教えていただきたいです。

主成分分析:メリットについて

Swiftの長所と短所を教えてください。

JavaScriptとPythonは知ってるので、それらとの違いが分かるといいです。

Swiftを知ってる人いますか？

Kotlinとか使えばAndroidとiOSのアプリを両方開発できるらしいですが、Swiftには何か意味があるのでしょうか？

Swiftの意味は？

### 前提・実現したいこと
pythonのpulpを用いて以下の画像の例のような制約条件の作成を試みております。
ポイントとしましては、最適化変数の総和で0,1のスイッチを作成したいです。
(申し訳ないのですが、モデルは簡略化しております。)

![イメージ説明](f96601304c83a9f3dae6aeaad52b9c36.png)

### 試したことの概要
step1：zeros()関数でyの0行列を作成する
step2：事前に最適化変数xの総和を行う。
```image
sum_x=0
for j in [0,2,3]:
    sum_x+=pulp.value(x[1][j])
```
step3：総和が0になる場合と1以上になる場合でif関数を用いて場合分けをする。(yはゼロ行列のため、必要に応じて要素を1に変更する。)
```image
if sum_x>0:
    y[1]=1
elif sum_x==0:
    continue
```
結果：しかし、実行した時点では最適化変数に値は入っておらず(実際にはNoneが入り)、適切に総和、及び場合分けがされませんでした。
(※pulpの勉強不足でした。)

他にも異なるパターンを試してみたのですが、上記と同様に最適化変数がNoneとなり(最適化変数が最適化変数として機能しておらず)、うまくいきませんでした。

ざっくりとした説明で恐れ入りますが、もし上記のpythonプログラムの作成方法を知っておりましたらご教授いただけますと幸いです。

pythonのpulpの最適化変数を用いた0,1のswitch文が作成ができません

#知りたいこと
機械学習のランダムフォレストの分類について学んでいました。
ランダムフォレストはアンサンブル学習と言って，複数の決定木の出力から，多数決で分類器全体の出力を決定します。

そこで，私が気になった点として，多数決の票数によって分類器全体の出力の信頼性？が変わるのではないかと思いました。
例として，決定木10本で2値分類を行った場合，10本全てがTrueと出力する結果と，7本がTrueで3本がFalseを出力した結果では，両方とも多数決によってTrueとなりますが，10本とも全てTrueの方が正解データと一致しやすいのではないかと思いました。

そこで，これらの多数決の票数や，票数の割合を示す指標や専門用語などはありますでしょうか？
有識者の方々，ご教授のほどよろしくお願いします。

機械学習のアンサンブル学習に関して，多数決の票数を示す指標はありますか？

### 前提・実現したいこと
機械学習のプログラム（ Pyrthon の tensorflow の karas）
に手を出そうとしているものですが、やりたいことのイメージはついてるのですが、どのようなキーワードでGoogleなどで検索をすればよいか、とっかかり自体がつかめないです。
以下を実現するプログラムはどのように作ればよいのでしょうか？
Googleで調べるにしてもどの様に調べればよいか判らないので、質問させていただきました。

■やりたいこと：
------------------------------
学習データとして数字を学習させる
必ず【5つ】の乱数をカンマ区切りで出力するようにする
出力する乱数は、学習データに伴い偏りが出るようにする

■例：
------------------------------
最初の内は(1,2,3,4,5）のように１~5までの純粋な乱数を発生させるが、
例えば、学習データに「1」を学習させると学習した結果、乱数の発生の際に「1」の発生率が高くなる
1～5までとしているが、学習データに「99」の数字を学習させると、出力の際に「99」の乱数も発生するようになる。

Pythonでtensorflowで機械学習でこのロジックを実現する方法を教えてください。またこのロジックは何か名前はあるでしょうか？

### 前提・実現したいこと

・抽選会で使用
・ルーレット
・スタートボタンが押され、ストップボタンを押すと、止まった数字のところだけ色変更。
・全クリアボタンを押すとセルの色が塗りつぶしなしに


### 発生している問題・エラーメッセージ

```
エラーメッセージ
```

### 該当のソースコード

```VBA
Sub ルーレット()
Range("B3:T14").Select
With Selection
.Font.Name = "Arial Black"
.Font.Size = 20
.HorizontalAlignment = xlCenter
.VerticalAlignment = xlCenter
With .Borders
.LineStyle = xlContinuous
.Weight = xlThin
.ColorIndex = xlAutomatic
End With
.HorizontalAlignment = xlCenter
.VerticalAlignment = xlBottom
End With
ActiveWorkbook.Names.Add Name:="table", RefersTo:=Selection
n = 0
For Each c In Range("table")
n = n + 1
c.Value = n
Next
For i = 1 To 2
For Each c In Range("table")
c.Select
For m = 20 To 3 Step -1
Selection.Interior.ColorIndex = m
Next m
Range("table").Interior.ColorIndex = 0
Next c
Next i
Randomize
x = Int(Rnd * 70) + 1
For Each c In Range("table")
c.Select
For m = 20 To 3 Step -1
Selection.Interior.ColorIndex = m
Next m
Range("table").Interior.ColorIndex = 0
If c.Value = x Then
Selection.Interior.ColorIndex = 6
Exit Sub
End If
Next c
End Sub

```

### 試したこと

ストップボタンの作成を試みたができなかった

### 補足情報（FW/ツールのバージョンなど）

ごめんなさい、VBAは全くの知識がなく、初心者です。
ネットで調べたコードをコピペして少しづつ変えていこうと考えていました。
ですが、期限もあと1週間なので、このサイトを頼ることにしました。
言葉足らずと知識不足で申し訳ないですが、ご理解の上、ご回答よろしくお願いします。

VBA　ルーレット　抽選

```python
test_data_list.append([0] + diff(extract(teimg, 1)) + diff(extract(teimg, 2))  + diff(extract(teimg, 0))) # 略
```
test_data_listはリスト、diff,extractは関数で、
この処理の結果、test_data_listは1次元のリストになります。

今、単一のteimgにこの処理を行っていますが、teimgをteimg[i]などとして、各i=0,1,2,3,4,5…に対し処理を行い、二次元リストtest_data_list[j][k]（jにtest番号、jに各testが含有する数字の集合）を作成したいのですが、
二重リスト内包forで書くにはどうすれば良いのでしょうか。

```python
test_data_list = [[0] + diff(extract(x, 1)) + diff(extract(x, 2))  + diff(extract(x, 0))) for x in teimg]
```
とかしてまだめですよね？