1月 臨時 IMI Colloquium

1月 臨時 IMI Colloquium

日時：2020年1月29日（水）
16:45-17:45

場所：九州大学 マス・フォア・インダストリ研究所 ウエスト1号館 D棟 4階
 IMIオーディトリアム(W1-D-413)(円形階段教室)

講師：佐竹 暁子 教授 (九州大学理学研究院生物科学部門)

講演タイトル : 森林生態系の数理モデル

講演要旨：
森林生態系を遺伝子レベルでモニタリングすることで、森林はこれまで考えられてきた以上にドラスティックな変化を示すことがわかってきた。本セミナーでは、熱帯から温帯地域まで生息環境の異なる植物を対象に遺伝子発現を野外でモニタリングし観測データを数理モデルと融合させることによって、数年に一度大規模に開花・結実する一斉開花現象やブナ林の豊凶現象のみの一部を解き明かした成果について紹介する。

IEEE CLUSTER 2020

IEEE CLUSTER 2020

September 14-17, 2020, Kobe, Japan.
The IEEE Cluster Conference serves as a major international forum for presenting and sharing recent accomplishments and technological developments in the field of cluster computing as well as the use of cluster systems for scientific and commercial applications. Cluster 2020 involves participants (researchers, developers, and users) from academia, industry, laboratories, and commerce, coming together to discuss recent advances and trends in, but not limited to:

Applications, Algorithms, and Libraries
Architecture, Networks/Communication, and Management
Programming and Systems Software
Data, Storage, and Visualization

RIMS-IMI合同談話会

RIMS-IMI合同談話会
2020年2月7日(金)14:30～17:00

(※ 本談話会の前, 13:30 - 14:00 IMIオーディトリアム向かいの
研修室2(412号室)にてRIMS-IMI連携協議会を開催いたします．)


開催日時 2020年2月7日(金) 14:30 - 17:00

開催場所 九州大学 伊都キャンパス ウエスト1号館 4階 IMIオーディトリアム (W1-D-413)
アクセス


プログラム

14:30 - 15:30 講演1
河原 吉伸 (九州大学マス・フォア・インダストリ研究所 教授)
タイトル：非線形力学系の作用素論的データ解析
アブストラクト：
本講演では、多くの科学・工学分野において重要となる、データを用いた動的なプロセスの解析に関して、力学系の作用素論的解析と機械学習に基づいた研究について紹介する。近年、力学系の作用素表現に基づく解析、特にクープマン作用素を用いた解析は、その汎用性や物理的概念とのつながり、また動的モード分解などの推定法の発展もあり多くの分野で注目を集めている。ここでは、力学系の作用素表現やそのスペクトルの推定問題について着目し、最近の話題を中心に紹介する。特に、機械学習分野でよく用いられる方法論に基づいた動的モード分解の拡張や、力学系上の計量の導出や学習への利用などについて述べる。この中で、我々が取り組んでいるものを中心に、いくつかの応用事例についてもふれる。


16:00 - 17:00 講演2
照井 一成 (京都大学数理解析研究所 准教授)
タイトル：数学における自動定理証明の現状について
アブストラクト：
自動定理証明の研究は、60年にわたる歴史を持つ。しかし産業的応用はともかく、数学における自動証明は未だ発展期にあるといってよい。少なくとも「ボタン1つで」証明できる数学の定理はごくごく限られている。近年の動向としては、対話的定理証明の隆盛と、その副産物として得られる形式的証明を用いた機械学習が挙げられるが、これも未だ試行錯誤の段階にある。本講演では、数学における自動証明の背後にある困難について数理論理学的な観点から解説し、困難を打破するための近年の試みをいくつか紹介したいと思う。

