最尤推定

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多値判別の判別適合的損失と各種損失関数への適用(識別モデル損失、判別適合的、狭義順序保存特性、ロジスティックモデル、最尤推定、非負値凸関数、1対他損失、制約付き比較損失、凸非負値関数、ヒンジ損失、ペア比較損失、多値サーポートベクトルマシン、単調非増加関数、予測判別誤差、予測ψ-損失、可測関数)

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)

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変分ベイズ法での周辺尤度、事後平均、事後共分散及び予測分布の計算手法(ジェームス-スタイン推定量、最尤推定、経験ベイズ推定量、ベイズ自由エネルギー、超パラメータ、自動関連度決定、線形回帰モデル、確率的複雑さ、対数周辺尤度経験ベイズ学習、多項分布モデル、事後平均、線形回帰モデル)