保護中: 統計的因果推論の基礎(2) – 構造的因果モデルとランダム化実験
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)タスクのための統計的因果推論の基礎としての構造的因果モデルとランダム化実験
2022-02
岩波データサイエンスシリーズvol.3「因果論 実世界のデータから因果を読む」読書メモ
サマリー
「相関関係」ではない「因果関係」に対して検討する技術が「因果推論」や「因果探索」となる。因果推論と因果探索は、両方とも因果関係を分析する方法だが、「因果推論」は因果関係を検証するための手法であるのに対して、「因果探...
Inductive logic Programming 2008論文集より
機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術
Inductive l...
ISWC2016論文集より
ISWC2016論文集より
知識情報をハンドリングする人工知能技術の一つであるセマンティックウェブ技術の国際学会であるISWC2016より。前回はISWC2015について述べた。
ISWC が，2...
保護中: 統計的因果推論の基礎(1)-反事実モデルによる因果の定義と構造方程式モデル
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)タスクの為の統計的因果推論基礎:反事実モデルでの因果の定義と構造方程式モデル
保護中: ネットワークフロー問題のアルゴリズム
Ford-Fulkersonのアルゴリズムによる最大通信量問題の解決と最小カット問題との関係、最大流問題の特殊ケースであるニ部グラフの最大マッチング問題、一般マッチング問題と最小費用流問題について述べる。
グラフデータの基本的アルゴリズム(DFS、BFS、ニ部グラフ判定、最短路問題、最小全域木)
グラフデータの基本的アルゴリズム(DFS、BFS、ニ部グラフ判定、最短路問題、最小全域木)について概要とC++でのコードについて述べる
グラフデータ処理アルゴリズムと機械学習/人工知能タスクへの応用
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)等の様々な課題の中でのものや状態といった対象同士の結びつきを表すデータを表現したグラフデータを解析するためのアルゴリズムの理論と実装と活用
保護中: 高度なグラフアルゴリズム(強連結成分分解、DAG、2-SAT、LCA)
知識グラフ処理やさまざまな課題解決アルゴリズムに適用可能な高度なグラフデータアルゴリズムである強連結成分分解、DAG、2-SAT、LCA等の概要とC++での実装
ISWC2015論文集より
ISWC2015論文集より
知識情報をハンドリングする人工知能技術の一つであるセンティックウェブ技術の国際学会であるISWC2015より。
前回はISWC2014について述べた。今回は米国のベツレ...