モンスト(パーティー編成メモ)

安定しているパーティーをすぐに忘れてスタミナを無駄にするのでメモっておく。(随時更新予定)

阿修羅

神化上杉、神化関羽、神化ルシファー、神化沖田

イザナミ

フレアオーディン、ぬらりひょん、ナポレオン(娘)、ヴェルダンディ(息子)

イザナギ

神化ルシファー、ツクヨミ、ぬらりひょんX、フレアオーディン

ヴィシュヌ

紀伊、紀伊、ツクヨミ、神化ルシファー

エビルインライト

ダークドラゴン(運枠)、神化ゴースト(運枠)、神化ルシファー、神化アーサー

沖田

ルシファーx2だとちょっとグダったのでアンチ重力一つ入れたほうが楽かも。この構成だと安定はするけどスピクリはできない

滝夜叉姫(運枠)x2、神化ルシファー 神化アーサー

かまいたち

ルシファーはイザナギに変えてもいいかも

滝夜叉姫(運枠)x2、神化ルシファー x2

クシナダ

イザナミ3、神化ルシファー(または進化アスタロト)

クリシュナ

紀伊、紀伊、アンデッドドラゴン、(何でも)

座敷童子

神化ルシファー、神化上杉、神化ジークフリート、進化アラジン

ジライヤ

神化ルシファー、進化ヴィシャス、進化張飛、進化ドラえもん

スルト

  • (運枠)ダークドラゴン、神化上杉、大黒天x2

ダークドラゴンx2、大黒天x2でいくと最終面の攻撃を凌げなくて辛いので最終面は上杉のSSで主要な敵を止めると確実。

というわけで、サクサク進めないで最終面で上杉から始まりつつSSも溜まっているようにのんびりすすめるのがいい。

平清盛

hikakinx2だとグダるので。運枠はギガマンティスのほうがいいのだろうけど

  • (運枠)hikakin、茨木童子、 ダークギムレット、 クシナダ

ダ・ヴィンチ

イザナギx3でもいいかと思うけど貫通一体入れたほうが楽な気がする。イザナギのSSを最終で使えばほぼ削れる

神化ルシファー、イザナギ、イザナギ、神化滝夜叉姫

ネロ

ジャック(運枠)、神化ルシファー、シュリ、神化ヒカリ

バジリスク

神化ルシファー、ドラえもん、ツクヨミ、(ドラえもん、飛行/ADW)

ハートの女王

AGBの貫通2、反射2で。最終面貫通は上にいないと制限を倒せない

  • 第13号機(運枠)、神化ラプンチェル、AGBの貫通と反射

摩利支天

縦のレーザーに注意すれば特に問題なし

ドラえもんx2、クシナダx2

ルイ13世

ぬらりひょんXはあまり活躍してないのでもう少し考える余地はある。

  • 第13号機(運枠)、摩利支天、ぬらりひょんX、ハンターキング

闇刃ムラサメ

最終面までにSS貯まるようにあまり急ぎ過ぎない

  • ジャック(運枠)x2、神化アーサーx2

  • 神化ルシファー、スルト、進化ジャック、イザナギ

以下は運極済み

紀伊

貫通でルシファーとヤマタケに当てるだけ

13号機(運枠)、神化ルシファー、神化滝夜叉姫、ヤマタケ

クイーンバタフライ

貫通でプラズマを引っ張るだけ

13号機(運枠)、ギムレット(進化)、クシナダx2

ゴースト

ダークドラゴン(運枠) 神化ルシファー、クシナダx2

ジャック

  • 神化ルシファー、神化上杉、イザナギ、神化滝夜叉姫

奇数番目に 13号機をもっていけばDWにひっかからないので楽

  • 第13号機(運枠)、神化ルシファー、神化上杉、イザナギ

ダークドラゴン

ADWに注意。ボス二戦目は上部の左右にAGB付き忍者がいるので一戦目終わりには何体か上に上げておく。AGB二体いるほうが安定する

  • 神化ルシファー、進化上杉、イザナミ、ナポレオン
  • 神化ルシファー、進化上杉、イザナミ、イザナギ
  • 進化上杉、ツクヨミ、イザナギ、イザナミ

第13号機が活躍した(ナポレオンの代わりになる)

