ぎょーむ日誌 2005-08-(01-10)
2005 年 08 月 01 日 (月)
-
0640 起床．
沖縄出張四日目．
朝飯．
コーヒー．
琉球大の辻さんから渡されたアリ論文原稿をひたすら読む．
単純な格子モデルなのによく理解できんな
……
ああ，
これって中丸式の独特な計算手順 (とその表現)
か，
と徐々に思い出していく．
少なくとも手順は完全にわかった．
-
1000 高田さんとホテル発．
晴．
市内やや混んでる．
1040 琉球大学農学部着．
タクシー 2400 円．
3F エレヴェイターでたところで辻さんとばったりお会いする．
院生の皆さんがおられる「昆研」部屋に案内していただく．
しばらく待つ．
動物の生態学研究室の関心のありかを表現している，
黒板の不思議な図をながめる．
[にっち図?!]
中央上部の御名は青線に対応しており
(先日の「sexual amusement」発言にも?)
……
赤線に関しても右のほうに名前かいてあるんだけど，
恐ろしくてモザイクがけでも掲載できない．
-
辻さん・高田さんとアリモデリング談義．
まずは先日のアリ会議や (私が今朝読んでた)
アリ論文原稿の疑問点など．
なにしろ当方はアリについて何も知らないんで，
いろいろと基本的なことなどお尋ねしてみたり．
-
昼飯は農学部横の北生協で調達．
研究室にもどって食べる．
-
昼飯後はとりまとめの方向など検討しつつ．
[アリ部屋]
1500-1630 辻さんが大学の会議に出席されたのでいったん中断．
待ち時間のあいだ，
また論文原稿などよんだり，
研究室のアリ育成部屋など見物させてもらったり
……
このアリどもは「コロニー間アリけんか」
実験のため飼われている．
-
夕方は私が担当することになる空間構造モデルまわりなどを重点的に．
アイデアはいろいろある．
しかし観測データがほとんどないんだよね．
-
データがないんで，
モデルはますますアヤしげなものになる．
過度な単純化とか．
-
しかしアヤしげ単純モデルだからといって，
わかっているかぎりの生物学的なプロセスは反映させたいところだ．
完全にマトはずれな単純化を防ぐためである．
-
たとえば次のような項目は重要だと思ったんで確認してみた．
-
ある子供 (メス)
がワーカーになるのか女王になるのか，
誰が決めるのか?
→
ワーカーが決めるらしい;
ただしアリの中には biased egg
なる将来女王専用卵うむものもいる;
ただし成虫になってからは女王が
「女王ホルモン」
(後記:
これって「女王ふぇろもん」のまちがいだよなぁ
……)
によってワーカー (メス) の繁殖個体化を妨げるらしい
-
巣のサイズ (ワーカー数など)
に依存して行動を変えることがある;
どのようにしてサイズを知るのか?
→
女王は巣内パトロールとケミカルの組み合わせで
サイズを憶測できるらしい;
ワーカーは女王パトロールを利用?
しかし女王欠失巣ではどうやってるか不明
-
多女王アリの場合，
誰が巣内の女王を決めるのか?
→
女王らしい;
女王ホルモンと女王どうしの殺しあいで
-
誰が性比を決めるのか?
→
女王アリはオス (n)・メス (2n)
の産みわけができる;
しかしそのオスを育てるかどうかはワーカーが決める;
そこでアリの種によっては
オスの幼虫がメスに擬態するものもいる
-
多女王・多巣なアリ，
とくに tramp ant
(放浪性アリ --- 外来性侵入性アリはその一部)
では分巣 (budding)
が重要である;
だれが分巣 event の発生・移住先を決めるのか?
→
これまたワーカーが決めてるらしい;
しかし巣が撹乱うけた場合は多女王コロニーでは
女王がさっさと逃げ出す，
とか
などなど．
-
このように整理すると，
ワーカーたちがアリ集団の挙動をきめる上で重要らしい，
とわかってくる．
社会性昆虫の女王とワーカーというと主君と奴隷，
のように思われるかもしれない．
しかしそうでない見かたもありうる．
つまり女王というのは「産卵専門カースト」
でエサを与えられてひたすら卵を産んでるだけ，
という描像だ．
卵をどう産ませて，
産まれた卵をどう育てる
(あるいは食ってしまう)
かはワーカーたちが決めているわけで．
-
こういったワーカーの機能と権限の整理はモデリングに有用なのである．
たとえば上記の分巣 (budding)．
これまた，
まだ詳細はわかってないんだけど，
ワーカーが主導してるらしい．
-
ワーカーが新分巣地を決める:
おそらくエサ場ちかくの巣適地
(岩の下など)
に出入りするようになる
-
たぶんそこを「前進基地」のように利用する?
-
そこの環境が良いと，
ワーカーとしてはもっと多くのワーカーがほしくなる?
-
そこで「卵製造機」である女王の尻をたたいて動かす，
もしくはもっと直接的に輸送する
(実際のところ女王がワーカーたちに新しい分巣地に
「運搬」されたりするらしい)
単純化されたモデルの中での「分巣」event の発生のさせかたも，
上のような実際にありそうなプロセスの影響をうける．
たとえば，
空き地がある場合にしか分巣はおこりえない，
とか．
-
長々とおじゃましてしまったけど，
本日はこのあたりでおひらき．
1845 農学部発．
1850 琉大北口でてすぐのこんびにに待機してるタクシーに乗る．
1910 渋滞する国際通り東側で降りた．
1950 円．
高田さんたっての希望で公設市場で
(高田さんの)
みやげもの買い・晩飯．
[第一牧志公設市場]
というのがある．
位置は国際通り沖縄三越前の市場通りを入ったところ．
-
2030 宿にもどる．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0720):
宿の朝飯バイキング．
書き忘れてたけど，
ここの朝飯はそれほど沖縄的ではない．
- 昼 (1230):
生協にぎり飯二個．
- 晩 (1950):
第一牧志公設市場 2F の飯屋でタコライス．
600 円．
[タコライス]
これまた沖縄独特な食べもの．
タコスのトルティーヤのかわりに飯を使っている．
タコの切れっぱしがはいってるのはだじゃれか?
[沖縄ちゃんぽん]
といっても麺類でなく飯ものである．
これは高田さんが食ってたもの．
野菜・スパム炒めの卵とじにソーキならべて飯の上にのせたもの．
2005 年 08 月 02 日 (火)
-
0630 起床．
沖縄出張五日目．
といっても今日は札幌に帰るだけなんだが．
2F 大浴場で風呂．
朝飯．
コーヒー．
アリ出張の整理．
-
1000 宿発．
晴．
沖縄日和，
とでもゆーか．
1005 ゆいレール県庁駅前着．
1010 同発．
1022 那覇空港着．
みやげもの買い．
チェックイン．
検査ゲイト通過．
なんと那覇空港には国内線搭乗口にも免税店あるのか．
酒類は売ってないけど．
-
またアリ出張のまとめとか．
落雷のような轟音をたてて F-4EJ (空自の戦闘機)
三機編隊が二回離陸していく．
訓練か?
