機械学習における確率的最適化の概要と実装
機械学習における確率的最適化の概要
確率的最適化は、確率的な要素を含む最適化問題の解法を表し、機械学習での確率的最適化はモデルのパラメータを最適化する際にに広く使用されている手法となる。
一般的な最適化問題では、目...
統計的学習理論の概要(数式を使わない解説)
機械学習アルゴリズムの統計的性質に関する理論について
機械学習アルゴリズムの統計的性質に関する理論は、統計的学習理論として知られている。統計的学習理論は、データから学習する際の確率的な性質や最適化の理論的な枠組みを提供して...
ゲーム理論の概要とAI技術との融合と実装例
ゲーム理論の概要
ゲーム理論とは、競争や協力など、相互に影響を与えあう複数の意思決定者（プレーヤー）が存在する場合に、彼らの戦略とその結果を数学的にモデル化することで、最適な戦略を決定するための理論となる...
粒子群最適化の概要と実装について
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される粒子群最適化の概要と実装について(Clojure、CAPSOS、R language、pso、pyhton、pyswarm、ニューラルネットワークのトレーニング、パラメータの最適化、組合せ最適化、ロボット制御、パターン認織)
一般化線形モデルの概要と各種言語による実装
一般化線形モデルの概要
一般化線形モデル(Generalized Linear Model, GLM)は、統計モデリングや機械学習の手法の一つであり、応答変数（目的変数）と説明変数（特徴量）の間の関係を確率的に...
関数とは何か – その歴史とプログラミングと機械学習
関数について
関数は、一般的に、ある集合内の各要素に対して、別の集合内の唯一の要素を割り当てる規則として数学的に定義されるものとなる。このとき、最初の集合は「定義域」と呼ばれ、関数が適用される値の範囲を表す。二つ目の...
ペトリネット技術の概要と人工知能技術との組み合わせ、各種実装について
ペトリネットの概要
ペトリネットとは、ペトリが1962年に提案した離散事象システムの記述モデルで、事象駆動型のシステムにおいて，非同期・並行な事象と，それを導く状態との関係を表現するものとなる。ペトリネットは，...
マルチタスク学習の概要と適用事例と実装例
マルチタスク学習の概要
マルチタスク学習（Multi-Task Learning）は、複数の関連するタスクを同時に学習する機械学習の手法となる。通常、個々のタスクは異なるデータセットや目的関数を持っているが...
スパースモデリングの概要と適用事例及び実装
スパースモデリングの概要
スパースモデリングは、信号やデータの表現においてスパース性(疎な性質)を利用する手法となる。スパース性とは、データや信号において非ゼロの要素がごく一部に限られている性質を指す。ス...
バンディット問題の概要と適用事例及び実装例
概要
バンディット問題(Bandit problem)は、強化学習の一種であり、意思決定を行うエージェントが未知の環境において、どの行動を選択するかを学習する問題となる。この問題は、複数の行動の中から最適な行動を選...