九州大学大学院数理学研究院 数学部門 助教公募について

九州大学大学院数理学研究院 数学部門 助教公募について

関係各位
拝啓 時下ますますご清祥のこととお慶び申し上げます. さて，この度, 本研究院では 下記の要領で公募を行うことになりました. 貴関係者にお知らせ頂くとともに，適任者 をご存知の場合は，応募をお勧めくださいますようお願い申し上げます.
敬具
1. 公募対象 : 助教 1 名または 2 名
2. 採用予定日 : 2020 年 4 月 1 日以降のできるだけ早い時期 3. 研究分野 : 数学 (分野は問わない)
4. 任期 : 5 年, ただし, 一回に限り再任可 (再任期間は 5 年)
5. 提出書類 : 以下の書類を郵送にてご提出ください.
(a) 履歴書 (写真貼付，署名又は捺印のこと. 連絡先に電子メールアドレス記入)
(b) 研究業績リスト及び論文別刷り (コピー可) など
(c) 研究業績の説明及び将来の研究計画 (形式は自由)
(d) 応募者について問い合わせできる方 3 名の氏名と連絡先. そのうち 1 名の方に
下記「書類提出先」宛，別便にて応募期限までに推薦状をお送り頂くようご依
頼下さい. なお，電子メールやファックスによる推薦状は受け付けません.
(e) 競争的資金の獲得状況
6. 応募期限 : 2020年2月7日 (金) 必着
7. 書類提出先 : 〒 819-0395 福岡市西区元岡 744
九州大学大学院 数理学研究院 数学部門 人事委員会 宛
封筒に「数学部門 助教応募」と朱書きの上，簡易書留にてお送りください.
8. 問い合わせ先 : 数学部門長 小林 真一 (kobayashi@math.kyushu-u.ac.jp)
9. その他 :
• 応募書類は原則として返却いたしません. 返却をご希望される方は返送先住所
を記して切手を貼った返却用封筒を同封して下さい. また電子メールに書類を
添付することによる応募は受け付けません.
• 応募書類により取得する個人情報は本人事案件にのみ利用致します.
• 九州大学大学院数理学研究院では男女雇用機会均等法の精神を尊重しています.

Mac で SDPA

Mac OS 10.15.2 上で SDPA 7.4.1 を作成してみました。Homebrew でインストールした gcc-9 を用いています。
OpenBLAS は 0.3.x ではなく 0.2.20 を使用しました

export CC=gcc-9
export CXX=g++-9
export F77=gfortran-9
export CFLAGS="-funroll-all-loops -O2 -m64 -fopenmp -DDIMACS_PRINT"
export CXXFLAGS="-funroll-all-loops -O2 -m64 -fopenmp -DDIMACS_PRINT"
export FFLAGS="-funroll-all-loops -O2 -m64 -fopenmp -fdefault-integer-8"
./configure --with-blas="-L./lib -lopenblas -lgomp" --with-lapack="-L./lib -lopenblas -lgomp"
make


$ ./sdpa
SDPA start at [Sun Jan 12 23:21:10 2020]

*** Please assign data file and output file.***

---- option type 1 ------------
./sdpa DataFile OutputFile [InitialPtFile] [-pt parameters] [-dimacs] [-numThreads numThreads]
parameters = 0 default, 1 fast (unstable), 2 slow (stable)
-dimacs : printout dimacs information incurring additional computation cost
-numThreads: Number of pthreads for internal computation
example1-1: ./sdpa example1.dat example1.result
example1-2: ./sdpa example1.dat-s example1.result
example1-3: ./sdpa example1.dat example1.result example1.ini
example1-4: ./sdpa example1.dat example1.result -pt 2
example1-5: ./sdpa example1.dat example1.result -dimacs
example1-6: ./sdpa example1.dat example1.result -numThreads 4

---- option type 2 ------------
./sdpa [option filename]+
-dd : data dense :: -ds : data sparse
-id : init dense :: -is : init sparse
-o : output :: -p : parameter
-pt : parameters , 0 default, 1 fast (unstable)
2 slow (stable)
-dimacs : printout dimacs information incurring additional computation cost
-numThreads: Number of pthreads for internal computation
example2-1: ./sdpa -o example1.result -dd example1.dat
example2-2: ./sdpa -ds example1.dat-s -o example1.result -p param.sdpa
example2-3: ./sdpa -ds example1.dat-s -o example1.result -pt 2
example2-4: ./sdpa -ds example1.dat-s -o example1.result -dimacs
example2-5: ./sdpa -ds example1.dat-s -o example1.result -numThreads 4

QAPLIB と SDP 緩和

QAPLIB の問題の中で 40次元の問題 (tai40b, tho40)の SDP 緩和問題(Doubly non-negative relaxation problem)を SDPARA 7.6.1 を使用して ABCI などで解いてみました。。。

QAPLIB
http://anjos.mgi.polymtl.ca/qaplib/

インテル : CES 2020

インテルがCES 2020で基調講演

　世界最大のエレクトロニクスショー「CES」の開催前日となる米国時間の1月6日、インテルが基調講演を実施。

　まず同社CEOのBob Swan氏が登壇し「インテルの役割は、半導体技術とソフトウェア技術を統合し、AI、5G、エッジコンピューティングといった技術を、ユーザーがそれぞれの組み合わせで活用できるようすること。そして、今後、数十年間の人々の生活豊かな生活と、世界の形成を実現すること」と話した。

　インテルといえば、半導体メーカーとしての認識が根強いし、2018年にはサムスン電子に半導体首位を一時的に奪われたこともあったものの、2019年には首位に返り咲き、半導体メーカーの最大手企業であり続けている。

CEATEC 2020 開催概要説明会

----------------------------------------------------------------------------------
1．CEATEC 2020 開催概要説明会を開催します！
----------------------------------------------------------------------------------
CEATEC 2020は、10月20日（火）-23日（金）幕張メッセで開催し、
あらゆる産業・業種による「共創」からなる新しいビジネス創出と、技術及び
人と人との情報交流が一堂に会す場を提供しながら、日本が飛躍する2020年、
さらにはその先の未来を見据えたスケールアップをした展開を目指します。

つきましては、1月29日（東京）、1月31日（大阪）に開催概要説明会を開催
いたしますので、特に以下の出展内容に関連する企業や団体のご担当者様の
ご参加をお待ちしております。

◆CPS/IoTさらには「Society 5.0（超スマート社会）」の実現に
　向けたトータルソリューション／プロダクト
◆電子部品／デバイス／素材／材料／装置
◆ＡＩ／ビッグデータ
◆5G
◆サイバーセキュリティ
----------------------------------------------
◆自動走行／ロジスティクス
◆スマートファクトリー
◆スマートワーク
◆エネルギー／スマートライフ
◆フィットネス、ヘルスケア
◆エンターテインメント
----------------------------------------------
※詳細は開催概要説明会にてご紹介いたします。

----------------------------------------------
■CEATEC 2020 開催概要説明会【東京】
　日時：2020年1月29日（水）午後2時～午後4時
　場所：JPタワー ホール&カンファレンス
　　　　東京都千代田区丸の内2-7-2 KITTE 4階 ホール1
　　　　　東京駅（地上）から　https://srt.ceatec.com/2sVLly8
　　　　　東京駅（地下道）から　https://srt.ceatec.com/2EPun74

■CEATEC 2020 開催概要説明会【大阪】
　日時：2020年1月31日（金）午後2時～午後4時
　場所：グランフロント大阪 北館 タワーB 10階 B01
　　　　大阪市北区大深町3-1
　　　　　https://srt.ceatec.com/34PM0OW
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
■CEATEC 2020 開催概要説明会 参加申込フォーム
https://srt.ceatec.com/2ZgBMG4