-
羽田空港の「レーダー故障」とのことで
(これは 1133 に生じた管制塔停電 (!!) なる事故だった)，
1230 出発のはずの飛行機が動かない．
-
1255 その ANA126 便に搭乗．
1320 離陸．
B-747-400．
かなり満員．
お子様たくさん．
客室乗務員の皆様苦闘しておられる．
なぜかしらぽけもん映画の機内上映．
つくづく ANA はポケモンと癒着してるな
……
と思ったけれど，
これでお子様がたは静かになる．
なるほど，
いろいろ使いみちがあるんだな．
-
機内ではひたすら辻さんのモデル案の詳細検討．
まぢに考えはじめると，
個々のワーカーが動きまわって相互作用している
個体ベイスモデルにせんといかん．
たぶん最終的にはそういうの作らんといかんような気がする．
技術的にはまったく簡単だけど
……
必要な観測データほとんどない
のがすごくアタマいたいところだ．
-
しかしいきなりそういうモデルやるのも，
発注者・辻さんの意向にはそってないだろう
……
ということで，
まずは発注者のアタマの中の描像にあわせて巣ベイスモデルだな．
個体ベイスモデルで考慮すべき過程モデルを
巣ベイスモデルのものに直していく．
密度依存な部分は現象論的にせざるをえないけれど，
それ以外は「いかにもモデル屋的な」
ばかげたモデリングはやらなくてすむかも．
うん．
基本設計はだいたいできた．
-
ぢりぢりと関東にちかづくも浜松沖で空中待機 (HOLD)
を命じられてるよーで．
「着陸までさらに 50 分かかります」
とアナウンスされたり．
結局，
そこまでは待たなくてよかったけど．
1622 羽田着陸．
予定より 90 分おくれ．
-
とうぜん当初の乗り継ぎ便は使えない．
ANA 係員に案内された端末で航空券を変更してもらう．
地上係員のひとたちはてんてこまい状態だ．
那覇から乗ってきた機体はそのまま千歳行きになるようで．
[羽田のおつかれジャンボ機]
我々を那覇から運んできて，
さらにそのまま休みなく札幌行き便として準備してるところ．
後方の政府専用機 (尾翼に日の丸の B-747)
は何じゃろ，
と思ったんだけど
……
夜帰宅してからラジオのニュース聞いてたら，
皇太子殿下がサウジアラビア弔問に使う，
とわかった．
-
1710 ANA73 便に搭乗．
こんどは 80% ぐらいの搭乗率か?
1745 離陸．
またアリモデル基本設計詳細のみなおし．
1900 新千歳空港着陸．
雨．
あずけてた手荷物は問題なく回収できた．
1934 JR 快速エアポートに乗って同発．
2015 JR 札幌着．
雨．
2030 帰宅．
買いもの．
晩飯．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0710):
ホテルの朝飯バイキング．
- 昼 (1350):
機内でにぎり飯．
- 晩 (2200):
米麦 0.8 合．
麻婆豆腐．
コマツナあえもの．
2005 年 08 月 03 日 (水)
-
0700 起床．
朝飯．
コーヒー．
洗濯．
0910 自宅発．
あいかわらず雨．
お，
北12条駅横のパン屋「北欧」が閉店 (7/31)，
か．
0925 研究室着．
-
うだうだとメイル書きとか．
いかん，
なかなかアタマがきりかわらん
……
-
うだうだと午前は終り，
昼飯．
-
1310 ごろ，
いきなりネット断線．
またかよー
……
1345 ごろ復旧．
なにがあったのか，
例によって不明．
-
アカマツ原稿さっさと投稿すべきなんだが，
なぜかアタマの中がアリの巣に支配されてしまってですね
……
-
さすがに数時間ついやすと多少の前進はあった，
かも
……
-
単女王・単巣なアリの利点，
というのがどこにあるのかわけわからん
-
ひとつのアイデアとして，
多女王・多巣なアリの利点にみえる
「ワーカー移動分配」
(これもモデルにとりいれる)
こそが多女王なアリたちの欠点，
と考えればいいのかもしれない
-
つまり巣が「自壊」するので，
「自壊」しない単女王の巣との競争に
(局所的には)
負ける，
と
-
すると撹乱のはいりかた，
というのが重要になるわけだが
……
-
これまでの中丸・辻モデルで考えてるよーな
(ありがちな)
「見た目でわかる」
式の空間的な撹乱は理論的にはあまり適切でなさそーな
(そしてたぶん現実にも合致してないだろう)
-
そもそもそんなに簡単にある地点のアリを根絶できるんなら，
誰も外来性侵入アリなんぞに苦闘したりはしないわけで
-
改良案としては
……
各地点の撹乱の頻度と強度を指定する方式のほうが
まだしもマシではなかろーか?
-
いかん．
他にいろいろやるべきことがあるのに，
そちらは何も進捗しなかった
……
琉球アリばてか?
2000 研究室発．
まだ少し雨．
古本屋にとらっぷされてしまった．
2130 帰宅．
晩飯．
-
また北大，
とゆーか地環研用のルーターがぶちこわれてるな．
いいかげんにしろ，
というかんぢだ．
2330 ごろから翌朝 0830
まで途絶していた．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0750):
米麦 0.7 合．
麻婆豆腐．
コマツナあえもの．
- 昼 (1250):
研究室お茶部屋．
パン．
麻婆豆腐．
- 晩 (2340):
米麦 0.7 合．
ネギ卵炒飯．
ミニトマト．
コマツナあえもの．
2005 年 08 月 04 日 (木)
-
0730 起床．
朝飯．
コーヒー．
0900 自宅発．
まだちょっと雨．
0915 研究室着．
-
起動状態よろしくない．
自分の．
-
腐れ北大ねっとに関する報告がよーやく出た．
例によって学外からは見えん場所にこそこそと．
●北大ネットワーク障害について
2005/08/03、13:12〜13:50頃および2005/08/03、23:30頃〜2005/08/04、08:17、
北大のネットワーク障害が発生しました。(現在は復旧しております)
ネットワーク機器の故障が原因と思われますが、現在も引き続き原因を調査中です。
ご迷惑をおかけして申し訳ございません。
全学規模だったのか?
