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)
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)
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)
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)
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)
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...
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
スパースモデリング

保護中: スパース性に基づく機械学習としてのノイズありL1ノルム最小化の理論(1)

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性に基づく機械学習としてのノイズありL1ノルム最小化の理論(マルコフの不等式、ヘフディングの不等式、ベルシュタインの不等式、カイ二乗分布、裾確率、ユニオンバウンド、ブールの不等式、L∞ノルム、多次元ガウススペクトル、ノルムの互換性、正規分布、スパースベクトル、双対ノルム、コーシー・シュワルツの不等式、ヘルダーの不等式、回帰係数ベクトル、閾値、kスパース、正則化パラメータ、劣ガウス雑音)
推論技術:inference Technology

保護中: 説明できる人工知能(10)モデル非依存の解釈(特徴量の相互作用)

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)に活用可能な説明できる機械学習での後付け解釈モデル、モデル非依存解釈手法のうちの一つ特徴量の相互作用
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)
タイトルとURLをコピーしました