いう認識です。

でも、コレだけ与党に「逆風が吹いている」筈なのに勝利するとは、八王子市って「僻地」なのですか？

まあ、関西も世耕の和歌山県、言論弾圧で悪名高い高市の奈良県、威信の怪の発祥地である大阪府……と、

全く「人の事は言えない」んですけれど。

説明を求めては、どうか・・・・

https://m.youtube.com/watch?v=UyYUvydwjcE

全員、滝田やすひこ氏だったね。

選挙公報の公約も、具体的で真っ当な主張だったからね。

ところで、家には、投票日前日、録音した小池百合子の声で、

しやけ(初宿)氏への投票依頼があった。

これは多分、小池百合子も投票依頼する位だから、

勝って当然と思わせる為だったのかもしれない。

八王子市民は、多摩ニュータウンや八王子ニュータウンなどの

団地やマンションの住人が多く、
土地や住宅が比較的安いので、

都心のアパート暮らしから引っ越して来る若いカップルが多い。

そういう意味では、暮らしに直結する公約を掲げていた

東大出で、三井物産出身の滝田氏が勝って当然と思っていたが、

最後に大逆転されるという、これまでよく千葉県の選挙で見られたパターンになり、

地方選でも焦る自公ＤＳにやられたな、

という感じである。

地域によって得票率の差が出ることがなくなるので、その開票時間だけ票の割合が変わるということは、あり得ないのである。
不正以外あり得ない！（断言）

関係者が関係者に疑問な点の説明を求めて行くことを継続するこそ、不正選挙の牽制になり、選挙の公平性を守ることになると思うが・・・・・

民主政治を守るには民主的な手法が必要かと。

投票率で40％もいかないんだから、自公の組織選挙に勝てるわけがない。

片方は大雨が降ろうが、大雪が降ろうが雷が来ようがなにがなんでも絶対行く。

もう片方は面倒臭いし、そんなもん何の関係もないから行かないってだけ。

いくら政治に無関心でも、無関係ではいられないっていうのが、わかんないんだからどうしようもない。

米国なんて、それで戦争大好き･無法地帯量産政権になってしまい、
嬉々と戦争を起こすわ、LAのような無法＆衰退地域量産するわ、凄まじい…

マトモな政治(戦争しない、マトモな経済政策)をしていれば、自然と国民の支持(票)は集まるのに。

Bの演説会場はガラガラ、Pの演説会場は超満員の状況だったのに、
Bが勝ったと聞いて「自民党の丸川珠代議員の街頭演説ガラガラだったのに当選」事例をすぐに思い出しました。

ホント、不正選挙は国を滅ぼしますね…

北朝鮮やロシア以上に
共産主義的政治体系だな
日本は（笑）

「国民のために働く」ポスター作りより一刻も早く国会開く事が国民の為だ
https://x.gd/vnLXy

>「国民のため働く」はあたりまえのことじゃないか。
それをわざわざキャッチコピーにしたら、だったら今までは国民のために働いてこなかったんですか？と突っ込みを入れたくなる（笑）

普通、言うだろ？ 逮捕を逃れた犯罪者なんだから。

自民党はいつまでこの犯罪者どもを破門にしないのか？ 破門というか除名か。本来は破門にした方が良いな。

ムサシ、ではなくグローリー株式会社( https://www.glory.co.jp/product/detail/id=92 )ではないでしょうか。
八王子の「選挙の記録」という資料( https://www.city.hachioji.tokyo.jp/shisei/001/008/003/p009870_d/fil/R5shigikiroku.pdf )(市議会の選挙の時のもの)の開票所の写真の奥にならんでいる8台の機械のようなものがその会社の「GTS-1000」というムサシによく似たマシンのようですね。この資料のp.51「開票事務フロー」というのがありますが、そこに「読み取り機1~8班GTS-1000」とあります。

市長選の有効投票は18万くらいのようですから、10班で手分けしたとしても、2万/１班、それを２時間でカウントしているわけですから、１秒間に2.7票カウントすることになります。手作業では無理ですね。

ところで、根本的な問題ですが、「手書き日本語文字」の読み取り精度、文字認識技術というのは百万文字のうち一つも間違えないくらい正確になったのでしょうかね。(1票に４文字書いてあって、20万票を読み取ると、80万文字≒百万文字、まあ、ちょっとまけて一万文字でもよいですが)
私の記憶では、数年前は手書き日本語認識技術はまだ使い物にならなかった記憶があります。しかし、ムサシという会社は2008か2009ころに、票の自動読み取り機(もちろん手書きです)が超高速(たしか0.1秒/枚くらいだったような気がしますが)でできる、と盛んにテレビで宣伝、あ、間違えた「テレビが宣伝」していましたね。最近はマズイと気がついたのか宣伝しなくなりましたけど。

滝田 %%%%%/////////////////////########################################/// 57193票
両角 %%%%%/////////////////////#####################/////// 44913票
初宿 %%%%%/////////////////////########################################//////////// 63838票
服部 ///#######// 10292票
鎌田 # 2276票

投稿文にどこがおかしいかの説明文がないので、開票時間帯ごとの得票数を積み上げてみた。
（１候補１行に収まると見やすかったのになあ … ）
滝田、初宿の両候補の得票は、21:30台、22:00台、22:30台といずれも同一得票なのに、
最終（23:00台？）で、一方的な差がつくのはおかしい、という主張なんだね？
まるで、相手の得票をうかがいながら、土壇場で勝つような恣意が入ったんじゃないかと。

もし、投票箱中に票がランダムに入っていたなら、この結果はおかしい。
もし、（誰かがご指摘のように）ドドドーっと団体さんがやってきて投票したなら、
こういう結果もありなむ･･･

AI-OCRの手書き認識率は 97〜98％といわれるが、2〜3%の読取りミスはどう処理される？一自治体の選挙ながら全国区レベルの注目を集めた選挙だけに、最後まで最後まで見届けたい。

投開票もインターネットで行い（確定申告のように）、そしてリアルタイムで開票出来るようになれば一番すっきりする。
　

３日も経ってからの質問で申し訳ありませんが、もしご存知でしたら教えていただけませんか。その認識率の数字の出典、時期を。技術は進歩しますのでね。
さらに、一文字に対する認識率なのか、ワンセンテンス(ということはないと思うのですが)なのか。つまり、一文字で98%ならば、4文字の票に対しては、
0.98^4=0.92、つまり92%ですね。

使い物にならないですね。

その通りですね。97〜98%は、私の５年前の書物から引いた数字でしたが今検索してみると、
（おそらく平均的に）「AI OCRの手書き文字認識率は 99.91 ％とかなり高い識字率を誇っており・・・」
のようです。具体的には、
・AnyFormOCR の特徴： 株式会社ハンモックが提供する、99.97 ％の文字認識度を誇る AI OCRです。
・eas の特徴： 文字認識精度が驚異の 99.98 ％
・egaki の特徴： 文字認識率 99.2 ％とトップクラス

出典（各社の特徴をまとめたサイト）
https://gozal.cc/basics/ss-aiocr-comparison
※ NTT東日本、キャノン、東芝･･･ など国内有力メーカーの機種の識字率は今回は探れませんでした。

＞一文字で98%ならば、4文字の票に対しては、0.98^4=0.92、つまり92%ですね。

確かに論理的にはその通りだと思いますが、AI での処理は、バッチ（例えば 10文字とか 100文字の単位）で行うので、10文字とか 100文字とかのインプットに対するアウトプットの正答率が「99.97%」あるのだと思います。人名が５文字とすると、投票用紙の５文字を一気にOCRで読み込んで、ニューラルネットワークで処理します。

人名 入力層　中間層　出力層（認識した人名）
〇 ─→ □ …… □ …… □　┐
〇 ─→ □ …… □ …… □　｜
〇 ─→ □ …… □ …… □　├ この正答率が 99.97 %
〇 ─→ □ …… □ …… □　｜
〇 ─→ □ …… □ …… □　┘