何がどうなったのか，
とゆー報告のていをなしてない．
あいかわらずわけわからんな．
-
とりあえず放置雑用に着手．
生態学会事務局のメイルアカウントがどーのこーの，
といった．
-
こちらからメイルおくってもぜんぜん届かないんで，
こりゃいったい
……
といろいろ調べまわったあげく，
ぢつは
また北大
側が壊れていた，
と発見した．
どーりでいくらテストメイル送ってもとどかんはずだ．
●メール配信に遅延が発生しております
2005/08/03〜04、北大ネットワーク障害に関連して、現在、北大メール配信システムに
数時間程度の遅延が発生しております。
徐々に回復に向かっておりますが、復旧までもうしばらくお待ちください。
毎度毎度のことながら進歩のない連中だねぇ．
「●」
がばかっぽさをひきたてている
……
じつは北大情報基盤センターの連中はまともな
HTML
もかけないんだよね．
-
学外メイルアカウントからメイル送受信テストで，
事務局アカウントに問題なしとわかった．
それもまた学外から連絡．
-
うーむ
……
学内&学内で試験送信したメイル，
一時間以上かかって到達した．
-
ばて感つのってしまったんで，
いつもより早めの昼飯．
-
アカマツ原稿どうにかしたいんだけど，
アタマがきりかわらん．
-
メイル送受信 (北大ではいり)
三時間ぐらいの大渋滞状態．
-
おーぷん大学のポスター回収しにこい，
と研究科事務から呼び出される．
回収して 8F にはりつける．
[ぽすたー]
とりあえず防火扉にはってみたり．
-
1700 ごろメイルサーヴァー
(というより mail gateway server とやらがまた腐っていたんだろうな)，
ぼちぼちと復旧しつつあり?
-
アカマツすすまんので，
あとまわしにしてたメイル返信に先に着手してみる．
6-7 通ぶんあるな．
さすがにこれは進捗する．
-
先日
の quasi-likelihood 議論に関して，
山口典之さん
からいろいろとコメントいただく．
われながら
quasi な問題についてあれこれど忘れしてて驚いてしまったわけなんだが
……
とくにベータ二項分布と (Williams の) quasi-likelihood
まわりについては
粕谷さん
から何度も教えてもらってるんだけど，
なかなかアタマに入らない．
-
以下，
山口さんの指摘うけて粕谷さんに以前いただいた
quasi-likelihood メモを見直しつつ
……
Williams の quasi-likelihood とは
先日
検討していたモデル (overdispersion な二項分布)，
となるような擬似尤度である．
これは
ベータ二項分布
(とゆー確率分布)
の平均・分散と一致する．
-
このあたりをあつかった Williams の論文とは
(1982 年のものだけど JSTOR でダウンロードできる):
-
Williams, D.A. 1982.
Extra-binomial variation in logistic linear models.
Applied Statistics 31: 144-148.
-
で，
これも昨年
(2004-12-04)
すでに粕谷さんから指摘されていたんだが，
そのあたりの性質をつかって
(つまりベータ二項分布と quasi-likelihood の平均・分散が同じである，
とゆー性質を利用して)
なにやら overdispersion GLM な計算するのが，
R
の
dispmod
package である．
-
いやー，
われながらよくもまあアタマからいろいろと関連づけがぬけおちてることよ
……
その理由は，
まーなんといいますか「quasi-likelihood estimation 軽視」
というような久保ぽりしーが反映されてるんでしょうなぁ．
なるほど自分の研究では quasi な方法つかわん可能性は高い．
しかし
R
でおてがるに quasi な推定計算できる状況になっている以上，
このあたりの問題からは「わからん」と逃れることはできないんだよね
……
-
てなかんぢでオワってしまって，
2120 研究室発．
2145 帰宅．
2305 自宅発北大構内走．
2345 帰宅．
体重 74.6kg．
晩飯．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0810):
米麦 0.7 合．
ホッケ電磁波蒸し．
コンブあえもの．
- 昼 (1200):
研究室お茶部屋．
米麦 0.5 合．
ホッケ電磁波蒸し．
コンブあえもの．
- 晩 (2410):
蕎麦．
ミニトマト．
モヤシ・ニラ・エノキダケ・卵の炒めもの．
2005 年 08 月 05 日 (金)
-
0810 起床．
朝飯．
コーヒー．
0910 自宅発．
晴．
札幌市内でも 30°C
突破．
さすがに暑い．
0925 研究室着．
-
quasi likelihood 勉強でうだうだしてみたり．
-
なんだかよくわからないハナシにまきこまれたり．
-
お茶部屋で井田君とマルハナバチ訪花モデリングの検討．
実際に観測された連続訪花数が幾何分布でうまく説明できそうかどうか，
というようなあたりをごく簡単化した推定計算や，
parametric bootstrap 法で調べていく
……
もちろん
R
でいろいろやってるわけで．
-
すでに 1400 すぎか．
昼飯調達のため北大生協へ．
あいかわらず晴．
暑い (といってもこの時点ですでに
30°C
未満になってたようだ)．
研究室にもどって昼飯．
-
biometry
にけっこうアタマいたい質問．
さーて，
誰が回答するかな
……
-
暑い．
アカマツ原稿ぢりぢり直す．
アップロードして，
メイル連絡．
また原稿みなおす．
-
これが，
いつものごとく，
なかなか進捗しないのである．
いやはや．
-
2030 研究室発．
2045 帰宅．
-
さいきん，
amazon.co.jp で古本買うことが多くて，
ですね．
いわば Amazon のシステムを使って
全国の古本屋から通販で本を買ってる，
という状況だ．
Amazon そのもので新刊本を買うと，
宅配便で配達されることが多いのが私には不都合なんで
……
というのも，
配達時間 (指定できない) に不在のことが多くて，
ですね．
その点，
古本あつかう Market market place
で購入した品は郵便か宅配会社のメイル便で配達される．
これは私にとってすごく便利なのである．
-
本日とどいたのは，
「アリはなぜ、ちゃんと働くのか」
(原題: Ants at works, Deborah Gordon 1999)
という文庫本．
先日からアリの個体群データとかない，
とうだうだ書いてるんだが
……
Gordon の調査ではコロニーまるごと掘り出して
(!)
コロニー齢別のアリ数の推定だの，
空間構造に依存したコロニー間相互作用だの，
ぢつにいろいろと調べられている
……
-
本邦では誰かこういう研究やってないもんかね．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0830):
米麦 0.7 合．
ミニトマト．
モヤシ・ニラ・エノキダケ・卵の炒めもの．
- 昼 (1420):
研究室お茶部屋．
北大生協サンドイッチ．
- 晩 (2250):
蕎麦．
モヤシ・ニラ・エノキダケ・卵の炒めもの．
ホッケ電磁波蒸し．
2005 年 08 月 06 日 (土)
-
0740 起床．
朝飯．
コーヒー．
怠業．
-
お．
完全なる曇天．
気温も低い．
25°C
未満．
ということで 1040 自宅発北大構内走．
1200 帰宅．
体重 74.0kg．
昼飯．
-
1335 自宅発．
晴．
暑い．
1350 研究室着．
-
アカマツ原稿みなおし．
-
まー，
もーいーか，
といいかげんなキモチで Ecological Modelling への電子投稿を試みる．
いろいろファイルなど準備．
latex2rtf
とか必要か?