  • 第13号機(運枠)、神化ルシファー、イザナミ、イザナギ

滝夜叉姫

できるだけ下に行かない。運枠2にすると事故率上がるのでストレスが溜まるw

  • 第13号機(運枠)、ジャック、神化アーサー、光ムラサメ
  • 第13号機(運枠)、神化ゴースト(運枠)、神化アーサー、光ムラサメ
  • 神化ゴースト(運枠)、神化アーサー、光ムラサメx2

デスアーク

神化ルシファー、神化ヴィシュヌ、神化ヒカリ、(コルセア、クイバタ)

ダークドラゴンはお荷物

(運枠)ダークドラゴン、神化ルシファー、バハムートX、阿修羅

徳川慶喜

  • 神化ルシファー、進化武田信玄、神化ブラフマー、(忘れた、ミュータントタートルズ?)

イザナミ入れると安定だけど、早く進みすぎてしまうためSS溜まらずスピクリ出来ない(SSなしで余裕で勝てる)

  • 神化ルシファー、神化ブラフマー、イザナミx2

最近リリムを運極にしたので。イザナミよりは信玄のホーミングのほうが使いやすい

  • (運枠)リリム、 神化ルシファー、進化武田信玄、あと適当

最近読んだ本(20160114)

まぁわからんことはないのだけど、鬼嫁ちゃんねるのほうが深い話が投下されることが多いので麻痺しているかもw

母と子のそれぞれの立場から内面を描いていくというわかりやすいストーリー。

ProductName 母性 (新潮文庫)
湊 かなえ
新潮社 / 637円 ( 2015-06-26 )


それで絶望するかな?とは思うけどw

小細工なしにワッシャーと作るおつまみの本。

セリなんかただ焼くだけ、ひたすらじっと焼くだけだしw

ProductName つまみリスト
小林 ケンタロウ
文化出版局 / 1512円 ( 2007-07 )


盛り付けも美味しそうなので好きな本

あけましておめでとうございます

今年はブログの更新頻度を上げたい。書きたいことはたくさんあるんだけど、モンストとかマインクラフトにトラップされてしまう…モンストは次に10連したら飽きる予定なので時間はできると期待しているw

年末年始は娘と一緒に漫画を読み漁っていたw 

ばらかもん

これは面白い。基本的にブックオフの108円コーナーから選んでいるんだけど、これは普通の中古コーナーから揃えられるだけ揃えた挙句、近所の本屋に駆け込んで定価で全巻そろえてしまったのでかなりの出費だったw

ProductName ばらかもん 1 (ガンガンコミックスONLINE)
ヨシノ サツキ
スクウェア・エニックス / 617円 ( 2009-07-22 )


七夕の国

4巻で完結。大学の頃に読んで好きだったので娘に薦めた

ProductName 七夕の国 (1) (ビッグコミックス)
岩明 均
小学館 / ?円 ( 1997-06 )


犬夜叉

たまたま録画されていた境界のRINNEを気に入って見ていたので、こっちのほうが面白いぞと薦めた。3巻だけ与えて放置中

ProductName 犬夜叉 (1) (少年サンデーコミックス)
高橋 留美子
小学館 / 421円 ( 1997-05 )


PLUTO

浦沢直樹も読ませないとなと

ProductName PLUTO (1) (ビッグコミックス)
浦沢 直樹
小学館 / 566円 ( 2004-09-30 )


もやしもん

僕が読みたかっただけ

ProductName もやしもん(1) (イブニングKC)
石川 雅之
講談社 / 576円 ( 2005-05-23 )