例えば数字なら、１文字に 28 × 28 = 784 pixel の１つの画像を割り当てます。５文字なら、これを５枚並べて 3,920 pixelの１画像として扱う訳です。投票用紙の読取りの場合、予め５人の候補者の氏名を手書きした画像を OCR に読み込ませて、AIニューラルネットワークを動かして正しく識別できるように学習させます。つまり、その出力パターンと正解パターンを突き合わせ、そのズレが最小となるように各ピクセルの出力値（0, 1）を反復調節してネットワーク係数を決定する訳です（最適化）。この反復学習は何十万回に及びます。
それで 99.97%の高い正答率を引き出しているのだと思います。（ディープラーニング）

サイト「OCRをpythonで自作する方法【機械学習】」
https://ebi-works.com/ocr-python/

を参考に、自分のパソコンでやってみます。次のように計画しています。

【１】事前学習 … アルファベット26文字の手書きサンプルデータを
　　　ニューラルネットに入れて、（なるべく沢山）学習させる。

【２】テスト本番 … �@ t　�A a　�B r　�C o　�D taro
　　　これらの文字・文字列をマウスで描いた画像をニューラルネットに入れて
　　　識字テストを行い、その正答率を比較する。

結果が出たら（今週末あたりに）、また書き込み致します。ご覧くだされば幸いです。

事前学習トレーニング ──── 終了 ────
学習の対象: 26 文字
学習データ: 45000 文字
学習の回数: 10000 回

学習後の正答率テスト ──── 終了 ────
テスト回数: 5000 回
　正解の数: 3823 回
　　正答率: 76.46 % （アルファベット 1 文字についての平均）

ユーザ入力文字の識別 ──── 終了 ────
入力文字列： taro
判定文字列： tako
テスト回数: 5000 回
　正解の数: 3823 回
　　正答率: 76.46 % （文字列 taro についての平均）

入力文字列： ebiworks
判定文字列： ebiwoiks
テスト回数: 5000 回
　正解の数: 3823 回
　　正答率: 76.46 % （文字列 ebiworks についての平均）

PS C:\Users\……\Documents\SRC\Python\AI_OCR>
　

　　　　プログラム内　　　入力変数 x = 'a' = [1 0 0 1…1] のとき、出力 y = x * W + b
　　　　での計算処理　　　W: 結合の重み（行列）　ｂ: 入力のバイアス値（ベクトル）

　x = 'a' が入力された場合、出力が y = 'a' となるようにネットワークは結合の重み Ｗや入力バイアス値ｂ
　を変えてフィードバックさせ、この出力を調節・学習させます。他の 25 文字についても同様です。
　これが予定した回数だけ終われば、ネットワーク完成（重みやバイアス値の値が確定）です。
　
・〈学習後の正答率テスト〉
　ネットワークの完成度を確かめるために、未使用の手書き文字サンプル 5,000個を使ってテストします。
　正答率とは、'a', 'b' … 'z' の各文字についての平均値です。5000回反復の平均なので、
　
　　　　't' = 'a' = 'r' = 'o' = 76.46 %

　とみなして差支えないと思います。

・〈ユーザ入力文字の識別〉
　私の手書き文字 'taro' の画像ファイル taro.bmp や、サイトからダウンロードしたサンプル ebiworks.png
　をニューラルネットワークにインプットしています。同じ画像ををくり返し5,000回インプットするので、
　本来の意味の認識率とはちょっと違うかなと思っています。
　
　なお判定文字列の「tako」や「ebiwoiks」は、最後 5,000 回目に判読した文字列だけ挙げました。
　　　　　　　　　　　↑　　　　　 ↑
★〈要検討事項〉
　正答率を高めるには
　�@「学習回数を 50000回 まで上げること」ですが、今回の10000回でも、所要時間８時間１５分かかる。
　�A インポートしたモジュールも含めて、パラメータの初期値や入出力関数を検討する必要がある。

　'taro' や 'ebiworks' でどちらも76.46 %と出てくるのは何故だろう、と思っています。

　�@ 同じ文字 'taro' 'ebiworks' を5,000回インプットしているから。
　�A テストを何度もできるように追加した自作関数に原因があるから。