(そういう変換は不要，
とあとになってわかった)
-
で，
てきとーにやってしまったんだが
……
うーむ，
どうも根本的に方法をまちがえてしまったよーな．
Elsevier の査読用
PDF ファイル生成サーヴァーが壊れてしまったような気がする．
とほほ．
しばらく待つしかない．
-
嗚呼，
ごみクズみたいなわーど format なファイルだったら失敗しなかったのかしらん，
などと思うと憂鬱だ．
この悪しき時代．
ハリ=セルダン
の心理歴史学
(psycohistory)
を使えばかかる暗黒時代があと何年つづくのか推定計算できるのだろうか．
-
お茶部屋で井田君と雑談．
うーむ，
謝金がらみのことは雪野さんにいろいろお尋ねしてみる必要があるな．
-
なかなか自動化度の高い Elsevier から自動発信警告メイル．
PDF server は一時間ちかく (?) 奮闘したあげくエラーだして止まったようだ．
さーて，
ここからどうするか，
だが
……
-
しかし 15 分ほどでこの問題は片づいてしまった．
-
あんちわーど & LaTeX なヒトたちの
Elsevier のネット投稿の手順，
2005 年 8 月 ecomod とりあえず版．
準備するもの．
-
LaTeX → (platex など) →
DVI file → (dvipdfmx) →
PDF file
な論文原稿 (図表ぜんぶいり)
-
論文の keyword list
-
Cover letter
(私は LaTeX → PDF file で準備した)
-
査読者候補 4 名の名前・連絡先
先方がうけつけてくれるファイルの種類としては
……
おそらく PDF file (これは確認ずみ)，MS 腐れおひす file のたぐい，
など．
で，
おそらく LaTeX ファイルそのもの，
RTF ファイルなどは受けつけてくれない．
-
で，
手順としては:
-
Author login する
(login アカウントなければ作る)
-
指示にしたがって論文形式や keywords など入力
-
Comment 入力の指示にあるように査読者候補をいれる
(必須)
-
原稿 PDF file と Cover letter など
必要なファイル全部を手もとで
tar zcvf
で tar.gz 化してまとめる
(zip でもよい;
図表を別ファイルにしてる場合は
それらもいっしょにまとめる)
-
これをアップロード
(個々のファイルをひとつずつアップロードしてもよい)
---
カシこい Elsevier server は
tar.gz
をほどいて内容一覧をしめす
-
アップロードしたファイルの順番などならびかえる
-
Elsevier の server に査読用
PDF ファイルの生成を命じる
---
これは時間がかかったりする;
ここでいったん logout しても問題ない
-
Web browser 上で PDF file 生成が終了したと示される
---
あるいは終了通知メイルがくるので
再 login して作業を続けてよい
-
もしここで PDF file 生成に失敗した場合は
アップロードしたファイルの
「何がマズかったのか?」
を検討してダメファイルを削除，
4. にもどる
-
Author approval なモード:
まず生成された査読用 PDF file の内容を確認してから
approval
-
作業終了
途中で失敗した場合:
-
何度でもやりなおせる
-
とちゅうで logout しても問題ない
-
いったん入力した内容はきちんと保存されている
-
そしてこれらは再編集・削除可能
なかなか良く考えられているシステムだと思う．
-
これにて一件落着．
1940 研究室発．
2005 帰宅．
晩飯．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0800):
パン．
- 昼 (1240):
蕎麦．
ミニトマト．
ホッケ電磁波蒸し．
- 晩 (2020):
パン．
ミニトマト．
ネギ・ニンニク茎・豆腐の炒めもの．
2005 年 08 月 07 日 (日)
-
0800 起床．
朝飯．
コーヒー．
また怠業．
-
お．
今日も曇ってきたな．
1110 自宅発北大構内走．
夏は代謝速度が高くなるのか
……
走ってる途中に急に空腹になることがある．
いわゆるシャリばて．
1205 帰宅．
体重 74.4kg．
昼飯．
-
まーた冷蔵庫の製氷部分に厚さ数センチの結氷．
中身とりだして電源おとしてドア開放して下に洗面器おいてしばらく放置．
一時間以上かかる．
小人閑居して不善を為す，
ということで先日の biometry への質問投稿への返信．
これまたちょうど一時間ぐらいかかった．
-
結氷はがしが終わったのに小人閑居もーどがつづく．
来月の 統計関連学会連合大会
の見物 (ホントに見物だけになってしまうわけだが)
に行こうかと思ってんだけど
……
参加するとして宿泊どうしようかナヤむ．
大会会場がですね，
広島市内とはいえ
宇品のプリンスホテル
ってへんぴなとこなんだよね．
ぢゃあ，
そこに泊まればいいぢゃん，
とゆー案もあるんだけど
……
得失を勘案すると難しい．
よさげなところは
-
元宇品公園横にあり，
うんどう不足にならずにすみそう
---
ジョギングコースいろいろありそう
-
無線 LAN は使える
(hotspot)
-
(ホテルが大会会場なんで)
移動しなくてよい
しかしウラをかえせばヤなところになるわけで
-
びぢねすほてるではなく観光地なんで値段高い
(さらに飯もここで調達するとなると……)
-
有線 LAN ない
-
逃げ場 (?) ない
うーむ
……
-
ぢゃ，
会場から離れててもいーから，
良さげで LAN 使えるところ，
と探してみるんだが
……
広島市って意外とないんだよねぇ．
-
あれこれ検索．
ウェルシティ広島
(広島厚生年金会館)
ってどうかしらん．
一泊 8300 円ってべつに安くないぢゃんと思われるかもしれないけど，
ぢつは「厚生年金被保険者」なる連中は 6900 円ですむんだよね．
-
さーて，
問題のネット環境だけど
……
楽天トラベルの「モジュラージャック、インターネット接続 (LAN形式)」
なる記述はいまいち信用できん．
自サイト
には何も記述ナシ．
不安．
しょうがないので電話
(082-243-8881)
で確認してしまった．
なんとゆーか，
電話ぎらいのくせにそこまでして，
とは思いつつ
……
あ，
なるほど，
ホントに LAN の DHCP 接続でしたか
(ケイブル貸し出しアリ)．
まあ，
公園とかも近くにないわけではないし．
平和記念公園
とかだけど．
-
1550 自宅発．
曇．
1605 研究室着．
-
来月のすけぢゅーる (しかも「見物」だけ，という)
を今ごろ確定してまっていいのだろうか，
と疑いつつ
……
まあ，
急にダメになったり
「広島なんか行ってる場合では」
と追いつめられたらもうあきらめましょう，
ということで準備をすすめる．
-
まずは
参加申し込み．
大会参加費 4500 円．
懇親会 5500 円，
か．
どうしよかな．
ぢつはこの統計ゆにおんってほとんど知人いないんだよね．
まあ，
根性で「参加」にするか．
-
で，
支払いはクレジットカードでできる，
と
……
生態学会関連がくれぢっとかーど決済になるのはいつのことやら．
何やら三井住友 VISA の
V-payment
なるサーヴィス使っているな．
「学会センター」って，
まさかあの
……?
