グラフ理論

アルゴリズム:Algorithms

保護中: 非負値行列因子分解でのベイズ推論の応用モデルの構築と推論

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の応用モデルの構築と推論としての非負値行列因子分解(ポアソン分布、潜在変数、ガンマ分布、近似事後分布、変分推論、オルガンの演奏データのスペトクグラム、欠損値補間、高周波成分の復元、超解像、グラフィカルモデル、ハイパーパラメータ、モデル化、補助変数、線形次元削減、推薦アルゴリズム、音声データ、高速フーリエ変換、自然言語処理)
アルゴリズム:Algorithms

保護中: 深層強化学習の弱点である環境認識の改善の為の2つのアプローチの実装

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深層強化学習の弱点である環境認識の改善の為の2つのアプローチの実装(逆予測型、制約型、表現学習、模倣学習、再構成型、予測型、WorldModels、遷移関数、報酬関数、表現学習、VAE、Vision Model、RNN、Memory RNN、モンテカルロ法、TD Search、モンテカルロ木探索、モデルベースの学習、Dyna、深層強化学習の弱点)
アルゴリズム:Algorithms

保護中: Clojureを用いた回帰分析(2) 重回帰モデル

このコンテンツはパスワードで保護されています。閲覧するには以下にパスワードを入力してください。 パスワード:
アルゴリズム:Algorithms

保護中: プレイヤーの行動の候補が膨大あるいは連続的な場合の最適腕バンディットとベイズ最適(1)

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プレイヤーの行動の候補が膨大あるいは連続的な場合の最適腕バンディットとベイズ最適(線形カール、線形バンディット、共分散関数、マターンカーネル、ガウスカーネル、正定値カーネル関数、ブロック行列、逆行列公式、事前同時確率密度、ガウス過程、リプシッツ連続、ユークリッドノルム、単純リグレット、ブラックボックス最適化、最適腕識別、リグレット、交差確認、leave-one-out交差確認、連続腕バンディット)
アルゴリズム:Algorithms

保護中: トレースノルム正則化に基づくスパース機械学習

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)タスクに活用されるトレースノルム正則化に基づくスパース機械学習(PROPACK、ランダム射影、特異点分解、低ランク、スパース行列、近接勾配の更新式、協調フィルタリング、特異値ソルバー、トレースノルム、prox作用、正則化パラメータ、特異値、特異ベクトル、加速付き近接勾配法、トレースノルム正則化付き学習問題、半正定行列、行列の平方根、フロベニウスノルム、フロベニウスノルム二乗正則化、トーレスノルム最小化、2値分類問題、マルチタスク学習、グループL1ノルム、推薦システム)
アルゴリズム:Algorithms

保護中: 機械学習における制約付き不等式最適化問題の最適性条件

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における制約付き不等式最適化問題の最適性条件(双対問題、強双対性、ラグランジュ関数、線形計画問題、スレイター条件、主双対内点法、弱双対性、凸最適化の1次の十分条件、2次の十分条件、KKT条件、停留条件、1次の最適性条件、有効制約式、Karush-Kuhn-Tucker、局所最適解)
アルゴリズム:Algorithms

保護中: 確率的最適化における凸解析の基本事項(1)凸関数と劣微分、双対関数

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確率的最適化における凸解析の基本事項での凸関数と劣微分、双対関数(凸関数、共役関数、ヤング・フェンシェルの不等式、劣微分、ルジャンドル変換、劣勾配、L1ノルム、相対的内点、アフィン包、アフィン集合、閉包、エピグラフ、凸包、平滑凸関数、狭義凸関数、真凸閉関数、閉凸閉関数、実行定義域、凸集合)
アルゴリズム:Algorithms

保護中: ベイズ推論における線形次元削減モデルでの画像特徴抽出と欠損値推論

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おける線形次元削減モデルでの画像特徴抽出と欠損値推論(欠損画像情報復元、欠陥値補間、変分推論、未記入アンケート、未記入プロファイル情報、複数センサー統合、線形次元圧縮アルゴリズム、画像非可逆圧縮)
アルゴリズム:Algorithms

保護中: 説明できる機械学習(17)反事実的説明 (Counterfactual Explanations)

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反事実的説明による機械学習結果の説明(Anchor、Growing Spheresアルゴリズム、Python、Alibi、カテゴリカル特徴量、羅生門効果、LIME、全結合型ニューラルネット、反事実生成アルゴリズム、ユークリッド距離、中央絶対偏差、Nelder-Mead法、因果意味論、原因)
アルゴリズム:Algorithms

保護中: 深層強化学習の弱点と対策の概要と環境認識の改善の為の2つのアプローチ

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)タスクにに活用される深層強化学習の弱点と対策の概要と環境認識改善のの2つのアプローチ(Mixture Density Network、RNN、Variational Auto Encoder、World Modles、表現学習、戦略ネットワーク圧縮、モデルフリー学習、Sample-Based Planning Model、Dyna、シミュレーションベース、サンプルベース、Gaussian Process、ニューラルネット、遷移関数、報酬関数、シミュレーター、学習能力、転移能力)
タイトルとURLをコピーしました