座標降下法

アルゴリズム:Algorithms

保護中: 統計数学理論によるブースティング

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統計数学理論によるブースティング(一般化線型モデル、修正ニュートン法、対数尤度、重み付き最小2乗法、ブースティング、座標降下法、反復重み付け最小2乗法、iteratively reweighted least square method、IRLS method、重み付き経験判別誤差、パラメータ更新則、へシアン行列、補正ニュートン法、modified Newton method、ニュートン法、Newton method、リンク関数、ロジスティック損失、logistic loss、ブースティング・アルゴリズム、ロジットブースト、指数損失、凸マージン損失、アダブースト、弱仮説、経験マージン損失、非線形最適化)
アルゴリズム:Algorithms

保護中: 機械学習の連続最適化としての共役勾配法と非線形共役勾配法

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の連続最適化としての共役勾配法と非線形共役勾配法(モーメント法、非線形共役勾配法、探索方向、慣性項、Polak-Ribiere法、直線探索、ウルフ条件、Dai-Yuan法、強ウルフ条件、Fletcher-Reeves法、大域的収束性、ニュートン法、急速降下法、ヘッセ行列、凸2次関数、共役勾配法、最小固有値、最大固有値、アフィン部分空間、共役方向法、座標降下法)
アルゴリズム:Algorithms

保護中: 勾配法の基礎(直線探索法、座標降下法、最急降下法と誤差逆伝搬法)

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勾配法の基礎(直線探索法、座標降下法、最急降下法と誤差逆伝搬法、確率的最適化、多層パーセプトロン、アダブースト、ブースティング、ウルフ条件、ゾーテンダイク条件、アルミホ条件、バックトラッキング法、ゴールドシュタイン条件、強ウルフ条件)
モバイルバージョンを終了
タイトルとURLをコピーしました