-
北大生協
で航空券手配．
これはいつものごとく．
-
宿泊予約
……
ここに
「モジュラージャック付き LAN 設備」
とか書いてあったんだけど
「もぢゅらー」なる表現がちょっと不安だったんだよね．
厚生年金な施設のオンライン予約アカウントでログイン．
予約．
どうか一ヶ月後にすけぢゅーる破綻にやられていませんように，
と．
-
雑用というか，
なんというか，
ともかく一件落着．
-
さて，
(昨日とりあえずの一区切りとなった)
アカマツに予想外にてこずってしまって，
すけぢゅーりんぐの再考をせまられているところである．
-
今年前半の目的としては，
前年の釧路大会雑用
(cf. 一年前のぎょーむ日誌)
でこうむった被害を圧縮し，
これまでの仕事の「不良債権化」
(計算やったけど論文として出て行かない)
を阻止する，
という基本方針で．
-
さて，
この基本方針にもとづいて
-
苫小牧 leafminer 寄生モデリング分担ぶんの再計算とまとめ
-
苫小牧樹木直径成長モデルの解析まとめ
(こちらも再計算必要?)
を優先し，
「新しいこと」
にはできるだけ手をださないことにしたかったわけだが
……
-
しかし今までのんびりしすぎてしまったので，
どうも今月あたりはそうも言ってられなくて，
「新しいこと」
を先に始末しちまったほうがいいかも，
というその場しのぎな状況に追い込まれつつある．
時間順で考えると
-
井田君の計算したうけ:
混合幾何分布の最尤推定など
(3-4 日間ぐらい?)
-
8/18-8/23 (?) 小林さんがこちらに来られるので:
母子里葉群の三次元分布の MCMC
推定計算の基本わくぐみの構築
(10-20 日間ぐらい?)
-
ツガザクラ下請けモデリング:
ECOAS
「生物相互作用に着目した高山・亜高山生態系の
脆弱性評価システムの構築に関する研究」
なアレ
(どれだけの労働時間を費せばいいのか，
まったくわからない)
あたりか．
1. は
進化学会大会 (仙台) がらみなんで，
さっさとどうにかしたい．
2. は「モデル屋に仕事させる」方法論にますます熟達しつつある
小林さん監視下での作業なので逃れられない．
いっぽうで，
3. は河田さんがらみなので逆に進化学会大会が終るまで
(あるいはその後の
あとしまつ・雑用ばて・もえつき期間
も含めてよい?)
放置しといてさしつかえなさそう．
しかしながら，
それ以上の
サボタージュ
はかえって危険な気がするのである
(計算のみとおしがまったくたってないんで)．
-
これらの
「新しいコト着手」
がアブないと見なされる最大の理由は，
論文書きとかやってるよりよほど
面白くてそれゆえに中毒性というか依存性が高くてぢゃんきー
……
ということにつきる．
ひどく危険だ．
-
しばらく放置しても文句いわれそうにないのは
……
先日のアリコロニー戦争とかかなぁ．
PipeTree
の
gcc-3.x
ばぐとか早く修繕したいんだけどね．
そして MCMC な推定計算の実用化研究，
とかも．
今年度の修論下請けなんかはすごく不安なんだが．
-
まずは混合幾何分布，
と思ったんだけど空腹になってきたんで撤退することに．
1935 研究室発．
買いもの．
2005 帰宅．
晩飯．
-
で，
混合幾何分布の推定問題について検討してみる．
-
そうさなー，
世の中には
beta geometric distribution
とかヘンなこと考えてるやつとかってたくさんいそう
……
と検索してみたら論文になってるのは少なかった．
やはり使いにくいからだろう．
-
で，
使いやすさで考えると
……
gaussian logistic geometric distribution
とか?
さすがにこんなめちゃくちゃな名前を使うやつはいなかった．
ぢゃ，
mixed geometric distribution
ならば?
これは多少あるな．
-
などとばかげたフレイズどもをアタマの中でひねくってるうちに
……
いやー，
けっこういい計算方法おもいついてしまいましたよ!
一言でいえば，
幾何分布
系のパラメーター推定も
glm()
系の関数でやっちまえばいいんだ，
ということ．
推定だけ
ならば．
-
R
には幾何分布のパラメーター最尤推定用の関数はない
(ま，
そのうち誰かが CRAN
に登録するだろうけど)．
ましてや混合幾何分布をや．
しかしながら，
ここで発想を少しきりかえると
glm(..., family = binomial)
だの
glmmML(..., family = binomial)
だので幾何分布のパラメーター最尤推定計算がきちーんとできてしまう，
とゆー理解に到達するわけで
……
-
もうちょい詳しい説明は明日のぎょーむ日誌にでも．
ともあれ，
混合幾何分布推定のため対数尤度を最大化する
optim()
よびだす関数をこしらえないといかんのか面倒面倒だなと思ってたんだけど，
なんのこたァーない
glm() とか glmmML()
でケリがついちゃうとはね
……
「戦わずして勝つ」
「兵は詭道なり」
(孫子)，
は大げさか．
-
うん．
これはきっと昨晩，
荒木飛呂彦の新刊
「スティール・ボール・ラン 5」
読んだ御利益にちがいない．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0830):
パン．
ネギ・ニンニク茎・豆腐の炒めもの．
- 昼 (1240):
蕎麦．
- 晩 (2110):
パン．
タマネギ・ニンジン・ピーマン・エリンギ・豚ハツのカレー．
2005 年 08 月 08 日 (月)
2005 年 08 月 09 日 (火)
-
0800 起床．
朝飯．
コーヒー．
朝からいきなり三次元問題に問題に没頭してしまう．
0930 自宅発．
晴．
0945 研究室着．
-
また三次元問題うだうだ考えるつづける．
しかしながら，
このあたりは
(とりあえずは)
しばらく放置する
(理由は後述)．
で，
安心して放置
するため現時点の三次元計算についての考えを少しだけ書いてみる．
ここでいう三次元問題とは三次元空間内の
局所明るさ計算
のことである．
-
このあたり，
愚直にやってみせる方法のひとつは (上記リンク先)
にもあるように，
こういう計算するやりくちだ．
-
しかし世の中いつでも愚直にやりゃいいってもんぢゃない，
というのが面白いところで．
たとえば
昨年の 3 月
ごろに検討してたように，
森林のほうを「回転」する手ぬき計算のほうが便利なこともある．
[円盤状葉群]
林冠がホントに傾いてるわけではなく，
こういう射影林冠によって
「ナナメ上に光源があるときの光減衰」
の様子を計算してる状況を図示したもの．
葉群にぶちあたると光柱が削りとられる，
という電算機図による比喩表現．
-
また，
アイデアだけで止まってるんだけど
今年 1 月
ごろに検討してた，
「光子」を格子状にならべてまとめて動かす，
という方法も可能だ
……
ただし今朝になってこれを再検討してみたところ，
境界条件に制約があるとわかった．
反射境界条件のときにうまく計算できないのである．
-
今朝またうだうだと考えてて新しい計算方法の variation
を考えついた．
こういう計算するときは，
たとえば下の図のように天球分割するんだけど
(ぎょーむ日誌 2004-03-03
より)
……
-
その新しく考えついた方法というのはいわば
「視線角度離散化」
法とでもいうべきもので
……
これまた検討してみる価値ありそう
(ただし標的の形状が複雑な場合には計算おそくなりそうだ)．
[視線角度離散化]
標的を貫通する視線がどの天球区画にあたるか，
を角度離散化で近似的に探索しよう，
という考えかた．
あらかじめ「この角度ならこの区画」ってのを計算して準備しとく．
これはどえらく大変だけど，
いったん角度→区画の対応がつけばそれ以降の計算は速い．
-
このように，
三次元計算についてはいろいろと工夫すべき余地があるんだけど
……
母子里問題に関してはしばらく放置する．
というのも，
母子里モデリングについて昨日
「難しいところ」
としてあげたよーに
-
三次元計算
(しかしプロトタイプは
「世の中なんでも一次元に決まってるんだ」
群落光合成モデル
で代用する手口も可能)
-
三次元葉群配置をある種の Gibbs 点過程とみたてる
Markov Chain Monte Carlo (MCMC) 計算
これら二頭のモンスターを同時に相手どるのは得策ではないからだ．
分割して独立にたちむかうべきであろう．
-
ならばどちらが先か
……
と考えると MCMC 問題について検討したほうがよさそう．
こちらのほうが難しいからだ．
全体の設計も MCMC 計算手順に依存している．
それに対して，
三次元計算などはあとからいくらでも交換可能な「部品」にすぎない．
-
……
というふうにまじめに仕事すればいいのに，
また横道にそれてしまった．
Perl とかで PNG 画像ファイルの「サイズ」
(幅と高さのピクセル数)
を CPAN もぢゅーる使わずに取得するにはどうしたらよいか?
