AIシステム設計・意思決定構造の設計を専門としています。
Ontology・DSL・Behavior Treeによる判断の外部化、マルチエージェント構築に取り組んでいます。
Specialized in AI system design and decision-making architecture.
Focused on externalizing decision logic using Ontology, DSL, and Behavior Trees, and building multi-agent systems.
コメント
[…] 分類(4)集団学習(アンサンブル学習,ランダムフォレスト)と学習結果の評価(交差検証法) […]
[…] 次回は集団学習と学習結果の評価について述べる。 […]
[…] 機械学習プロフェッショナルシリーズ「画像認識」より。前回はベクトル化した画像特徴の分類について述べた。今回は畳み込みニューラルネットワークについて述べる。 […]
[…] 分類(4)集団学習(アンサンブル学習,ランダムフォレスト)と学習結果の評価(交差検証法) […]
[…] 集団学習と決定木(ランダムフォレスト) […]
[…] 成するためには、以下の要素が必要となる。(ランダムフォレストの詳細は”分類(4)集団学習(アンサンブル学習,ランダムフォレスト)と学習結果の評価(交差検証法)“等を参照のこと) […]
[…] 機械学習アルゴリズムの中で、”サポートベクトルマシンの概要と適用例および各種実装について“で述べているサポートベクトルマシン（SVM）、”決定木の概要と応用および実装例について“で述べている決定木、”分類(4)集団学習(アンサンブル学習,ランダムフォレスト)と学習結果の評価(…“で述べているランダムフォレスト、”k-meansの概要と応用および実装例について“で述べているk最近傍法（k-NN）などが感情検出に利用されている。これらのアルゴリズムは特徴量を抽出し、その特徴量を元に感情を分類することができる。 […]