日々の流転

λ. Bayesian Networks for Lossless Dataset Compression, Scott Davies and Andrew Moore

を読んだ。レコードの列を圧縮する際に、レコードのフィールド間の関係をベイジアンネットワークとして学習し、その確率分布の情報を使って算術符号化や(改良した)ハフマン符号化を行うことで、高い圧縮率を達成できるという話。こんなのにもベイジアンネットワークを使えるんだという点で私には新鮮だった。

λ. Probabilistic Logic Programming and Bayesian Networks, Liem Ngo and Peter Haddawy

を読んだ。

λ. Announce: 圏論勉強会(第三回)

そうそう。今週末は圏論勉強会の三回目がありますよ。堅苦しい集まりではないし、特に前提知識は必要ないので、圏論に興味のある人は是非お気軽に御参加下さい。(初参加の方は mixi:圏論勉強会(第三回) か haskell-jpメーリングリスト で参加を表明しておくと良いと思います)

日時

2005年1月29日(土曜) 13:00〜

場所

タイムインターメディア様 2階会議室 (地図)

テキスト

Conceptual Mathematics: A First Introduction to Categories

λ. GHC 6.4 の ライブラリ

多少変わっているようなので、ちょっと覗いてみた。

Data.FiniteMap

deprecated。Data.Mapを推奨。

Data.Map

DDataから取り込まれた

Data.Set

DDataのそれに置き換わった。古いインターフェースはdeprecated。

Data.Queue

DDataから取り込まれた

Data.IntSet

Data.IntMap

DData.IntSetとDData.IntMapが取り込まれた。Int限定だけど、性能は汎用のものより結構良かったはず。以前あるプログラムで(DData.Setの実装になる前の)Data.FiniteSetとDData.IntSetを比較したときはこんな感じだった。

あるプログラムでの比較

	Data.FiniteMap	DData.IntSet
total time	3.94 secs (197 ticks @ 20 ms)	2.88 secs (144 ticks @ 20 ms)
total alloc (excludes profiling overheads)	245,779,276 bytes	127,081,744 bytes

Data.FunctorM

mapをfmapに一般化するように、mapMをfmapMに一般化するクラス。 個人的には以下のように分配則(?)として表現するほうが好みかな。

class Functor f => DistOverM f where
    dist :: Monad m => f (m a) -> m (f a)
 
fmapM :: (DistOverM f, Monad m) => (a -> m b) -> f a -> m (f b)
fmapM f = dist . fmap f

Data.Version

ソフトウェアのバージョン番号を表すデータ型。Cabelで使ってる。