九州大学マス・フォア・インダストリ研究所教員(教授または准教授)公募

九州大学マス・フォア・インダストリ研究所教員(教授または准教授)公募

1. 募集人数：1 名 (教授または准教授).
2. 所属：九州大学マス・フォア・インダストリ研究所 先進暗号数理デザイン室.
3. 専門分野：暗号数理などの情報セキュリティに関連する数学・数理科学.
4. 応募資格：
(1) 博士の学位を取得していること.
(2) 数学における産学連携活動に理解と意欲があること.
5. 採用予定日：令和2 年7 月1 日以降のできるだけ早い時期.
6. 任期：なし.
7. 給与：年俸制（令和2 年4 月1 日導入の新たな年俸制）.
8. 提出書類：
(1) 履歴書（写真貼付，署名捺印し，電話番号・電子メール等の連絡先を明記のこと）.
(2) 研究業績リスト（論文，著書，講演，特許，外部資金，企業・官公庁などとの共
同研究といった産官学連携の実績, その他参考になる資料等のリスト）, および主
要論文5 編以内の別刷等（プレプリントや参考になる資料等を含む）.
(3) 研究業績の説明.
(4) 将来の研究計画.
(5) 産学連携活動に向けた抱負.
(6) 教育に対する抱負.
(7) ご本人について問い合わせることができる方3 名の氏名と連絡先，およびそのう
ち1 名からの推薦状．ただし，推薦状に関しては応募書類とは別便で推薦者の方か
ら直接下記提出先に応募期限までにお送りいただいても結構です．電子メールやフ
ァックスによる推薦状は受け付けません.
9. 応募期限：令和2 年3 月31 日（火）必着．

日本がこれから世界に起こすイノベーション

日本がこれから世界に起こすイノベーション
- データ駆動型サイバーハイウェイ構想と国産巨大データインフラの構築 -

講演概要
データ駆動型サイバーハイウェイ構想では、わが国が主導してTPP/ ASEAN経済圏において、今後のデータ駆動型社会における「安心・安全な大容量・高速サイバーネットワーク」「安心、安全、高性能な計算能力基盤」「高度なデータ価値」などを提供することも目的とする。本セッションでは日本主導のクラウド基盤構築とビジネスサービスの新規展開について議論していきます。

講演者情報
インテル株式会社 代表取締役社長
インテルコーポレーション セールス&マーケティング統括本部 副社長
鈴木 国正 氏

横浜国立大学経済学部学卒業後、ソニー株式会社に入社。ソニー在職34年間でVAIO事業本部本部長、株式会社ソニー・コンピュータエンタテインメント（SCEI）副社長、ソニーモバイルコミュニケーションズ社長兼CEOなどさまざまな要職を歴任し、経営手腕を発揮。また、ソニーアルゼンチン社長やソニー・エレクトニクス（米国）EVPなど、豊富な海外での業務経験を持つ。
2018年11月、現職に就き、インテルのPC事業の健全な安定を図るとともに、近年進めているデータ戦略の取り組みを加速化。重要市場である日本でのインテルのさらなる成長に向けコンピューティング、IoT、5G、AI（人工知能）事業の進展を指揮するとともに、日本企業の戦略に寄り添いながら、今後本格化する日本企業のデジタル・トランスフォーメーション（DX）を支援し、新たな成長への貢献を目指す。


経済産業省
製造産業局 宇宙産業室長
浅井 洋介 氏

平成10年に通商産業省（現：経済産業省）に入省、大臣官房秘書課、在エジプト日本大使館、防衛省国際政策課、安全保障貿易管理政策課等を経て現職。日本の宇宙産業の市場規模拡大、競争力強化に向けて、宇宙機器の研究開発支援、衛星データを様々な分野で利用できる環境の整備などに携わっている。


ソフトバンク株式会社 IoT & AI技術本部 本部長／
ソフトバンクロボティクス株式会社 取締役
丹波 廣寅 氏

日本デジタルイクイップメント（現HPE）、Openwave、Aicentを経て、2004年Vodafone（現ソフトバンク）に入社。コンシューマー・法人関連向け企画、プログラムマネジメント部門などを担当後、移動機の戦略・企画・開発・検証・品質管理・技術的検討を行う部門の本部長を担当。現在はIoT & AI技術本部の本部長を担当し、新規ビジネス・顧客の獲得や、新しい技術の獲得・実現、先端のビジネスモデルを実現する新規パートナーの発掘などを行っている。


九州大学 マス・フォア・インダストリ研究所 教授／
産業技術総合研究所 人工知能研究センター 特定フェロー
藤澤 克樹 氏

数理・情報系の研究者。最適化理論からアルゴリズムそれにスパコンを使った大規模計算までを専門とする。近年では数理最適化, グラフ探索や深層学習などの手法を用いて大規模な産学連携を推進している。Graph500ベンチマーク世界１位(2014-2019), 文部科学大臣表彰科学技術賞(2017)など受賞多数。現在, 九州大学 マス・フォア・インダストリ研究所 教授及び産業技術総合研究所人工知能研究センター(AIRC)特定フェローなどを兼任。