とほほの WWW 入門
の
ラウンジ
のやりとり
(2003 年 3 月 --- ここには GIF ファイルサイズ取得のやりかたが
具体的に示されている)
参考にこういう関数作ってみた．
これでうまく動作する．
sub getPNGsize
{
# GIF ファイルの場合 (big endian, unpack "VV")
# OFFSET 6 から 2 btyes に幅
# OFFSET 8 から 2 bytes に高さ
# PNG の場合 (little endian, unpack "NN")
# OFFSET 16 から 4Bytes で幅
# OFFSET 20 から 4Bytes で高さ
my ($file) = @_;
my $size;
open PNG, $file or die "ERROR: Can't open $file";
seek PNG, 16, 0;
read PNG, $size, 8;
close PNG;
my ($width, $height) = unpack("NN", $size);
return ($width, $height);
}
R
だったら readBin()
関数とか使うのかな?
-
またまったく関係ないハナシ．
Ecological Modeling の user login と
Elsevier の author gateway のアカウントはまったく別モノ．
おそらくどちらからでも投稿できる．
しかしながら，
前者では tracking できない．
-
昨日の航空券問題，
なぜかしら広島→札幌直行便がとれたらしい．
昼飯調達ついでに北大生協旅行部へ
……
いったつもりだったんだけど，
印刷部のカウンターで「航空券ください」
などと言ってしまった．
まぬけだ．
えー，
しばらく前から旅行部はクラーク会館から生協本部に移ったんでしたね．
いやはや．
-
1345 航空券うけとり．
ついでに書籍部うろうろ．
昼飯買って研究室にもどる．
昼飯．
-
雪野さんと事務あれこれ相談．
謝金がらみはてきとーにやればよい，
とのこと．
ついでに今年度の名簿についてお尋ねしてみると
……
なんと個人情報保護法がらみで，
今年度から研究室の名簿とか作るのも
(もし厳密に法律どーりにやるなら)
ちょい面倒なことになってしまったよーで．
そうだったのか．
私が HTML file 生成させた
地球環境 A 棟……人たち
とかも厳密にはヤバいのかも．
-
今日も院生密度ひくいな
……
と確認してからお茶部屋ソファにひっくりかえって
ぢゃーなるとかながめてみたり．
これは客観的にはなまけてるように見えるし，
主観的にもりらっくすにツトめているわけだが，
その潜在的なココロは上の面倒な計算と対峙しているのである．
-
すると防空識別圏内側に女性大学院生がまったく突然に出現し，
潜在的なココロで難問とのニラみあいを続けていた当方を驚かせる．
「研究室に外づけ HDD ないでしょうか?」
とのご質問．
いや，
ないんではと回答した後におとずれた重苦しい沈黙．
後方にぢりぢりと撤退しつつ
その意味するところを検討するうちに，
これは
……
これはさっさと買ってこい，
というメッセージなのだろうかそうなのかもそうにちがいない
という不安感の耐えがたさに視界が暗転し，
ふと意識が回復したときにはまた北大生協の店内で
あれこれ物色している自分を発見した．
-
ふーむ，
店頭には Logitec と Buffalo しかないな．
Buffalo HD-P80U2/UC
買ってしまった．
USB 2.0/1.1 で使用可能．
150g．
すげー小さい．
これで 80 GB か．
2.5inch disk 4200 rpm 流体軸受．
17800 円．
科研費で支払い．
北大生協はなかなかオンライン化がススんでおり
(大学事務よりも，という意味)，
内線電話番号を告げると久保データがあらわれる．
購入品データ入力すると部門ごとに見積り・納品・請求書が印刷出力される．
北大的ばかげた非効率主義のひとつとして，
部門ごとに書式
(日付いれていいとかよくないとか下らないこと)
が異なるんでそれにこのように対応してるわけだ．
-
もちかえって自分の ThinkPad X31 (Vine Linux 3.1)
にそのままつなげたところ
murasaki
は勝手に USB2 でつないでくれた．
大容量のせいなのか (+ 回転数おそいせいか)
mount
(/dev/sda1)
すんのに 30 秒ぐらいかかった．
-
と思ったらかとーさんも外づけ HDD が必要だそーで
……
例の苗畑ミズナラで毎秒連続サンプリングしてる幹の極微小変化データ用で．
これは私が何かの不安感にさいなまれることもなく，
かとーさん自身がすばやく買ってきた．
Logitec 3.5inch 250GB 外づけ．
23800 円．
これも私の科研費から．
いやはや，
モデル屋ってぜんぜん金つかわないんで，
ともかくそれなりに意味のある支出があるならさっさと研究費つかってしまいたい
(そして年度末になってどたばたするのは避ける)
……
とゆーか私は金のかからない研究者になろうとして，
今のような商売のやりかたを確立しつつあるところなわけで．
-
Gmail
アカウント 50 人ぶんばらまけるよーになったんで，
さっそく一個かとーさんにさしあげる．
残り 49 人分．
Gmail つかってみたいヒトは久保まで御連絡ください．
アカウントさしあげます．
-
不思議なことにアタマが母子里 MCMC 問題の周辺でふらふらしていて，
その中に入りこもうとしない
……
あとから考えると，
何というかエサ (もってそうなヒト) の外周を旋回するカラスみたいだった，
というか．
-
1905 研究室発．
1920 帰宅．
2135 自宅発北大構内走．
今日は構内走者おおいか?