覇者の塔難しい

二回目の覇者の塔

20階以降でアトスシンジがかなり使えそう。21,23は簡単になった。


20階以降の難易度が段違いなのでメモ。30階まででいいやと思っているんだけどその30階が個人的に一番の難関やわ…

30 > 21 > 26 > 29 > 28 > 23 > 残り

って感じ

21階

アトスシンジがいればかなり楽

  • 神化上杉、アトスシンジ、神化上杉、神化ルシファー

前回

手持ちの関係で個人的には23階よりこっちのほうが難しかった
- 神化上杉x2 神化アーサー 神化ルシファー

22階

神化ルシファーに将命削り特Mがつけてしまったので。

  • フルールx2 クシナダ 獣神化ハンターキング

といいつつ、将命削り特Mルシファーでも問題なくいけた

  • フルールx2 クシナダ 神化ルシファー

前回

中ボスはフルールのSS打ってとっとと抜ける
- フルールx2 クシナダ 神化ルシファー

23階

アトスシンジいいですね。stage3で使っておくと中ボスサクサク進む。順番はアトスシンジが出来るだけ先頭になるようにしないと、すぐにボス戦になってしまう。それからシンジの次にノブナガが続くほうが捗ると思う。

  • ティアマトx2 アトスシンジ 神化ノブナガ

前回

ノブナガどこで使うんだ?と思っていたがここで使えた
- 紀伊 ティアマトx2 神化ノブナガ

24階

アーサーの毒がまん外してしまった。毒がまんないと被ダメージがすごい。ギリギリ勝てた。

  • 獣神化ハンターキング(毒がまん特級) 神化アーサー(ちび癒やし特級M) 神化オーディン(毒がまん特級) 進化ユグドラシル(毒がまん1級M)

前回

娘に毒がまんアポロ借りた。ムーに毒がまんが付いてなかったので結構辛かった
- 神化アーサー(毒がまん特級) 神化アポロ(毒がまん特級)、神化ルシファー、神化ムー

25階

固定ダメージ持ちのガチャ限持っていないので、ノッコを使った。ノッコで毒はいて、フレンドで湧いたアリスで粘るスタイルw

  • 進化バジリスク、神化ムー、進化ノッコ、神化アリス(フレンド)

お昼休みに暇つぶしでやったらあっさり勝てたけど、家だったら神化アリスの代わりに安倍晴明使えたのでそれだったらもう少し楽に勝てたと思う

26階

苦戦した。手持ちに神化上杉x2 神化関羽x2 大黒天x2 ヤマタケx1とあるのでどの組み合わせがいいのか苦労した。 道中のゾンビループを抜けるのにワープ持ちが必要だけど多すぎるとボス戦で役に立たないので結局この組み合わせが良かった

あとはヤマタケのワンウェイはビットンに行き過ぎでボス戦あまり使えなかった。貫通変化するなら最初から上杉で良いw

  • 大黒天、神化上杉、神化関羽、神化ルシファー

関羽は道中気軽にSS打てるのがいい。上杉は阿修羅みたいに最終面まで取っておく。ルシファーも道中使っても問題ない。

27階

アーサー2体積めば友情で楽ちん。獣神化ハンターキングの毒拡散も削り切れないアビロックを倒せていい感じ

  • 獣神化ハンターキング、進化リボン、神化アーサーx2

28階

今回は普通に。ボスステージ1でゲージが飛んだので楽だった。河童だと中ボスまでが辛い

  • 獣神化アグナムートX 阿修羅、阿修羅、進化コルセア

前回

5回くらいやられた。河童でボスを。中ボスに阿修羅、中ボス2はコルセアの号令で雑魚を捌いて、河童の前の阿修羅のSSで中ボス倒して、次のステージ河童でフィニッシュというパターン

- 阿修羅、阿修羅、河童、進化コルセア

29階

ルシファーとかコルセアだと最初のゾンビループ抜けにくいのでロックオンワンウェイのアーサーのほうが良かった。中ボスまで行けばあとは余裕

  • クシナダ クシナダ 河童 神化アーサー

クシナダ2体だと動きづらいので貫通飛行を一体入れたほうが楽かな

  • クシナダ 河童 神化コルセア 神化アーサー

前回

7回くらいパーティを変えながらチャレンジ。ルシファーは地雷でダメージ受けるのであまりよろしくなかった。クシナダばかりだと1,2ステージでジリ貧になるし、貫通x2(コルセア,ギムレット)もイマイチだった