大きな SDP その４

Intel icc 19.1.0.166 (xHost) + Intel MKL 2020.0 は速いけど少し不安定なので、gcc 4.8.5 + OpenBLAS 0.3.8.dev の方を使っています。。。

◯サーバ
Huawei RH5885H V3
CPU ：Intel Xeon E7-4890 v2 @ 2.80GHz x 4 socket
Memory ：2.0TB (32GB LRDIMM x 64 DIMMs)
GPU : NVIDIA Tesla P100 & K40
HDD ：2.5-inch 300GB SAS 15000rpm HDD x 2
SSD : ES3000 2.4TB x 2 + 2.5-inch 800GB SSD (Intel DC S3500) x 8
RAID ：RAID-0/1/10/5/50/6/60 1GB Cache with Power Protection
NIC ：On Board 1GE x 4 port interface card
I/O Box ：6 Slot Riser Card x 2、Hot-Plugged Riser Card x 1
PSU ：2000W Platinum AC Power Supply Unit x 2
Rail ：4U Slide Rail with Cable Management Arm
CUDA : 10.2
OS : CentOS 7.7


◯ gcc 4.8.5 + OpenBLAS 0.3.8.dev
28 9.8e-11 8.0e-16 8.0e-11 +6.50e+01 +6.50e+01 9.9e-01 3.8e-01 1.00e-01

phase.value = pdOPT
Iteration = 28
mu = +9.8105594299476476e-11
relative gap = +3.0261605491601981e-08
gap = +1.9662740982084870e-06
digits = +7.5191080347514596e+00
objValPrimal = +6.4975869456280535e+01
objValDual = +6.4975867490006436e+01
p.feas.error = +7.9544824325866623e-14
d.feas.error = +1.7256070350413211e-08
total time = 762.027774


◯ Intel icc 19.1.0.166 (xHost) + Intel MKL 2020.0
30 6.2e-11 8.0e-16 6.0e-10 +6.50e+01 +6.50e+01 5.3e-06 5.4e-11 1.81e+01

phase.value = pFEAS
Iteration = 30
mu = +6.2400132086111955e-11
relative gap = +1.9320349471804411e-08
gap = +1.2553564801009998e-06
digits = +7.7139850222112312e+00
objValPrimal = +6.4975868788501757e+01
objValDual = +6.4975867533145276e+01
p.feas.error = +7.9780274365485874e-14
d.feas.error = +1.2826467354898341e-07
total time = 655.587652

大きな SDP その３

いろいろと迷ったのですが、６０コアが一番高速なようです。。。

◯サーバ
Huawei RH5885H V3
CPU ：Intel Xeon E7-4890 v2 @ 2.80GHz x 4 socket
Memory ：2.0TB (32GB LRDIMM x 64 DIMMs)
GPU : NVIDIA Tesla P100 & K40
HDD ：2.5-inch 300GB SAS 15000rpm HDD x 2
SSD : ES3000 2.4TB x 2 + 2.5-inch 800GB SSD (Intel DC S3500) x 8
RAID ：RAID-0/1/10/5/50/6/60 1GB Cache with Power Protection
NIC ：On Board 1GE x 4 port interface card
I/O Box ：6 Slot Riser Card x 2、Hot-Plugged Riser Card x 1
PSU ：2000W Platinum AC Power Supply Unit x 2
Rail ：4U Slide Rail with Cable Management Arm
CUDA : 10.2
OS : CentOS 7.7


１：６０コア

phase.value = pdOPT
Iteration = 28
mu = +1.0434342403601056e-10
relative gap = +3.2091440622139176e-08
gap = +2.0851692283940793e-06
digits = +7.4936107864818666e+00
objValPrimal = +6.4975869622182344e+01
objValDual = +6.4975867537013116e+01
p.feas.error = +8.1806195120051469e-14
d.feas.error = +6.0879756347276270e-08
total time = 725.442230


