アルゴリズム:Algorithms 保護中: スパース性に基づく機械学習としてのノイズありL1ノルム最小化の理論(2) 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スパース性に基づく機械学習としてのノイズありL1ノルム最小化の理論(数値解析例、ヒートマップ、人工データ、制限強凸性、制限等長性、kスパースベクトル、ノルムの独立性、劣微分、凸関数、回帰係数ベクトル、直交補空間) 2023.02.06 アルゴリズム:Algorithmsスパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms 様々な強化学習技術の理論とアルゴリズムとpythonによる実装 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様々な強化学習技術の理論とアルゴリズムとpythonによる実装(強化学習,オンライン学習,オンライン予測,深層学習,python,アルゴリズム,理論,実装) 2023.02.05 アルゴリズム:Algorithmsオンライン学習グラフ理論スパースモデリング幾何学:Geometry強化学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning深層学習:Deep Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
ICT技術:ICT Technology 機械学習技術について デジタルトランスフォーメーション(DX)、人工知能(AI)タスクに活用される機械学習技術について 2023.02.05 ICT技術:ICT Technology人工知能:Artificial Intelligence数学:Mathematics
推論技術:inference Technology 保護中: 説明できる人工知能(11)モデル非依存の解釈(Permutation Feature Importance) 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)に活用可能な説明できる機械学習での後付け解釈モデル、モデル非依存解釈手法のうちの一つPermutation Feature Importance 2023.02.03 推論技術:inference Technology検索技術:Search Technology機械学習:Machine Learning
python 保護中: 強化学習に対するニューラルネットワークの適用 価値評価に深層学習を適用するDeep Q-Network 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強化学習に対するニューラルネットワークの適用 価値評価に深層学習を適用するDeep Q-Network(Prioritized Replay、Multi-step Learning、Distibutional RL、Noisy Nets、Double DQN、Dueling Network、Rainbow、GPU、Epsilon-Greedy法、optimizer、報酬のClipping、Fixed Target Q-Network、Experience Replay、平均二乗誤差、mean squared error、TD誤差、PyGame Learning Enviroment、PLE、OpenAI Gym、CNN) 2023.02.02 pythonアルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry強化学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning深層学習:Deep Learning確率・統計:Probability and Statistics線形代数:Linear Algebra集合論:Set theory
Clojure 保護中: Clojureを用いたGraphX Pregelでのネットワーク解析 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Clojureを用いたGraphX Pregelでのネットワーク解析(ラベル伝搬、twitterデータ、コミュニティ分析、グラフ構造分析、コミュニティサイズ、コミュニティ検出、アルゴリズム、最大連結成分、トライアングルカウント、Glittering、Google、ケーニヒスベルクの橋、オイラー路) 2023.02.01 Clojureグラフ理論微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms 保護中: ベイズ推論による機械学習の例:ポアソン混合モデルのギブスサンプリングによる推論 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ベイズ推論による機械学習の例:ポアソン混合モデルのギブスサンプリングによる推論(アルゴリズム、未観測変数のサンプリング、ディリクレ分布、ガンマ分布、条件付き分布、カテゴリ分布、事後分布、同時分布、超パラメータ、知識モデル、データ発生過程、潜在変数) 2023.01.30 アルゴリズム:Algorithmsグラフ理論ベイズ推定幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms 保護中: 敵対的バンディッド問題でのHedgeアルゴリズムとExp3方策 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敵対的バンディッド問題でのHedgeアルゴリズムとExp3方策(擬リグレット上界、期待累積報酬、最適パラメータ、期待リグレット、多腕バンディット問題、Hedgeアルゴリズム、エキスパート、報酬版Hedgeアルゴリズム、ブースティング、フロイント、シャビレ、疑似コード、オンライン学習、PAC学習、質問学習) 2023.01.27 アルゴリズム:Algorithmsバンディッド問題強化学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms 保護中: 統計数学理論におけるカーネル法の基礎としての表現定理とラデマッハ複雑度 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おけるカーネル法の基礎としての表現定理とラデマッハ複雑度(グラム行列、仮説集合、判別境界、過剰適合、マージン損失、判別関数、予測半正定値、普遍カーネル、再生核ヒルベルト空間、予測判別誤差、L1ノルム、ガウスカーネル、指数カーネル、2項カーネル、コンパクト集合、経験ラデマッハ複雑度、ラデマッハ複雑度、表現定理) 2023.01.26 アルゴリズム:Algorithmsグラフ理論幾何学:Geometry微分積分:Calculus数理論理学:Mathematical logic最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms 保護中: バッチ型確率的最適化 – 確率的分散縮小勾配降下法と確率的平均勾配法 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バッチ型確率的最適化 - 確率的分散縮小勾配降下法と確率的平均勾配法(SAGA、SAG、収束レート、正則化項、強凸条件、改良型確率的平均勾配法、不偏推定量、SVRG、アルゴリズム、正則化、ステップサイズ、メモリ効率、ネカテロフの加速法、ミニバッチ法、SDCA) 2023.01.25 アルゴリズム:Algorithms幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra集合論:Set theory