アルゴリズム:Algorithms 保護中: 劣モジュラ最適化を用いた構造正則化学習(2)劣モジュラ関数から得られる構造的疎性
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離散情報の最適化手法である劣モジュラ最適化での劣モジュラ関数から得られる構造的疎性による構造正則化学習(結合ラッソとロヴァース拡張)
劣モジュラ関数
アルゴリズム:Algorithms IOT技術:IOT Technology 保護中: 最大流とグラフカット(4)グラフ表現可能な劣モジュラ関数とプリフロー・プッシュ法
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離散情報の最適化アプローチである劣モジュラ最適化のためのグラフ表現可能な劣モジュラ関数での最大流アルゴリズムとプリフロー・プッシュ法
IOT技術:IOT Technology 保護中: 劣モジュラ関数の最大化と貪欲法の適用(1) 貪欲法の概要と文書要約タスクへの適用
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)タスクに活用される離散情報の最適化手法:劣モジュラ関数最大化への貪欲法の適用と文書要約タスクへの活用
Symbolic Logic 保護中: 劣モジュラ最適化の基礎(2)劣モジュラ関数の基本性質
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)タスクのための離散情報の最適化アルゴリズム(劣モジュラー最適化)の基礎としての劣モジュラ関数の3つの基本性質(正規化、非負、対称)とグラフカット最大・最小化問題への適用
Symbolic Logic 保護中: 劣モジュラ最適化の基礎(1)劣モジュラ関数の定義と具体例
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)タスクのための離散情報最適化アルゴリズムのベースとなる劣モジュラ関数(カバー関数、グラフカット関数、凹関数) と最適化