２：４８コア
28 9.8e-11 8.0e-16 8.0e-11 +6.50e+01 +6.50e+01 9.9e-01 3.8e-01 1.00e-01

phase.value = pdOPT
Iteration = 28
mu = +9.8105594299476476e-11
relative gap = +3.0261605491601981e-08
gap = +1.9662740982084870e-06
digits = +7.5191080347514596e+00
objValPrimal = +6.4975869456280535e+01
objValDual = +6.4975867490006436e+01
p.feas.error = +7.9544824325866623e-14
d.feas.error = +1.7256070350413211e-08
total time = 762.027774


３：４０コア
28 1.1e-10 7.7e-16 4.2e-10 +6.50e+01 +6.50e+01 9.8e-01 5.1e-01 1.00e-01

phase.value = pdOPT
Iteration = 28
mu = +1.0710500085401327e-10
relative gap = +3.3039981660176719e-08
gap = +2.1468015063419443e-06
digits = +7.4809602024196415e+00
objValPrimal = +6.4975869656569387e+01
objValDual = +6.4975867509767880e+01
p.feas.error = +7.6574064300743788e-14
d.feas.error = +8.9915374701377004e-08
total time = 862.025896

大きな SDP その２

SDP の計算が終わりました。pFEAS ですが、目的関数の一致が大きいので、悪くない結果です。。。

◯サーバ
Huawei RH5885H V3
CPU ：Intel Xeon E7-4890 v2 @ 2.80GHz x 4 socket
Memory ：2.0TB (32GB LRDIMM x 64 DIMMs)
GPU : NVIDIA Tesla P100 & K40
HDD ：2.5-inch 300GB SAS 15000rpm HDD x 2
SSD : ES3000 2.4TB x 2 + 2.5-inch 800GB SSD (Intel DC S3500) x 8
RAID ：RAID-0/1/10/5/50/6/60 1GB Cache with Power Protection
NIC ：On Board 1GE x 4 port interface card
I/O Box ：6 Slot Riser Card x 2、Hot-Plugged Riser Card x 1
PSU ：2000W Platinum AC Power Supply Unit x 2
Rail ：4U Slide Rail with Cable Management Arm
CUDA : 10.2
OS : CentOS 7.7

