保護中: ガウス混合モデルの変分法と崩壊型ギブスサンプリングによるベイズ推論
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ガウス混合モデルの変分法と崩壊型ギブスサンプリングによるベイズ推論(推論アルゴリズム、解析的な積分近似、複雑なモデル、ガウス・ウィシャート分布、クラスタリング、多次元スチューデントのt分布、カテゴリ分布、ポアソン混合モデル、ディリクレ分布、近似事後分布、潜在変数)
人工知能:Artificial Intelligence
オートマトンと状態遷移/ペトリネット、自動計画と数え上げ問題
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オートマトンと状態遷移/ペトリネットと自動計画(デジタルゲームAI、空間認識、時間認識、自立型エージェント、C4、階層型FSM、反射AI、FSM、GA、動作ツリー、分散システム、通信プロトコル、データベーストランザクション、並列システム、ワークフローモデル、ビジネスプロセスモデル、デジタル回路、プログラミング言語、自然言語処理、チューリングマシン、プッシュダウンオートマトン、Moore型、Mealy型、決定的FSM、DFSM、決定性有限オートマトン、非決定性有限オートマトン、DFA、NFA)
保護中: 説明できる人工知能(16)モデル非依存の解釈(SHAP (SHapley Additive exPlanations))
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説明できる人工知能としてのSHAPを用いたモデル非依存解釈(scikit-learn、xgboost、LightGBM、tree boosting、R、shapper、 fastshap、TreeSHAP、KernelSHAP、partial dependence plot、permutation feature importance、feature importance、feature dependence、interactions, clustering、summary plots、atomic unit、LIME、決定木、ゲーム理論、クラスタリング、SHAP相互作用値、ALE plot、画像マッピング、一貫性、欠損、局所正確性、効率性 、対称性 、ダミー性、加法性、SHapley Additive exPlanations、ローカルサロゲートモデル)
保護中: 深層強化学習における価値評価と戦略と弱点
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深層強化学習における価値評価と戦略と弱点(サンプル効率の悪さ、手法の検証も難しさ、実装の仕方による性能への影響、ライブラリの初期値、再現性の低さ、過学習、局所最適、器用貧乏、TRPO、PPO、連続値コントロール、画像コントロール、Policyベース、Valueベース)
命題論理の充足可能性判定問題(SAT:Boolean SAtisfiability)の概要と実装
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)タスクにに活用される命題論理の充足可能性判定問題(SAT:Boolean SAtisfiability)の概要と実装(Clojure Rollingstones、Pyhton、PySAT、z3-solver、C++、2-SAT、ゲームAI、自然言語処理の高速化、組合せ最適化問題の効率化、ハイパーパラメータの最適化、コンピュータセキュリティ、ソフトウェア仕様の自動検証、チップ設計の自動検証、zChaff、WalkSAT、GRASP、CryptoMiniSat、MapleSAT、Scavel、PicoSAT、MiniSAT、CaDiCaL、Lingeling、Glucose、Ｐ≠ＮＰ予想、論理問題)
DXの事例としての人工知能技術
DX活用に向けた人工知能技術の具体的な適用事例
人工知能技術とは、人間の知能や思考プロセスを模倣することで、コンピューターやロボットなどにこれまで人間が行なっていた知的な作業を行わせる技術を指す。人工知能技...
機械学習における並列分散処理
機械学習における並列分散処理
機械学習の学習処理は、大量のデータを扱うため、高速で並列分散処理が必要とされている。並列分散処理は、複数のコンピューターで処理を分散し、同時に複数の処理を行うことで、高速で処理を行うこと...
保護中: 線形バンディット、文脈付きバンディット、LinUCB方策での線形バンディッド問題
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線形バンディット、文脈付きバンディット、LinUCB方策での線形バンディッド問題(リグレット、アルゴリズム、最小二乗定量、LinUCBスコア、報酬期待値、点推定、知識活用重視の方策、探索重視の方策、ウッドベリーの公式、LinUCB方策、LinUCB policy、文脈付きバンディット、ウェブサイト最適化、売り上げ期待値最大、バンディット最適予算配分)
保護中: 統計数学理論による多値判別でのラデマッハ複雑度と予測判別誤差の評価
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)タスクに用いられる統計数学理論による多値判別でのラデマッハ複雑度と予測判別誤差(凸2次計画問題、数理計画法、判別機、予測判別誤差、ベイズ誤差、多値サポートベクトルマシン、表現定理、ラデマッハ複雑度、多値マージン、正則化項、経験損失、再生核ヒルベルト空間、ノルム制約、リプシッツ連続性、予測Φp-多値マージン損失、経験Φ-多値マージン損失、一様バウンド、判別関数、判別器)
保護中: L1ノルム正則化のための最適化手法としての双対拡張ラグランジュ法・双対交互方向乗数法
デジタルトランスフォーメーショ(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるスパース学習でのL1ノルム正則化のための最適化手法(FISTA、SpaRSA、OWLQN、DL法、L1ノルム、チューニング、アルゴリズム、DADMM、IRS、ラグランジュ乗数、近接点法、交互方向乗数法、勾配上昇法、拡張ラグランジュ法、ガウス・サイデル法、連立一次方程式、制約付きノルム最小化問題、コレスキー分解、交互方向乗数法、双対拡張ラグランジュ法、相対双対ギャップ、ソフト閾値関数、へシアン行列)