Gold Aeroplane 4.1.0 がダウンロード可能になりました リンクを取得 Facebook × Pinterest メール 他のアプリ 2月 22, 2021 4.0.0 にあった,ビルドに関する不具合を修正しました。それ以外の変更点はありません。 次のバージョンは 5.0.0 になる予定です。機能面で大きな変更はありませんが,処理速度や利便性が向上しています。 公開は今春以降になるかと思います。 リンクを取得 Facebook × Pinterest メール 他のアプリ コメント
Gold Aeroplane 6.2.0 について(続) 8月 09, 2023 8 月 8 日に JV-Link 4.9.0 が公開された事から,改めて動作検証をしました。 問題 本ソフトにおいて 4.9.0 では,8 月 7 日以前の「アップデート用」のデータが一部取得できない事が分かりました。インストール時に使う「セットアップ用」では可能です。 これにより 4. 8 .0 での最終ビルドが例えば 8 月 6 日の場合,8 月 7 日に配信されたデータが欠落します。 特に地方や海外のレースに関する情報が登録されないため,それに出走した馬が出走しなかった扱いになり,数値に影響を与えます。 回避策 今月配信された該当レースのほとんどは地方の下級条件戦で,交流重賞など大きなレースは含まれていません。また登録されない場合は前々走の情報が使われるため,現状のままでも大きな支障はないと考えられます。 完全な状態を希望される場合 ,お手数ですが 4.9.0 のインストール 後 に ARC フォルダ内のファイルを全て削除し,再度ビルドして下さい。セットアップ用のデータで再構築できます。この作業には 1 時間以上かかります。 なお 4.8.0 を使い続ける事も恐らく可能です。しかし DIFF 関連のデータが 8 月 7 日分を最後に取得できなくなり,更新されない状態になると思われます。これは他のソフトでも同様かと思います。 修正 本件についての修正は予定されていません。 続きを読む
Gold Aeroplane 6.2.0 について 8月 02, 2023 本日公開申請を行ないました。更新点は JV-Link 4.9.0 への対応のみとなります。 こちら 「JRA-VANからのお知らせ」 にありますとおり,8 月 8 日以降 4.9.0 にしなければ,一部データの取得ができなくなりますのでご注意ください。 詳細 互換性の観点から現在の 4.8.0 でも動作するように設計しました。つまり 4.9.0 の公開を待たずにすぐ実行できます。また 4.9.0 の インストール後 も特に必要な作業はなく, これまでどおりご使用いただけます 。なお仕様が変わるのは「繁殖登録番号」と「生産者コード」の桁数です。 注意 配信元の事情から完全なテストは不可能でした。 理由1 本番用の 4.9.0 は 8 月 8 日にならないと公開されないため,検証版および一部データでの確認となりました。 理由2 検証用の 4.9.0 から 4.8.0 に戻そうとするとキーの再発行が必要になるため,頻繁に切り替えてテストする事が不可能でした。 その他 7 月 26 日に「13 日後仕様変更する」というメールが来て,突然言われてもと思いましたが,開発者向けのメーリング リストでは 3 月から通知している事だったんですね。ただし検証版にはバージョン情報の問題などあったようですから,その時点では対応できなかったと思います。ユーザーの皆様も恐らく当該メールで初めてご存知になったのではないでしょうか。ご利用中のソフトで動作しなくなるものがあるかも知れません。ご確認頂ければと思います。 続きを読む
Gold Aeroplane 4.0.0 がダウンロード可能になりました 9月 06, 2020 本日,審査に通過しました。主な変更点は以下のようになります。 1, 予想アルゴリズムの完全な変更 これまでは単純ベイズ分類器による分類を行なっていました。具体的には各馬が「1 着馬である確率」を求めて順位付けしていましたが,今は,多層パーセプトロンによる回帰を実行しています。求めているのは「一般化した着順」です。 この変更は以下の理由によるものです。 各馬は多くのプロパティを保持していますが,計算の際にその全てを参照するのでなく,一部を除外する事によりパフォーマンスの向上が得られる事が分かっていました。しかしその組み合わせは無数にあるため,ランダムに組み合わせを選択する方法を取っていました。 この方法でも最適解に近づくことは可能と考えます。しかしプロパティの重みは 0 または 1 であり,0.9 といった微妙な加減はできません。この加減を手続き的に実行する方法は無いかと考えました。 パーセプトロンによる学習とは,与えられたデータの重みを最適化する事であり,まさにこの目的に合致します。 2, レースの参照範囲 学習にあたり,以前はレースを期間によって 3 つに分類していました。学習用のグループ A,プロパティの組み合わせを探索するグループ B,その組み合わせの汎用性をテストするグループ C。そしてグループ内のレースはランダムです。 このうち C を廃止しました。というのも,汎用性をテストしてその結果が最高になるように繰り返すという処理をすると,結局のところ汎用性が失われるからです。またその分だけ全体の範囲を過去に広げなければなりません。B については「1」の変更に伴ない,重みを最適化する処理に変わりました。具体的には,重みを微妙に変更する事により,予測した着順と実際の着順との誤差を最小化する処理になります。 この最適化によって得られた予測システムが未知のレースに対しても通用するかどうかをテスト せず ,むしろ得られたものが常に通用する程度に最適化を抑制する。このような方針でビルドを設計しました。ビルドを繰り返しても前回の結果が利用される事はなく,常に一から作り直されます。設定可能な項目においても,デフォルトでは浅い最適化に留めるようになっています。 他にレースが芝,ダート,障害と分かれていたのを統一し,全プリディクタ(すべての賭式に対応しています... 続きを読む
コメント
コメントを投稿