- 神化コルセア、クシナダ、河童、クシナダ

中ボス2とボス1で河童以外のSSは使ってボス2で下のツクヨミにSS打って終了というやり方

30階

現在、絶賛ハマリ中。次に不動のSS打つターンで耐えられなかった…

1447488262

フレンドにアーサー、神化ルシファー、獣神化ゴッドストライクがでた時にチャレンジしているのでのんびりやっていますが既に10回以上負けている…

  • 神化アーサー、毘沙門天、不動明王、(アーサー、神化ルシファー、獣神化ゴッドストライク)

MBA2012でChainer

直接入れるとめんどくさそうなのでVagrantで

という構成です。

64bitの仮想環境を構築するためにちょっとダウンロードします

vagrant box add trusty64 https://cloud-images.ubuntu.com/vagrant/trusty/current/trusty-server-cloudimg-amd64-vagrant-disk1.box
vagrant init trusty64
vagrant up
vagrant ssh

これ以降は仮想サーバーでのコマンドになります chainerを入れる前に、numpy,cython,h5pyが入ってないといけないみたいです。

sudo apt-get update
sudo apt-get install python-pip
sudo apt-get install python-dev
sudo pip install numpy
sudo pip install cython
sudo apt-get install libhdf5-dev
sudo pip install h5py
sudo pip install chainer

これで、MNISTサンプルが動かせます

$ time python chainer-1.5.1/examples/mnist/train_mnist.py
load MNIST dataset
epoch 1
graph generated
train mean loss=0.192818405504, accuracy=0.94170000316
test  mean loss=0.0941508330352, accuracy=0.969200006723
epoch 2

...

epoch 20
train mean loss=0.00807140778183, accuracy=0.997750002146
test  mean loss=0.101509903543, accuracy=0.981100007892
save the model
save the optimizer

real    596m38.866s
user    614m50.111s
sys 0m34.011s

やたらと時間がかかったが、GPU使うとどのくらい早くなるんだろうか…

Mishima syk #7お疲れ様でした

参加された皆様お疲れ様でした。

今回も話題に困らず、楽しい勉強会で個人的には満足でした。詳しくは資料を見ていただければ。次回はChainer,TensorFlow,Word2Vecなんかのハンズオンを入れたいですね。

そして年末年始はNGS解析ですね☆

ProductName 次世代シークエンサーDRY解析教本 (細胞工学別冊)

学研メディカル秀潤社 / 5832円 ( 2015-10-15 )


深層学習もいいと思います

ProductName 深層学習: Deep Learning
麻生 英樹
近代科学社 / 3780円 ( 2015-11-05 )


お昼は飯嶋で卵とじ蕎麦

1449968286

懇親会は風土二号店。

1449968290

出来たばかりで綺麗だった

1449968289

1449968287

シュトーレンを作ってみた

出来に納得出来ないが、消費速度は早いw

1449575880

1449575883

ラム酒漬けというかラム酒はワンコのお気に入りw

1449575886

ほうれん草ペーストのチキンカレー

ハンドブレンダーを購入してから、やたらとかき回している(定番のバナナから、こしあん、里芋のポタージュまで)

先週末はほうれん草をグリグリやってやった。

ほうれん草を二束茹でたら

1449575703

グリグリやります

1449575705

あとは、玉ねぎとトマト水煮とヨーグルトに漬けておいたチキンを煮込んだら、先ほどのほうれん草ペーストを混ぜあわせて更にちょっと煮るだけ。

1449575708

完成品は撮ってないw

Chemoinformaticsにおいて深層学習は有用なのか知りたいので勉強しているところ

深層学習が届いていたので読んでいました。

ProductName 深層学習: Deep Learning
麻生 英樹
近代科学社 / 3780円 ( 2015-11-05 )


