2017年06月25日

電車内でのスマートデバイス普及率2017

期間は2016年12月20日から2017年6月24日
この間記録した人数は6192人でした。

もう5年も記録を続けているんで数字の推移をこんな感じで出せます。
smartphone2017

もういい加減電車内でのスマートフォンの利用率は頭打ちになったと言えます。
しかし、全体では、約半数の人間がスマートフォンを利用しているという事になります。


全体の数ですがこうなってます
男子小学生 以下男子 中学生 高校生男性 若年男性 中年男性 老年女子小学生 以下女子 中学生 高校生女性 若年女性 中年女性 老年  
47 339 1028 1735 573 58 313 790 1059 250 母集団
0 1 13 66 20 0 3 0 40 13 フューチャーフォン
0 64 402 366 43 2 130 440 272 7 iphone
0 17 267 569 81 0 30 116 326 18 Android
1 85 86 194 120 2 35 40 99 30 書類
1 74 67 124 63 1 27 27 72 22 文庫本
2 11 25 56 23 7 7 7 24 2 単行本
1 0 7 18 7 0 0 2 2 1 漫画雑誌
5 9 33 43 12 3 6 16 19 2 コミック
0 0 5 61 52 0 0 0 14 6 新聞
0 45 362 293 35 0 88 266 138 7 イヤフォン
18 50 74 43 19 24 43 87 36 36 会話
3 5 25 12 8 2 7 14 17 2 飲み物
2 1 3 2 1 2 5 6 6 4 食べ物
1 18 59 155 70 0 18 42 93 31 睡眠

下は、上を母集団で割った値
男子小学生 以下男子 中学生 高校生男性 若年男性 中年男性 老年女子小学生 以下女子 中学生 高校生女性 若年女性 中年女性 老年  
0.000 0.003 0.013 0.038 0.035 0.000 0.010 0.000 0.038 0.052 フューチャーフォン
0.000 0.189 0.391 0.211 0.075 0.034 0.415 0.557 0.257 0.028 iphone
0.000 0.050 0.260 0.328 0.141 0.000 0.096 0.147 0.308 0.072 Android
0.021 0.251 0.084 0.112 0.209 0.034 0.112 0.051 0.093 0.120 書類
0.021 0.218 0.065 0.071 0.110 0.017 0.086 0.034 0.068 0.088 文庫本
0.043 0.032 0.024 0.032 0.040 0.121 0.022 0.009 0.023 0.008 単行本
0.021 0.000 0.007 0.010 0.012 0.000 0.000 0.003 0.002 0.004 漫画雑誌
0.106 0.027 0.032 0.025 0.021 0.052 0.019 0.020 0.018 0.008 コミック
0.000 0.000 0.005 0.035 0.091 0.000 0.000 0.000 0.013 0.024 新聞
0.000 0.133 0.352 0.169 0.061 0.000 0.281 0.337 0.130 0.028 イヤフォン
0.383 0.147 0.072 0.025 0.033 0.414 0.137 0.110 0.034 0.144 会話
0.064 0.015 0.024 0.007 0.014 0.034 0.022 0.018 0.016 0.008 飲み物
0.043 0.003 0.003 0.001 0.002 0.034 0.016 0.008 0.006 0.016 食べ物
0.021 0.053 0.057 0.089 0.122 0.000 0.058 0.053 0.088 0.124 睡眠



中年以上だと iphoneよりもAndroidの方が選好率が上がるというのはこれまでと一貫した傾向で、
すべての層の中で若年女性が一番スマートフォンの使用率が高く、 半数以上がiphoneを使っています。
何らかのメディアを使用している内の半数以上、ではありません。全体の半数以上です
その傾向も再現されました。

デバイスでもメディアでも無い電車内でやる事ですが、
例えば会話だと、若い人ほどよく喋ってるようです。今回は、全体では女性の方が会話の選好率が上がるようです。

中学生とか高校生とかのスマートフォン利用率を知りたいとか思っている人は多分多いと思いますが、
この傾向はそのぐらいの年齢からあります。
女子中学生とか女子高生でも 4割以上がiphoneを使っています。
デジタルデバイスを利用している女子高生の4割ではありません。全数の4割以上です。


その他のデバイスです。
男子小学生 以下男子 中学生 高校生男性 若年男性 中年男性 老年女子小学生 以下女子 中学生 高校生女性 若年女性 中年女性 老年  
01151520110132音楽プレイヤ
1012000000PSP
5348030120DS
1028001010PSvita
01619600292Android Tablet
00522301390Ipad
0022000000windows tablet
0019300210windows note
0022100020macbook
0010100000電子書籍端末
0006000010スマートウォッチ

続きを読む

2017年06月19日

GANによる漢字書体学習の理論と実装

zi2zi: Master Chinese Calligraphy with Conditional Adversarial Networks

最近人気のあるpix2pixモデルを漢字に適用して拡張したもので
漢字書体をGANで学ぶ。と説明されています。

すでに様々な研究が進められたのに、現在でも幾つも問題が残っています。
  • 一度に1つのターゲットスタイルしか学習しない

  • 生成された画像がぼやける

  • もっと様式化されたフォントの下では失敗する



人間はフォントを設計する前に、文字の構造をしっかり学びます。
機械学習でこれを実現するためには、複数のスタイル(フォント)も認識させることが必要で、同時に複数のスタイル(フォント)を学習する事が不可欠です。
...........
zi2zi


Googleのゼロショット翻訳に触発されたカテゴリ埋め込みは、訓練できないガウスノイズを文字埋込みにスタイル埋め込みを連結することで解決します...

これにより、encoder は同じ文字を同じベクトルにマッピングしますが、
decoderは、文字とスタイルの両方のembeddings によって、ターゲットのフォントで文字を生成します。


....................






続きを読む

2017年06月13日

Global Vectors for Word Representationの理論と実装

word2vecよりも単語を表現、予測できるというGloVeです。

GloVe: Global Vectors for Word Representation
Jeffrey Pennington, Richard Socher, Christopher D. Manning    Stanford University
EMNLP. Vol. 14. 2014.
Our model efficiently leverages statistical information by training only on the nonzero elements in a word-word cooccurrence matrix, rather than on the entire sparse matrix or on individual context windows in a large corpus.
GloVeでは、疎行列全体または大規模なコーパス内の、個々のコンテキストウィンドウではなく、
単語 と 単語共起行列の非ゼロ要素のみを訓練することによって、統計情報を効率的に活用します。


これが最小二乗法による単語ベクトルの学習と説明されていたりします。

GloVe
GloVe2

X は共起行列で、 Xij は、i,jの共起頻度
V : 語彙数
wi wj : 単語ベクトル
bi,bj :単語i,jのバイアス
f 重み付け関数 

このiとjですが、 入力単語と出力単語です。
word2vecでも式中にこの二単語がありますが、これらが単語埋め込みベクトルであり
入力単語とは、例えば実在する既知の単語であり
出力単語とは、例えば周辺に予測される単語です。
普通は、それらは一致しているが、別に一致しなくても良いそうです。

........................
........................

計算量は行列Xの非零要素の数に依存し
ウィンドウベースのアプローチよりも改善されています。

しかしながら
共起行列のどの程度が埋まるかは事前に推測する事が難しい...









続きを読む

adsense
Categories
サイト内検索
にほんブログ村 科学ブログへ
にほんブログ村

amazon
Profile
Archives
blogchart
QRコード
QRコード
Recent Comments
o