アルゴリズム:Algorithms

アルゴリズム:Algorithms

保護中: バッチ型確率的最適化 – 確率的双対座標降下法

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としての確率的双対座標降下法のアルゴリズム(ネステロフの可測法、SDCA、ミニバッチ、計算時間、バッチ近接勾配法、最適解、作用素ノルム、最大固有値、フェンシェルの双対定理、主問題、双対問題、近接写像、平滑化ヒンジ損失、オンライン型確率的最適化、エラスティックネット正則化、リッジ正則化、ロジスティック損失、ブロック座標降下法、バッチ型確率的最適化)
2023.01.11
アルゴリズム:Algorithmsスパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

保護中: 機械学習の連続最適化としてのニュートン法と修正ニュートン法

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)タスクのための機械学習の連続最適化としてのニュートン法と修正ニュートン法(コレスキー分解、正定値行列、ヘッセ行列、ニュートン方向、探索方向、テイラー展開)
2023.01.10
アルゴリズム:Algorithms微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

保護中: 何がスパース性を誘発して、どのような問題にスパース性は適しているのか?

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スパース学習に対する何がスパース性を誘発して、どのような問題にスパース性は適しているのか?について(交互方向乗数法、スパース正則化、主問題、双対問題、双対拡張ラグランジュ法、DAL法、SPAMS、sparse modeling software、バイオインフォマティス、画像雑音除去、アトミックノルム、L1ノルム、トレースノルム、非ゼロ要素の数)
2023.01.09
アルゴリズム:Algorithmsスパースモデリングスパースモデリング微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

メタヒューリスティクスの概要と参考図書

概要 メタヒューリスティクスは、最適化問題を解決するために使用されるアルゴリズムとなる。最適化問題とは、目的関数を最大化または最小化することが目的の問題で、メタヒューリスティクスは、解空間内で解候補を探索し、最適な解を見つ...
2023.01.08
アルゴリズム:Algorithmsグラフ理論幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra集合論:Set theory
アルゴリズム:Algorithms

保護中: ビッグデータとベイズ学習 – スモールデータ学習の重要性

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ビッグデータとベイズ学習 - スモールデータ学習の重要性
2023.01.07
アルゴリズム:Algorithmsグラフ理論ベイズ推定幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics
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(2)基本的なフレームワークの実装

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ニューラルネットワークによる強化学習の基本的フレームワークの実装(TensorBoard、Imageタブ、グラフィカル、リアルタイム、進捗状況確認、envのラッパー、Observer、Trainer、Logger、Agent、Experience Replay、episode、行動確率、policy、Epsilon-Greedy法、python)
2023.01.04
アルゴリズム:Algorithms強化学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning深層学習:Deep Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
Clojure

保護中: Clojure/Incanterを用いた統計解析と相関評価

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)タスクに活用されるClojureを用いた統計解析と相関評価(累積確率、信頼区間、標準偏差、母集団、95%信頼区間、両側検定、z変換、フィッシャーz変換、累積分布関数、t分布、片側検定、自由度、サンプリングエラー、帰無仮説、対立仮説、仮説検定、標準スコア、ピアソンの積率相関係数、共分散、ジッタリング、対数正規分布、ベキ乗、ギブラットの法則、ヒストグラム)
2022.12.29
Clojureアルゴリズム:Algorithms最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

保護中: 機械学習のためのオンライン型確率的最適化とAdaGrad、ミニマックス最適化

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のためのオンライン型確率的最適化とAdaGrad、ミニマックス最適化(スパース性のパターン、訓練誤差、バッチ型確率的最適化、オンライン型確率的最適化、バッチ勾配法、ミニマックス最適性、汎化誤差、リプシッツ連続、強凸性、ミニマックス最適誤差、ミニマックス誤差評価、1次確率的オラクル、確率的双対平均化法、確率的勾配降下法、正則項、ネミロフスキー、ユーディン、凸最適化法、期待誤差上限、リグレット、半正定値行列、鏡像降下法、ソフト閾値関数)
2022.12.28
アルゴリズム:Algorithms微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra集合論:Set theory
アルゴリズム:Algorithms

データの幾何学的アプローチ

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)タスクに活用されるデータの幾何学的アプローチ(物理学、量子情報、オンライン予測、ブレグマン・ダイバージェンス、フィッシャー情報行列、ベーテ自由エネルギー関数、ガウシアングラフィカルモデル、半正定値計画問題、正定値対称行列、確率分布、双対問題、トポロジカル、柔らかい幾何学、位相幾何学、量子情報幾何、ワッサースタイン幾何、ルピナー幾何、統計幾何学)
2022.12.25
アルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra
アルゴリズム:Algorithms

トポロジカルデータアナリシスを用いたデータの位相幾何学的ハンドリング

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ポロジカルデータアナリシスを用いたデータの位相幾何学的ハンドリング(文字認識への適用、クラスタリングへの適用、R、TDA、バーコードプロット、パーシステントプロット、python、scikit-tda、Death - Birth、ノイズのあるデータの解析、アルファ複体、ヴィートリス・リップス複体、チェック複体、位相的データ解析、タンパク質の解析、センサーデータ解析、自然言語処理、柔らかい幾何、硬い幾何、情報幾何、ユークリッド空間)
2022.12.24
アルゴリズム:Algorithmsグラフ理論幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra集合論:Set theory
次のページ
タイトルとURLをコピーしました