対象読者としては、レビューにもあるように

ただどちらも内容の難易度は少し高めで、またビジネスへの応用が書いてあるわけでもないので 「ディープラーニングって最近よく聞くけど何がすごいの?」 というような疑問を持つ一般人や分野外の人には向いてないだろう。 あくまでこの分野を研究している人向けの本である。

だと思う。少なくともPRMLは読んでいないとしんどいと思うのだけど、読むと確実に広がるのでこの際ついでに読みましょう☆

ProductName パターン認識と機械学習 上
C.M. ビショップ
丸善出版 / 6825円 ( 2012-04-05 )


ProductName パターン認識と機械学習 下 (ベイズ理論による統計的予測)
C.M. ビショップ
丸善出版 / 8424円 ( 2012-02-29 )


僕自身は分野外ではあるのだけど、タイトルにもあるようにChemoinformaticsへ適用できるかなぁっていうことで興味を持っているので、一部の基礎編と二部の応用編の画像認識、自然言語処理の章が参考になった。

高速文字列解析の時もそうだけど、結局化学構造は文字列表現とかグラフ表現するので、シニフィエ、シニフィアン的な側面があって、こっちの学問も必然的に追いかけないとトレンドキャッチアップできないよねと。しているヒトがあんまりいないけど。

本書を読んでいて、なんとなく自然言語処理で使われているような方法論を取り入れてみればいいのかなぁと思ったけど、ECFP(FCFP)って結局bi-gram,tri-gramみたいなもんだし、自然言語には文法という並びに意味があるけど、化合物の文字列表現の場合は方向がそろっているわけではないからその辺りをどうにかしないと難しいよねと改めて思ったのと。

現状の化合物の表記法が、例えば軌道とかを暗(implicit)に記述できているのかなぁというあたりがちょっと疑問。

そういった点も含めてKaggleのあれに関しては別のエントリでちょっとメモった。

それから、もし資料が作れればMishima.sykで話すかもしれません。

今更KaggleのMerck Molecular Activity Challengeについて

丁度2年くらい無気力が続いていたので今更感があるがMerck Molecular Activity ChallengeについてChemoinformaticsの実務者側からのメッセージ的なものが無いので書いておいてもいいかなと。

一応ググるとDeepLearningが活性予測に超使える的な文脈で語られているが、実際はこの結果を受けて「すげー使える」という印象をもっているChemoinformatistはほとんどいないはずです。二位のチームがSVMを使っているのだけど、精度がほとんど変わらないので、 「あーSVMでいいじゃん」 という印象のほうが自然かと(評価方法はこれ)。こっちも参考に。

優勝者インタビュー

特徴量作りに心血を注いできたデータサイエンティスト憤死

とあるけど、実際はモンストでいうところの 「ミリ残しでギリ勝ちしたわ」 であろうと。

むしろ個人的には、スコアが(例えば画像認識に比べて)非常に低いというところを熟慮しないといけないと考えている。

Feature Engineering,特徴量づくりをほぼやらず,必要最低限の前処理しかしてない

と話しており

じゃぁ、仮に 特徴量の学習をさせたら大幅に精度が向上するのか?

というあたりが非常に気になるわけです。

実際、トレーニングセットを見てみると、記述子よくわからなかったw やたらスパースだし、フィンガープリントじゃなくIntegerだったのでなんかの特徴をカウントしてんのかな?

正直これから特徴量作れないんじゃないかなぁと。既に記述子の段階で必要な情報が落ちているんじゃないかとしか思えなかった。

我々 Deep Learning 屋は特徴量を工夫するよりも,特徴量を可能な限りデータから学習していたい.こういう傾向って Kaggle にいる特徴量作りに長けた人々を相手にした時に不利になるかもしれないけど,今回は上手くいったわ.

というように特徴量を学習できるようなデータはどういうものか?というあたりを真剣に考えないとダメなのではないかなぁと思っているわけです(少なくとも現在使われているフィンガープリントでは難しいでしょう)。

それがどういうものかなぁというあたりを考えていきたいところです。