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...
保護中: アトミックノルムによるスパース機械学習の数学的性質と最適化
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アトミックノルムによるスパース機械学習の数学的性質と最適化(L∞ノルム、双対問題、ロバスト主成分分析、前景画像抽出、低ランク行列、スパース行列、ラグランジュ乗数、補助変数、拡張ラグランジュ関数、指示関数、スペクトルノルム、ロバスト主成分分析、フランク・ウォルフェ法、双対における交互乗数法、L1ノルム制約付き二乗回帰問題、正則化パラメータ、経験誤差、曲率パラメータ、アトミックノルム、prox作用素、凸包、ノルムの等価性、双対ノルム)
保護中: アトミックノルムによるスパース機械学習の定義と具体例
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アトミックノルムによるスパース機械学習での定義と具体例(テンソルの核型ノルム、nuclear norm、高階テンソル、トレースノルム、K階テンソル、アトム集合、汚いモデル、dirty model、マルチタスク学習、制約なし最適化問題、ロバスト主成分分析、L1ノルム、グループL1ノルム、L1誤差項、ロバスト統計、フロベニウスノルム、外れ値推定、重複のあるグループ正則化、アトム集合の和集合、ベクトルの要素単位のスパース性、グループ単位のスパース性、行列の低ランク性)
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...
保護中: 機械学習における連続最適化としての上界最小化アルゴリズム
このコンテンツはパスワードで保護されています。閲覧するには以下にパスワードを入力してください。
パスワード:
保護中: 機械学習におけるラグランジュ関数を用いた最適化(2)拡張ラグランジュ関数法
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機械学習での拡張ラグランジュ関数法を用いた最適化手法の概要とアルゴリズム(近接点アルゴリズム、強凸、一次収束、線形制約付き凸最適化問題、強双対性の定理、最急降下法、モーロー包、共役関数、近接写像、双対問題、双対上昇法、ペナルティ関数法、バリア関数法)
保護中: 機械学習におけるラグランジュ関数を用いた最適化(3)交互方向乗数法
このコンテンツはパスワードで保護されています。閲覧するには以下にパスワードを入力してください。
パスワード:
保護中: 機械学習におけるラグランジュ関数を用いた最適化(1)双対上昇法
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機械学習におけるラグランジュ関数を用いた最適化(最急上昇法、ニュートン法、双対上昇法、非線形な等式制約付き最適化問題、閉真凸関数f、μ-強凸関数、共役関数、最急降下法、勾配射影法、線形不等式制約付き最適化問題、双対分解、交互方向乗数法、正則化学習問題)
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...
保護中: 確率的最適化における凸解析の基本事項(2)フェンシェルの双対定理と近接写像と強凸関数
このコンテンツはパスワードで保護されています。閲覧するには以下にパスワードを入力してください。
パスワード: