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 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)
2023.01.19
アルゴリズム:Algorithmsグラフ理論幾何学:Geometry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
アルゴリズム:Algorithms

保護中: 確率的バンディッド問題の為のリグレット解析について

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為のリグレット解析について(等比数列の和、ガンマ関数、トンプソン抽出、ベータ分布、裾確率、ミルズ比、部分積分、事後サンプル、共役事前分布、ベルヌーイ分布、累積分布関数、期待値、DMED方策、UCB方策、チェルノフ・へフディングの不等式、尤度、上界、下界、UCBスコア、アーム)
2023.01.13
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確率・統計:Probability and Statistics線形代数:Linear Algebra
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再生核ヒルベルト空間

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再生核ヒルベルト空間(正規直交基底、ヒルベルト空間、ガウシアンカーネル、連続関数、カーネル関数、完備化空間、内積空間、同値類、同値関係、コーシー列、線型空間、ノルム、内積の完備化)
2023.01.12
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

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
次のページ
タイトルとURLをコピーしました