SDPA start at [Wed Dec 25 23:54:34 2019]
param is ./param.sdpa
data is ../storage/hoge.dat-s : sparse
out is result.txt
NumThreads is set as 60
Schur computation : DENSE
mu thetaP thetaD objP objD alphaP alphaD beta
0 1.0e+04 1.0e+00 1.0e+00 -0.00e+00 -0.00e+00 4.4e-01 2.1e-02 2.00e-01
1 8.9e+03 5.6e-01 9.8e-01 +1.32e+05 +1.04e+00 5.4e-01 5.6e-02 2.00e-01
2 7.2e+03 2.6e-01 9.2e-01 +1.19e+06 +4.86e+00 3.7e-01 1.9e-01 2.00e-01
3 6.4e+03 1.6e-01 7.5e-01 +1.69e+06 +1.12e+01 9.3e-02 1.6e-02 2.00e-01
4 5.9e+03 1.5e-01 7.4e-01 +1.59e+06 +2.33e+01 3.3e-01 9.4e-02 2.00e-01
5 5.5e+03 9.7e-02 6.7e-01 +2.07e+06 +4.19e+01 9.3e-02 2.1e-01 2.00e-01
6 4.6e+03 8.8e-02 5.3e-01 +2.24e+06 +7.10e+01 7.5e-01 2.6e-01 2.00e-01
7 4.1e+03 2.2e-02 3.9e-01 +4.19e+06 +9.93e+01 5.2e-01 1.8e-01 2.00e-01
8 3.9e+03 1.1e-02 3.2e-01 +5.65e+06 +1.55e+02 4.6e-01 2.6e-01 2.00e-01
9 3.4e+03 5.8e-03 2.4e-01 +7.29e+06 +2.22e+02 9.5e-01 5.2e-01 2.00e-01
10 2.2e+03 2.9e-04 1.1e-01 +1.11e+07 +2.96e+02 1.0e+00 7.1e-01 2.00e-01
11 9.2e+02 5.7e-16 3.2e-02 +1.55e+07 +2.14e+02 7.5e-01 7.5e-01 2.00e-01
12 3.3e+02 8.5e-16 8.1e-03 +1.78e+07 +1.23e+02 1.1e+00 6.9e-01 2.00e-01
13 1.4e+02 8.5e-16 2.5e-03 +1.35e+07 +9.40e+01 9.4e-01 7.2e-01 2.00e-01
14 5.0e+01 1.1e-15 7.1e-04 +7.12e+06 +8.84e+01 9.1e-01 8.6e-01 2.00e-01
15 1.5e+01 1.2e-15 1.0e-04 +2.82e+06 +9.69e+01 8.4e-01 1.0e+00 2.00e-01
16 4.9e+00 1.2e-15 1.1e-10 +9.87e+05 +1.24e+02 6.7e-01 7.6e-01 1.00e-01
17 1.9e+00 1.2e-15 7.9e-10 +3.90e+05 +1.56e+02 8.5e-01 6.8e-01 2.00e-01
18 6.2e-01 1.2e-15 2.6e-09 +1.24e+05 +1.75e+02 1.1e+00 6.7e-01 2.00e-01
19 9.3e-02 1.2e-15 4.2e-09 +1.88e+04 +1.87e+02 9.7e-01 8.4e-01 2.00e-01
20 2.1e-02 1.2e-15 4.8e-10 +4.38e+03 +1.94e+02 8.8e-01 9.1e-01 2.00e-01
21 6.1e-03 1.2e-15 1.2e-09 +1.42e+03 +1.95e+02 9.9e-01 8.1e-01 2.00e-01
22 1.3e-03 1.2e-15 2.2e-09 +4.48e+02 +1.95e+02 1.0e+00 9.5e-01 2.00e-01
23 2.5e-04 1.2e-15 1.7e-09 +2.46e+02 +1.95e+02 1.1e+00 1.0e+00 2.00e-01
24 2.5e-05 1.2e-15 1.9e-09 +2.00e+02 +1.95e+02 1.0e+00 1.0e+00 2.00e-01
25 4.7e-06 1.2e-15 8.4e-09 +1.96e+02 +1.95e+02 1.1e+00 1.0e+00 2.00e-01
26 4.7e-07 1.2e-15 7.2e-10 +1.95e+02 +1.95e+02 1.1e+00 1.0e+00 2.00e-01
27 5.6e-08 1.2e-15 3.3e-09 +1.95e+02 +1.95e+02 1.1e+00 1.0e+00 2.00e-01
28 5.7e-09 1.2e-15 6.7e-09 +1.95e+02 +1.95e+02 1.1e+00 9.9e-01 2.00e-01
29 6.9e-10 1.2e-15 2.5e-09 +1.95e+02 +1.95e+02 1.1e+00 7.7e-01 2.00e-01
30 7.8e-11 1.2e-15 4.9e-09 +1.95e+02 +1.95e+02 1.0e+00 5.2e-01 2.00e-01
31 1.3e-11 1.2e-15 1.1e-09 +1.95e+02 +1.95e+02 7.7e-01 1.4e-02 2.00e-01
32 4.9e-12 1.2e-15 1.1e-09 +1.95e+02 +1.95e+02 4.8e-02 3.4e-07 2.00e-01
33 4.7e-12 1.2e-15 1.1e-09 +1.95e+02 +1.95e+02 1.8e-07 1.2e-14 5.28e+00
33 4.7e-12 1.2e-15 1.1e-09 +1.95e+02 +1.95e+02 1.8e-07 1.2e-14 5.28e+00