走っていると母子里 MCMC 計算の手順の検討に入りこむ．
構築→崩壊をくりかえしてるうちにしだいにカタチをなしてくる．
だいたい矛盾ないだろう，
というあたりで帰還軌道にのる．
2235 着陸．
体重 73.8kg．
晩飯．
-
母子里
Markov Chain Monte Carlo
(MCMC)
計算，
とりあえず今日のところ考えた内容．
まず，
Gibbs 分布を定義する条件つき確率だけど
(ポアソン分布で評価する葉数の尤度)
×
Π (光センサーの観測値の尤度)
とする．
後者の尤度に関しては光センサーの観測精度の下限から二項分布を導出する．
全体の計算手順はこうだ:
-
計算世界を準備する
-
葉っぱ数万枚をてきとーにばらまく
-
光センサー (数十個) すべてで明るさ評価
-
(MCMC step 開始)
葉数のポアソン乱数 (つまり事前分布)
で「次」の葉数を決める
-
(区画・個葉をランダムにえらびつつ)
それにあわせて葉数を増減して
「次」の仮状態を生成
-
仮状態に関して
光センサーすべてで明るさ評価
-
もとの状態・仮状態で
Metropolis-Hastings
法を適用，
状態遷移を決定する
-
4. にもどる
初期状態を捨てて (burn-in)，
途中の葉群状態をひろっていくことで，
Gibbs 点過程で生成される三次元葉群分布の標本集団を得る．
で，
それを使って林冠光合成速度の平均と信頼区間を計算する，
と．
-
上のやりかたの欠点としては個々の葉の増減やるときに，
局所明るさという情報を利用できてない，
ってことだな．
(全体の増減では M-H 法で明るさの観測データが反映されるんだが)．
これで計算が遅くなってしまう．
何かうまい Gibbs sampler とか考えつけばいいんだけど．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0820):
クロワッサン．
トマト．
- 昼 (1420):
研究室お茶部屋．
北大生協ハンバーガー．
ぢゃんくだ．
- 晩 (2330):
米麦 0.8 合．
ゴーヤ
(ようやく札幌でも 100 円販売)
・ニンジン・ピーマン・マイタケ・豆腐の炒めもの．
あ，
卵いれわすれた．
2005 年 08 月 10 日 (水)
-
0810 起床．
朝飯．
コーヒー．
0925 自宅発．
曇．
0940 研究室着．
-
また母子里 MCMC 計算の手順の検討のつづき．
-
そういや，
このモデルのあやしげな絵だけ
は今年の
3 月ごろ
にでっちあげていたんだよなぁ
……
あ，
ヘンな
説明らしきもの
も書いてたのか．
-
これら発掘された絵をながめつつ考える．
これらのハコ (box) のデータ構造を考える段階になって，
ようやく手ぬきな局所明るさ計算について検討すべき段階になるわけだが
……
-
ここで昨日採用した
「二匹のモンスターを同時には相手どらない」
ぽりしーを適用して，
可能なかぎりの手ぬきを試みてみたい．
-
にせ三次元計算とか?
センサーからの仰角を
φ
とすると光強度は cosφ
ってヤツですね
……
で，
葉数は高度の比例配分で加重，
と．
われながらいんちきくさい手法だな．
しかも，
この手ぬきでも
(とゆーか手ぬきではない光計算などそもそもありえん
わけだが)
葉っぱが「どっちを向いてるか」とか考慮せんといかんね．
これまた単位 vector の内積を計算すりゃいいんだな．
いやはや．
-
これほど手ぬきをしてるにもかかわらず
……
データ構造，
すごくややこしくなりつつある．
高速処理が難しそう．
どうしたもんかのう．
-
昼飯．
-
そういや，
母子里に関してはすでにいろいろ紙資料もらってたな，
とファイルをとりだしてみる．
うーむ，
PoorPoint 印刷出力が 70 枚ばかり．
なぜかしら落ちつかなくなったので，
全部まとめて糊づけしてしまった．
[のりづけ中]
こういうときのために備えてる木工用ボンドを使用．
大型ダブルクリップ四個で固定
(しかしこういういいかげんな工作ではきれいに製本できない)．
ファイルから
昨年 11 月 20 日
いろいろ教えてもらったときにつくった手書きメモもでてきた．
こりゃ助かる．
-
とりあえず計算世界の
POV-Ray
図を描いてみる．
格子格子格子
……
なンか，
すごくヤバいような気がしてきた．
ケガれ言語 Perl では手におえず
(R
だとさらにしんどい)，
呪われ言語 C++ の出番か?
まあいきなり C++ でやっても失敗するだけなんで，
しばらくは Perl でおしてみるのが正解だろう．
[計算世界，の概念図]
わくで全体を示すとこういうかんぢで．
600cm × 300cm × 600cm
の空間が
60cm × 30cm × 60cm
のハコ 1000 個に分割されている
(
後記: 高さは 720cm 必要)．
そして，
おそらく葉っぱの三次元分布はランダムからはかけはなれた
集中分布になっているはずだ．
-
不幸中のさいわいというか leaf area index (LAI)
とゆー割算値が最悪じゃなくて最大でも 4 ぐらいなので
全体の平均葉数は 9000 枚ぐらい，
となりそうだ．
あ，
しかし現実の葉っぱはいろいろな方向を傾いてるわけで
……
そう考えるとたぶん平均 10000 枚突破だな．
-
そして昨日検討した基本的なアルゴリズムを実現できるよーな，
そして
このめんどう計算世界に秩序を与える
データ構造を決めねばならんわけだが
……
うーむ，
これは難しい．
計算を手際よくしようとすると複雑なデータ構造が必要となり，
それによってかえって計算速度が遅くなる，
ということがある．
しかしながら，
何も考えてないデータ構造だとこれまた激烈に遅くなることはまちがいない．
-
……
ぢっさいのところ，
ホントによく考えるべきは一ヶ所だけだ
(それ以外はおそらく計算速度にとって重要ではない)．
個葉とハコ (box) の対応づけである．
個葉と box を分離するのか．
それとも box に個葉の集合を所有させるのか，
などなど
……
-
そこで個葉 & box がらみの操作を考えてみる．
計算時間に影響あたえそうなのは
……
-
手ぬき明るさ計算:
各 box において葉っぱの垂直分布が必要
-
MCMC 葉っぱ増やし:
box 内の任意の高度に葉っぱを押しこむ
-
MCMC 葉っぱ減らし:
box 内の任意の高度の葉っぱを抜きとる
基本的にはこれだけか．
しかしながら，
実際にはもう少し面倒になるだろう．
-
まず，
手ぬき明るさ計算については現時点ではこれ以上考えなくてもよいだろう．
Metropolis-Hastings
(M-H) アルゴリズムに特有な
「仮の状態」
における計算などを手ぎわよくできればよい．
-
問題は葉っぱの押しこみとぬきとりだ
……
ここでデータ構造以前の問題として，
基本アルゴリズムをもう一度検討しなおす必要があるように思う．
というのも，
ランダムに選んだ box に葉を押しこんだりするのは，
やはり効率が悪すぎるように思えるからだ．
