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)
最適化手法
保護中: L1ノルム正則化のための最適化手法としての双対拡張ラグランジュ法・双対交互方向乗数法
デジタルトランスフォーメーショ(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるスパース学習でのL1ノルム正則化のための最適化手法(FISTA、SpaRSA、OWLQN、DL法、L1ノルム、チューニング、アルゴリズム、DADMM、IRS、ラグランジュ乗数、近接点法、交互方向乗数法、勾配上昇法、拡張ラグランジュ法、ガウス・サイデル法、連立一次方程式、制約付きノルム最小化問題、コレスキー分解、交互方向乗数法、双対拡張ラグランジュ法、相対双対ギャップ、ソフト閾値関数、へシアン行列)
保護中: スパース学習モデルのための L1ノルム正則化のための最適化手法
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)タスクに活用するためのスパース学習モデルのための L1ノルム正則化のための最適化手法(近接勾配法、forward-backward splitting、iterative-shrinkage threshholding(IST)、加速付き近接勾配法、アルゴリズム、prox作用素、正則化項、微分可能、二乗誤差関数、ロジスティック損失関数、繰り返し重み付き縮小法、凸共役、へシアン行列、最大固有値、2階微分可能、ソフト閾値関数、L1ノルム、L2ノルム、リッジ正則化項、η-トリック)
保護中: 教師あり学習と正則化
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機械学習最適化手法の基礎としての教師あり学習(回帰、判別)と正則化(リッジ関数、L1正則化、ブリッジ正則化、エラステックネット正則化、SCAD、グループ正則化、一般化連結正則化、トレースノルム正則化)の概要
保護中: 劣モジュラ最適化を用いた構造正則化学習(2)劣モジュラ関数から得られる構造的疎性
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離散情報の最適化手法である劣モジュラ最適化での劣モジュラ関数から得られる構造的疎性による構造正則化学習(結合ラッソとロヴァース拡張)
保護中: 劣モジュラ最適化を用いた構造正則化学習(1)正則化とp-ノルムの復習
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)タスクのための離散情報の最適化手法である劣モジュラ最適化を用いた構造正則化学習を考えるための、スパースモデリング、正則化とp-ノルムの復習
保護中: 最大流とグラフカット(1) 最大量と最小s-tカット
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離散情報の最適化手法である劣モジュラ最適化の有向グラフの最小カット、最大流量問題への適用
保護中: 劣モジュラ関数の最大化と貪欲法の適用(1) 貪欲法の概要と文書要約タスクへの適用
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)タスクに活用される離散情報の最適化手法:劣モジュラ関数最大化への貪欲法の適用と文書要約タスクへの活用
保護中: 劣モジュラ最適化の基礎(4)基多面体上の線形最適化とノルム最適化によるアプローチ
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離散情報の最適化手法の一つである劣モジュラ最適化での基多面体上の線形最適化とノルム最適化による劣モジュラアプローチ
保護中: 劣モジュラ最適化の基礎(3)基多面体の最小ノルム点を利用した劣モジュラ関数最小化問題アルゴリズム
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離散情報の最適化手法(劣モジュラ最適化)の手法の一つである基多面体最小ノルム点を使った劣モジュラ関数最小化問題アルゴリズム