アルゴリズム:Algorithms Clojureを用いたニューラルネットと誤差逆伝播法の実装
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Clojureを用いたニューラルネットと誤差逆伝播法の実装
機械学習:Machine Learning
アルゴリズム:Algorithms アルゴリズム:Algorithms 保護中: 正定値行列の情報幾何(2)ガウシアングラフィカルモデルから凸最適化へ
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)
アルゴリズム:Algorithms 保護中: 確率的バンディッド問題の方策 -理論的限界とε-貪欲法
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確率的バンディッド問題の方策 としての理論的限界とε-貪欲法、UCB法、一貫性をもつ方策のリグレット下界、KLダイバージェンス
微分積分:Calculus 保護中: 統計数学理論における仮説集合の複雑度
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される統計数学理論における仮説集合の複雑度(ラデマッハ複雑度、VC次元、大数因子、一様大数の法則、決定株、線形判別器の集合、線形関数の集合、コーシー・シュワルツの不等式、イェンセンの不等式、マサールの補題、タラグランドの補題、経験ラデマッハ複雑度、サウアーの補題、ラドンの定理)
アルゴリズム:Algorithms 保護中: 確率的最適化とオンライン最適化の概要
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確率的最適化とオンライン最適化の概要(期待誤差、リグレット、ミニマックス最適、強凸損失関数、確率的勾配降下法、確率的双対平均化法、AdaGrad、オンライン型確率的最適化、バッチ型確率的最適化)
アルゴリズム:Algorithms 保護中: 機械学習における連続最適化のための制約なし最適化
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における連続最適化のための制約なし最適化(機械イプシロン、スケーリングを考慮しない停止条件、スケーリングを考慮した停止条件、テイラーの定理、最適化アルゴリズムの停止条件、ヘッセ行列)
アルゴリズム:Algorithms 保護中: ガウス過程による教師なし学習(1)ガウス過程潜在変数モデルの概要とアルゴリズム
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)に活用される確率的生成モデルの応用であるガウス過程潜在変数モデル(GPLVM)を用いた教師なし学習の概要とアルゴリズム、ベイズガウス過程潜在変数モデル(Bayesian GPLVM)
アルゴリズム:Algorithms 保護中: モデルフリー強化学習のpythonによる実装(2) モンテカルロ法とTD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モンテカルロ法とTD法等のモデルフリー強化学習のpythonによる実装(Q-Learning、Valueベースの手法、Monte Carlo法、ニューラルネット、Epsilon-Greedy法、TD(λ)法、Muli-step Learning、Rainbow、A3C/A2C、DDPG、APE-X DQN)
Clojure 保護中: Hadoopに用いられる分散計算処理(map-reduce)のClojure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Hadoopに用いられる分散計算処理(map-reduce)のClojureによる実装(Tesser、Reducer関数、fold、コスト関数、勾配降下法、特徴抽出、feature-scales 関数、特徴量のスケーリング、勾配降下学習率、勾配降下法更新ルール、反復アルゴリズム、重回帰、相関行列、fuse、可換性、線形回帰、共分散、Hadoop、pararrel fold)
コンピューター ソフトウェア技術者のため のFPGA入門 機械学習編
サマリー
FPGA（Field Programmable Gate Array）は、プログラム可能なハードウェアデバイスであり、高速な演算処理を行うことができるものになる。もう少し具体的に述べると、コンピュー...