機械学習:Machine Learning

python

スパースモデリングの概要と適用事例及び実装

スパースモデリングの概要 スパースモデリングは、信号やデータの表現においてスパース性(疎な性質)を利用する手法となる。スパース性とは、データや信号において非ゼロの要素がごく一部に限られている性質を指す。ス...
アルゴリズム:Algorithms

保護中: バンディット問題の拡張としての部分観測問題について

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: バンディッド問題の拡張としての時間変化のあるバンディット問題と比較バンディット

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バンディッド問題の拡張としての時間変化のあるバンディット問題と比較バンディット(RMED方策、コンドルセ勝者、経験ダイバージェンス、大偏差原理、ボルダ勝者、コープラン勝者、トンプソン抽出、弱リグレット、全順序の仮定、睡眠型バンディット、滅亡型バンディット、非休止型バンディット、割引UCB方策、UCB方策、敵対的バンディット、Exp3方策、LinUCB、文脈付きバンディット)
python

マルチタスク学習の概要と適用事例と実装例

マルチタスク学習の概要 マルチタスク学習(Multi-Task Learning)は、複数の関連するタスクを同時に学習する機械学習の手法となる。通常、個々のタスクは異なるデータセットや目的関数を持っているが...
アルゴリズム:Algorithms

保護中: アトミックノルムによるスパース機械学習の数学的性質と最適化

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アトミックノルムによるスパース機械学習の数学的性質と最適化(L∞ノルム、双対問題、ロバスト主成分分析、前景画像抽出、低ランク行列、スパース行列、ラグランジュ乗数、補助変数、拡張ラグランジュ関数、指示関数、スペクトルノルム、ロバスト主成分分析、フランク・ウォルフェ法、双対における交互乗数法、L1ノルム制約付き二乗回帰問題、正則化パラメータ、経験誤差、曲率パラメータ、アトミックノルム、prox作用素、凸包、ノルムの等価性、双対ノルム)
アルゴリズム:Algorithms

保護中: アトミックノルムによるスパース機械学習の定義と具体例

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アトミックノルムによるスパース機械学習での定義と具体例(テンソルの核型ノルム、nuclear norm、高階テンソル、トレースノルム、K階テンソル、アトム集合、汚いモデル、dirty model、マルチタスク学習、制約なし最適化問題、ロバスト主成分分析、L1ノルム、グループL1ノルム、L1誤差項、ロバスト統計、フロベニウスノルム、外れ値推定、重複のあるグループ正則化、アトム集合の和集合、ベクトルの要素単位のスパース性、グループ単位のスパース性、行列の低ランク性)
アルゴリズム:Algorithms

統計的学習理論の概要(数式を使わない解説)

機械学習アルゴリズムの統計的性質に関する理論について 機械学習アルゴリズムの統計的性質に関する理論は、統計的学習理論として知られている。統計的学習理論は、データから学習する際の確率的な性質や最適化の理論的な枠組みを提供して...
アルゴリズム:Algorithms

保護中: 機械学習における連続最適化としての上界最小化アルゴリズム

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: 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)
アルゴリズム:Algorithms

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(3)交互方向乗数法

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:
タイトルとURLをコピーしました