2023-04

アルゴリズム:Algorithms

保護中: トレースノルム正則化に基づくスパース機械学習

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レースノルム正則化に基づくスパース機械学習(PROPACK、ランダム射影、特異点分解、低ランク、スパース行列、近接勾配の更新式、協調フィルタリング、特異値ソルバー、トレースノルム、prox作用、正則化パラメータ、特異値、特異ベクトル、加速付き近接勾配法、トレースノルム正則化付き学習問題、半正定行列、行列の平方根、フロベニウスノルム、フロベニウスノルム二乗正則化、トーレスノルム最小化、2値分類問題、マルチタスク学習、グループL1ノルム、推薦システム)
アルゴリズム:Algorithms

保護中: 機械学習における制約付き不等式最適化問題の最適性条件

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における制約付き不等式最適化問題の最適性条件(双対問題、強双対性、ラグランジュ関数、線形計画問題、スレイター条件、主双対内点法、弱双対性、凸最適化の1次の十分条件、2次の十分条件、KKT条件、停留条件、1次の最適性条件、有効制約式、Karush-Kuhn-Tucker、局所最適解)
アルゴリズム:Algorithms

保護中: 確率的最適化における凸解析の基本事項(1)凸関数と劣微分、双対関数

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最適化における凸解析の基本事項での凸関数と劣微分、双対関数(凸関数、共役関数、ヤング・フェンシェルの不等式、劣微分、ルジャンドル変換、劣勾配、L1ノルム、相対的内点、アフィン包、アフィン集合、閉包、エピグラフ、凸包、平滑凸関数、狭義凸関数、真凸閉関数、閉凸閉関数、実行定義域、凸集合)
アルゴリズム:Algorithms

保護中: ベイズ推論における線形次元削減モデルでの画像特徴抽出と欠損値推論

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おける線形次元削減モデルでの画像特徴抽出と欠損値推論(欠損画像情報復元、欠陥値補間、変分推論、未記入アンケート、未記入プロファイル情報、複数センサー統合、線形次元圧縮アルゴリズム、画像非可逆圧縮)
アート:Art

アートとスポーツとグルメについて

アートとスポーツについて アートは、絵画、彫刻、写真、音楽、舞台芸術、文学、建築など、多岐にわたる形式やジャンルが存在する人間の創造性や感性を通じて表現される芸術的な作品や活動となる。 アートは、人々に感動や喜びを与え、新...

旅と歴史

旅と歴史 旅と歴史は密接に関連している。 歴史は人間の過去の出来事や文化、社会、政治、経済などの研究を通じて、知識を得る学問となる。この過去の出来事や人々の行動を研究することが、現在や将来を理解し、人間の行動や社会の変化を...

街道をゆく 沖縄・先島への道

司馬遼太郎の街道をゆく沖縄・先島への道(琉歌即興劇、泡盛、サンアイイソバ、女性首長、波多浜、与那国島、風葬、亀甲墓、崖葬墓、八重山諸島、珊瑚礁、竹富島、石垣島、高那旅館、宮鳥御岳、宮良殿内、坂の上の雲、南西航空、国際通り、那覇、鑑真、台湾、先島、尚巴志、首里、南波照間島、波照間島)
哲学:philosophy

哲学と関連するトピックについて

哲学について 哲学は、古代ギリシャをはじめとする古代文明から現代まで、多くの文化や時代にわたって発展してきた、人間の知識や存在、真理、倫理、意味などの根本的な問いについて深く考察し、論理的な分析や論証を通じて理性的に...
哲学:philosophy

特別講義「ソクラテスの弁明」より「哲学とは何を目指すものなのか」について

サマリー 哲学とは、物事の本質や真理を追求し、疑問や問題について深く考えることで、知的好奇心や探究心を刺激し、人生の意味や目的を追求するための手段であると定義することができる。哲学的な問題を探求するには、他者との対...
アルゴリズム:Algorithms

保護中: 説明できる機械学習(17)反事実的説明 (Counterfactual Explanations)

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反事実的説明による機械学習結果の説明(Anchor、Growing Spheresアルゴリズム、Python、Alibi、カテゴリカル特徴量、羅生門効果、LIME、全結合型ニューラルネット、反事実生成アルゴリズム、ユークリッド距離、中央絶対偏差、Nelder-Mead法、因果意味論、原因)
タイトルとURLをコピーしました