phase.value = pFEAS
Iteration = 33
mu = +4.7496900918681629e-12
relative gap = +4.8269065004131055e-09
gap = +9.4295882036021794e-07
digits = +8.3163311136006008e+00
objValPrimal = +1.9535468991481457e+02
objValDual = +1.9535468897185575e+02
p.feas.error = +1.2080964087516303e-13
d.feas.error = +2.5046711016329937e-07
total time = 743706.903573
Time(sec) Ratio(% : MainLoop)
Predictor time = 174027.854367, 23.405805
Corrector time = 238172.939433, 32.032972
Make bMat time = 2137.027943, 0.287419
Make bDia time = 47.364786, 0.006370
Make bF1 time = 0.000000, 0.000000
Make bF2 time = 0.000000, 0.000000
Make bF3 time = 3708.595879, 0.498786
Make bPRE time = 0.000000, 0.000000
Make rMat time = 118315.488773, 15.912793
Make gVec Mul = 38651.511112, 5.198419
Make gVec time = 38655.025407, 5.198892
Cholesky bMat = 12519.084221, 1.683749
Ste Pre time = 0.096227, 0.000013
Ste Cor time = 3435.587687, 0.462068
solve = 461.299068, 0.062042
sumDz = 2742.455435, 0.368845
makedX = 236092.970467, 31.753228
symmetriseDx = 901.860274, 0.121295
makedXdZ = 239737.286359, 32.243368
xMatTime = 46046.335378, 6.192983
zMatTime = 76230.047918, 10.252529
invzMatTime = 0.000000, 0.000000
xMatzMatTime = 0.000000, 0.000000
EigxMatTime = 1657.843548, 0.222971
EigzMatTime = 1566.946781, 0.210746
EigxMatzMatTime = 0.000000, 0.000000
updateRes = 1354.109371, 0.182120
EigTime = 3224.790329, 0.433717
sub_total_bMat = 741387.296634, 99.712581
Main Loop = 743524.324577, 100.000000
File Check = 0.000000, 0.000000
File Change = 0.010585, 0.000001
File Read = 182.568411, 0.024554
Total = 743706.903573, 100.024556

ICCRE 2020

2020 the 5th International Conference on Control and Robotics Engineering (ICCRE 2020)

Huiqiao Ren and Katsuki Fujisawa, Circular Arc Based Obstacle Avoiding Blending Trajectory plan, 2020 the 5th International Conference on Control and Robotics Engineering(ICCRE2020), Osaka, Japan, April, 2020

Yahoo! Japan 研究所のホームページでの掲載

JOURNAL (INTERNATIONAL)

New Performance Index “Attractiveness Factor” for Evaluating Website via Obtaining Transition of Users’ Interests as Network Flow
Akihiro Yoshida*, Tatsuru Higurashi, Masaki Maruishi*, Nariaki Tateiwa*, Nozomi Hata* ,Akira Tanaka*, Takashi Wakamatsu*, Kenichi Nagamatsu*, Akira Tajima, and Katsuki Fujisawa* (* Kyusyu University)

Data Science and Engineering, 2019/11

Category:
Data Science

Abstract:
The studies of browsing behavior have gained increasing attention in web analysis for providing better service. Most of the conventional approaches focus on simple indices such as average dwell time, conversion rate. These in- dices make similar evaluations to websites even if their features are significantly different. Moreover, such statistical indices are not sensitive to the dynamics of users’ interests. In this paper, we propose a new framework for measuring a web- site’s attractiveness that takes into account both the distribution and dynamics of users’ interests. Within the framework, we define a new index for the website, called Attractiveness Factor, which evaluates the degree of users’ attention. It con- sists of three procedures: First, we capture the transition of users’ interests during browsing by solving a nonnegative matrix factorization and constrained network flow problems. To accommodate multiple types of interests of a user, we applied a soft clustering as opposed to a hard clustering to model attributes of users and websites. Second, for each website, the feature of each cluster is obtained by fit- ting the dwell time distribution with Weibull distribution. Finally, we calculate Attractiveness Factor of a website by applying the results of clustering and fit- ting. Attractiveness Factor depends on the distribution of the dwell time of users interested in the website, which reflects the change of interest of users. Numerical experiments with real web access data of Yahoo Japan News are conducted by solving extremely large-scale optimization problems. They show that Attractive- ness Factor captures more exceptional information about browsing behavior more effectively than well-used indices. Attractive factors give low ratings to category pages; however, it can assign high ratings to websites that attract many people, such as hot topic news about the 2018 FIFA World Cup, Japan’s new imperial era’ REIWA,’ and North Korea-the United States Hanoi Summit. Moreover, we demonstrate that Attractiveness Factor can detect the tendency of users’ attention to each website at a given time interval of the day.