保護中: ベイズ推論による機械学習 – 混合モデルとデータ生成過程と事後分布
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)に活用されるベイズ推論による機械学習での混合モデルとデータ生成過程と事後分布(グラフィカルモデル、ポアソン分布、ガウス分布、ディリクレ分布、カテゴリ分布)
集合論:Set theory
保護中: 統計数学理論における判別適合的損失についての概要
統計数学理論における判別適合的損失についての概要(ランプ損失、凸マージン損失、非凸なΦ-マージン損失、判別適合的、ロバスト・サポートベクトルマシン、判別適合性定理、L2-サポートベクトルマシン、2乗ヒンジ損失、ロジスティック損失、ヒンジ損失、ブースティング、指数損失、凸マージン損失の判別適合性定理、ベイズ規則、予測Φ-損失、予測判別誤差、単調非増加凸関数、経験Φ-損失、経験判別誤差)
保護中: 機械学習のためのオンライン型確率的最適化と確率的勾配降下法
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)タスク活用のための機械学習のための確率的最適化と確率的勾配降下法(ネステロフの加速法、凸関数の最適化を勾配法で解く、ラグランジュの未定乗数法、ユークリッドノルム、収束レート、KLダイバージェンス、指数勾配降下法、ニュートン・ラフソン法、ブレグマンダイバージェンス、確率的鏡像降下法、狭義凸関数、リプシッツ連続、損失関数、射影勾配法、SGD、コーシー・シュワルツの不等式、ミニマックス最適、最急降下法)
保護中: 正定値行列の情報幾何(2)ガウシアングラフィカルモデルから凸最適化へ
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正定値行列の情報幾何 ガウシアングラフィカルモデルから凸最適化へ(コーダルグラフ、三角化グラフ、双対座標、ピタゴラスの定理、情報幾何、測地線、標本分散共分散行列、最尤推定、ダイバージェンス、節空間、リーマン計量、多変量ガウス分布、カルバック・ライブラー情報量、双対接続、ユークリッド幾何、狭義凸関数、自由エネルギー)
保護中: 機械学習における連続最適化のための制約なし最適化
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機械学習における連続最適化のための制約なし最適化(機械イプシロン、スケーリングを考慮しない停止条件、スケーリングを考慮した停止条件、テイラーの定理、最適化アルゴリズムの停止条件、ヘッセ行列)
保護中: モデルフリー強化学習のpythonによる実装(2) モンテカルロ法とTD法
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モンテカルロ法とTD法等のモデルフリー強化学習のpythonによる実装(Q-Learning、Valueベースの手法、Monte Carlo法、ニューラルネット、Epsilon-Greedy法、TD(λ)法、Muli-step Learning、Rainbow、A3C/A2C、DDPG、APE-X DQN)
保護中: 正定値行列の情報幾何(1)双対的な幾何構造の導入
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正定値行列の情報幾何としての双対的な幾何構造の導入(リーマン計量、接ベクトル空間、半正定値計画問題、自己平衡性、レビ-チビタ接続、リーマン幾何、測地線、ユークリッド幾何、∇-測地線、接ベクトル、テンソル量、双対平坦性、正定値行列集合)
保護中: 機械学習における連続最適化の基本事項としての凸解析の基礎
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連続最適化の基本事項としての凸解析の基礎(劣勾配、劣微分、共役関数、閉真凸関数、共役関数、強凸関数、閉真凸関数、関数値の上下界、ヘッセ行列、エピグラフ、テイラーの定理、相対的内部、アフイン包、連続性、凸包、凸関数、凸集合)
保護中: モデルフリー強化学習のpythonによる実装(1) epsilon-Greedy法
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)タスクに活用するためのモデルフリー強化学習の一つであるepsilon-Greedy法のpythonによる実装、多腕バンディット
Clojureを用いたネットワーク解析(1) 幅優先/深さ優先探索・最短経路探索・最小スパニング木・サブグラフと連結成分
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに用いられるClojure/loomを用いたネットワーク解析、幅優先/深さ優先探索・最短経路探索・最小スパニング木・サブグラフと連結成分