機械学習:Machine Learning

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)
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)
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)
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)
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)
アルゴリズム:Algorithms

保護中: 機械学習の連続最適化としてのガウス・ニュートン法と自然勾配法

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機械学習の連続最適化としてのガウス・ニュートン法と自然勾配法(シャーマン・モリソンの公式、1ランク更新、フィッシャー情報行列、正則条件、推定誤差、オンライン学習、自然勾配法、ニュートン法、探索方向、最急降下法、統計的漸近理論、パラメータ空間、幾何構造、ヘッセ行列、正定値性、ヘリンジャー距離、シュワルツの不等式、ユークリッド距離、統計学、レーベンバーグ・マーカート法、ガウス・ニュートン法、ウルフ条件)
アルゴリズム:Algorithms

保護中: ベイズ推論による機械学習における各種モデルの近似計算

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における各種モデルの近似計算(構造化変分推論、変分推論アルゴリズム、混合モデル、共役事前分布、KLダイバージェンス、ELBO、evidence lower bound、崩壊型ギブスサンプリング、ブロッキングギブスサンプリング、近似推論)
web技術:web technology

ISWC2022論文集より

  ISWC2022論文集より 知識情報をハンドリングする人工知能技術の一つであるセマンティックウェブ技術の国際学会であるISWC2022より。前回はISWC2021について述べた。今回は、ISWC 2022のについて述べ...
推論技術:inference Technology

保護中: 説明できる人工知能(12)モデル非依存の解釈(グローバルサロゲート (Global Surrogate))

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: 強化学習に対するニューラルネットワークの適用 価値評価をパラメータを持った関数で実装するValue Function Approximation

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 価値評価をパラメータを持った関数で実装する例(CartPole、Q-table、TD誤差、パラメータ更新、Q-Learning、MLPRegressor、Python)
タイトルとURLをコピーしました