グラフ理論

アルゴリズム:Algorithms

保護中: トンプソン抽出、ロジスティック回帰モデル上の線形バンディット問題

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ンプソン抽出、ロジスティック回帰モデル上の線形バンディット問題(トンプソン抽出、最尤推定、ラプラス近似、アルゴリズム、ニュートン法、負の対数事後確率、勾配ベクトル、ヘッセ行列、ラプラス近似、ベイズ統計、一般化線形モデル、Lin-UCB方策、リグレット上界)
アルゴリズム:Algorithms

保護中: グループL1ノルム正則化に基づくスパース学習

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グループL1ノルム正則化に基づくスパース機械学習(相対双対ギャップ、双対問題、勾配降下、拡張ラグランジュ関数、双対拡張ラグランジュ法、ヘシアン、L1ノルム正則化、グループL1ノルム正則化、双対ノルム、経験誤差最小化問題、prox作用素、Nesterovの加速法、近接勾配法、繰り返し重み付き縮小法、変分表現、非ゼログループ数、カーネル重み付き正則化項、凹共役、再生核ヒルベルト空間、サポートベクトルマシン、カーネル重み、マルチカーネル学習、基底カーネル関数、EEG信号、MEG信号、ボクセル、電気双極子、ニューロン、マルチタスク学習)
アルゴリズム:Algorithms

保護中: 機械学習における等式制約付き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制約付き機械学習における等式制約付き最適化問題の最適性条件(不等式制約付き最適化問題、有効制約法、ラグランジュ乗数、1次独立、局所最適解、真凸関数、強双対性定理、ミニマックス定理、強双対性、大域的最適解、2次の最適性条件、ラグランジュ未定乗数法、勾配ベクトル、1次の最適性問題)
アルゴリズム:Algorithms

保護中: 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

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)
アルゴリズム:Algorithms

保護中: ガウス混合モデルの変分法と崩壊型ギブスサンプリングによるベイズ推論

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ガウス混合モデルの変分法と崩壊型ギブスサンプリングによるベイズ推論(推論アルゴリズム、解析的な積分近似、複雑なモデル、ガウス・ウィシャート分布、クラスタリング、多次元スチューデントのt分布、カテゴリ分布、ポアソン混合モデル、ディリクレ分布、近似事後分布、潜在変数)
アルゴリズム:Algorithms

保護中: 深層強化学習における価値評価と戦略と弱点

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における価値評価と戦略と弱点(サンプル効率の悪さ、手法の検証も難しさ、実装の仕方による性能への影響、ライブラリの初期値、再現性の低さ、過学習、局所最適、器用貧乏、TRPO、PPO、連続値コントロール、画像コントロール、Policyベース、Valueベース)
アルゴリズム:Algorithms

保護中: 線形バンディット、文脈付きバンディット、LinUCB方策での線形バンディッド問題

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線形バンディット、文脈付きバンディット、LinUCB方策での線形バンディッド問題(リグレット、アルゴリズム、最小二乗定量、LinUCBスコア、報酬期待値、点推定、知識活用重視の方策、探索重視の方策、ウッドベリーの公式、LinUCB方策、LinUCB policy、文脈付きバンディット、ウェブサイト最適化、売り上げ期待値最大、バンディット最適予算配分)
アルゴリズム:Algorithms

保護中: 統計数学理論による多値判別でのラデマッハ複雑度と予測判別誤差の評価

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)タスクに用いられる統計数学理論による多値判別でのラデマッハ複雑度と予測判別誤差(凸2次計画問題、数理計画法、判別機、予測判別誤差、ベイズ誤差、多値サポートベクトルマシン、表現定理、ラデマッハ複雑度、多値マージン、正則化項、経験損失、再生核ヒルベルト空間、ノルム制約、リプシッツ連続性、予測Φp-多値マージン損失、経験Φ-多値マージン損失、一様バウンド、判別関数、判別器)
アルゴリズム:Algorithms

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)
アルゴリズム:Algorithms

保護中: ベイズ推論による機械学習の例:ガウス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の学習例:ガウス混合モデルのギブスサンプリングでの推論(アルゴリズム、観測モデル、ポアソン混合モデル、ウィシャート分布、多次元ガウス分布、条件付き分布、ガウス・ウィシャート分布、潜在変数、カテゴリ分布)
タイトルとURLをコピーしました