-
このあたりの直観的な対策アイデアは簡単なもので，
「葉っぱが足りないところに押しこみ，
葉っぱが余ってるところから抜きとる」
とすればよい
(一種の Gibbs sampler か?)．
これで効率は格段に改善されるはずだ．
しかしながら，
この手口が MCMC 法と矛盾していない
(あるいは悪影響あたえない)，
と正当化してみせねばならんあたりが難しい．
つまり尤度の観点から，
葉が「余ってる」「足りない」を評価するのがしんどい
……
box 間の相互作用を考えんといかんからだ．
-
もっとも素朴に考えると，
葉の操作ひとつずつについて，
いちいち M-H 法で状態遷移を決めるという策がある．
しかし，
それをマジメにやるとたぶんすさまじく時間かかるような気がする．
これもやはり
他の box の尤度に与える影響も計算する必要があるんで．
-
葉の増減を決める Gibbs sampler が手軽に作れないのは，
上のように box 間で相互作用があるからだ．
このために，
各 box は好き勝手に状態遷移できない
……
ように見える．
しかしながら MCMC 法の本領とは
ここでなにがしかの「好き勝手」を実現させるところにあるはずだよなぁ．
-
となるとさらに事前分布が必要，
というか仮定を増やすことになる．
たとえば
-
上下の明るさ「落差」が大きいところは
葉っぱが多い可能性が高い
-
となりあう box どうしは (葉数などが) 「似ている」
(あるいは葉数勾配がなめらかである)
といった制約だ．
しかしこういう制約には hyperparameter が必要になり，
hyperparameter の事前分布がさらに必要で，
と面倒が累積していく．
-
このあたり，
何か巧妙なごまかし計算できないか，
といろいろ考えてみたんだが
……
-
たとえば，
光センサーの読みの観測値にゼロ (完全暗黒) がない，
と仮定すれば
(このあたり低温研の加藤京子さんにお尋ね中)
……
よけーなパラメーターつけずに各 box の「重み」
みたいなのは計算できる．
これは葉数が
log(上の明るさ) - log(下の明るさ)
に比例する (直上からの光に関しては) というハナシの悪用である．
明るさの観測値が何か確率分布にしたがうと考えると
(このあたりいまいち理論的に弱いな)
log(上) - log(下)
の期待値が計算できるので，
これを重みとするというやりかただ．
観測には「上が暗くて下が明るい」
という場合も多々含まれているんだけど，
たたみこみ確率から計算する期待値は常に正なので，
どの box も葉っぱ存在確率がゼロにならない．
-
しかし，
いまいちすっきりせんな．
-
えーい，
よけーな仮定は全部削除して，
最初は非効率覚悟で素朴な
……
だめだだめだ．
ランダムに box 選んで葉っぱを押しこむ，
というのは阿呆すぎる．
-
時刻は 1940．
腹もへってきた．
本日はここまで，
か
……
-
と書いた瞬間に，
よーやくにしてちょっとだけマシな策を思いついた．
葉っぱを増やすときには (葉っぱを押しこむ) box を選ぶ方式はダメだ．
そうではなく，
すでに存在している
葉っぱをランダムに選んでそいつを分裂
させりゃーいい
……
たしかに，
これをやっても
「葉っぱが足りないところに押しこみ，
葉っぱが余ってるところから抜きとる」
は実現しない．
しかし，
葉っぱの集中分布は容易に実現する
(これはおそらく必要不可欠)．
実に個体群生態学的な発想．
葉群のうまい配置は M-H 法にまかせるしかなさそう．
たぶん定常まわりならこのアルゴリズムで良さそうだ．
-
この方式について検討してるうちに
(これまたよーやく)
気づいたんだけど，
どういう計算方法でも次の二点が重要だ．
ひとつはやっぱり初期配置をうまく選ばんといかん
……
定常状態に移行するまでの時間を短くするためには．
そして第二点はもっと大切で，
この林冠 MCMC 計算が Gibbs 過程であるためには，
どの葉群配置状態にも
必ず遷移できることが保証されていなければならない．
つまりカラの box が永久にカラのまま，
というのはまずいわけだ．
-
えーと，
これは「葉っぱの box 間移動」で解決してみせるしかないなぁ．
やはりよけーなパラメーター，
葉っぱ移動確率，
といったものが必要か．
これは林冠の情報エントロピーを増大させる因子だ
(あてはまりが悪くなる方向に系を揺するから)．
物理屋ならこのパラメーターを「温度」とか呼ぶのだろうし
(いや，「外場」か?)，
MCMC な遺伝学研究者なら突然変異率とでも呼ぶのだろう．
-
さーてさて，
ならばデータ構造は
……
と考えようとしたんだけどもはやばてたので撤退．
1850 研究室発．
2140 帰宅．
2230 自宅発北大構内走．
走ることで物理的に脳を揺すってみるという操作によって，
また考えのへんてこな部分がすこし修正されてきた．
2320 帰宅．
体重 74.0kg．
晩飯．
-
上では「葉を分裂」という奇妙な方法で，
(現実で観測されるような)
葉の空間的な集中分布を容易に実現できるとしている．
また，
Gibbs 過程の要請を満たすその他の理由でこれまた奇妙な
「葉の移動」
という過程も必要だと述べた．
-
で，
北大構内走中に考えた修正案というのは，
これらふたつをひとつにすればよい，
というものだ．
つまり「葉の分裂」をしたときに，
新しく作られた「娘」葉は「母」葉と同じ box
もしくはそれに「隣接する」 box のどれかひとつに出現する，
という操作だ．
これによって
-
やはり葉の集中は実現しやすい
-
Gibbs 過程の必要条件 (どの状態にも遷移可能)
を満たす
-
となりあう box どうしが 「似ている」
(葉数勾配がなめらかになる)
-
「移動確率」ごときよけーなパラメーターは不要
(見かけ上は，なんだけど)
となるわけだ．
-
そして上でも書いているように
「観測データにあてはまるような三次元葉群配置」
たち
は M-H 法が巧妙に見つけ出していってくれる，
と期待するしかないのか
……
-
もし上の方式でうまくいかないなら，
やはり
「葉っぱ一枚の変化ごとにめとろぽりす」
という最も原始的な方式でいくしかない．
これなら確実だ．
しかし時間かかるだろう．
この場合は局所的明るさ再計算の高速化がカギになる，
と．
-
まー，
何もかも観測データの実態とプログラムの実装しだいだな．
-
[今日の運動]
-
[今日の食卓]
- 朝 (0830):
米麦 0.7 合．
ゴーヤ・ニンジン・ピーマン・マイタケ・豆腐・卵の炒めもの．
- 昼 (1310):
研究室お茶部屋．
米麦 0.5 合．
ゴーヤ・ニンジン・ピーマン・マイタケ・豆腐の炒めもの．
- 晩 (2410):
蕎麦．
トマト．
キャベツ・ニラ・ホタテの炒めもの．
のうち
でなにかできごとが発生する．
そういう観測データあるときに，
発生確率
の二項分布モデルで説明しようとすると，
尤度方程式は
を最大化する
たちを推定する，
ということで．
の部分だけで．
