アルゴリズム:Algorithms 粒子群最適化の概要と実装について
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粒子群最適化の概要と実装について(Clojure、CAPSOS、R language、pso、pyhton、pyswarm、ニューラルネットワークのトレーニング、パラメータの最適化、組合せ最適化、ロボット制御、パターン認織)
実装
アルゴリズム:Algorithms アルゴリズム:Algorithms 保護中: 深層強化学習の弱点である環境認識の改善の為の2つのアプローチの実装
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深層強化学習の弱点である環境認識の改善の為の2つのアプローチの実装(逆予測型、制約型、表現学習、模倣学習、再構成型、予測型、WorldModels、遷移関数、報酬関数、表現学習、VAE、Vision Model、RNN、Memory RNN、モンテカルロ法、TD Search、モンテカルロ木探索、モデルベースの学習、Dyna、深層強化学習の弱点)
Clojure webクローリング技術の概要とPython/Clojureによる実装
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webクローリング技術の概要とPython/Clojureによる実装(jsoup、clj-http、enlive、clojure.data.json、HTML、CSS、XPATH、JSON、BeautifulSoup、Scrapy、データ抽出、自然言語処理、データベース、検索、SNS分析)
推論技術:inference Technology 命題論理の充足可能性判定問題(SAT:Boolean SAtisfiability)の概要と実装
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)タスクにに活用される命題論理の充足可能性判定問題(SAT:Boolean SAtisfiability)の概要と実装(Clojure Rollingstones、Pyhton、PySAT、z3-solver、C++、2-SAT、ゲームAI、自然言語処理の高速化、組合せ最適化問題の効率化、ハイパーパラメータの最適化、コンピュータセキュリティ、ソフトウェア仕様の自動検証、チップ設計の自動検証、zChaff、WalkSAT、GRASP、CryptoMiniSat、MapleSAT、Scavel、PicoSAT、MiniSAT、CaDiCaL、Lingeling、Glucose、Ｐ≠ＮＰ予想、論理問題)
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 戦略に深層学習を適用する:Advanced Actor Critic(A2C)
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 戦略に深層学習を適用するAdvanced Actor Critic(A2C)の実装(Policy Gradient手法、Q-learning、Gumbel Max Trix、A3C(Asynchronous Advantage Actor Critic))
Clojure 保護中: Clojure/Mahoutを用いた推薦アルゴリズムの実装
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Clojure/Mahoutを用いた推薦アルゴリズムの実装(情報検索統計、precision、recall、DCG、IDCG、Ideal Discounted Cumulative Gain、Discounted Cumulative Gain、割引後累積利益、fall-out、F-measure、harmonic mean、RMSE、k-最近傍法、ピアソン相関、スピアマンの順位相関係数、ピアソン相関類似度、類似性測定、Jaccard距離、Euclidean距離、cosine距離、ペアワイズド・ディファレンス、アイテムベース、ユーザーベース)
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 戦略をパラメータを持った関数で実装するPolicy Gradient
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 戦略をパラメータを持った関数で実装するPolicy Gradient(割引現在価値、戦略更新、tensorflow、Keras、CartPole、ACER、Actor Critoc with Experience Replay、Off-Policy Actor Critic、behaviour policy、Deterministic Policy Gradient、DPG、DDPG、Experience Replay、Bellman Equation、方策勾配法、行動履歴)
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)
python 保護中: モデルフリー強化学習のpythonによる実装(3)経験を価値評価、戦略どちらの更新に利用するか:ValueベースvsPolicyベース
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モデルフリー強化学習のpythonによる実装ValueベースとPolicyベース(経験を価値評価、戦略どちらの更新に利用するか、Deep Q-Network、深層強化学習、Off-policy Actor Critic、Q-Learning、SARSA、Actor Critic法、Multi-step Learning、TD法、Monte Carlo法、TD(λ)法、Epsilon-Greedy法)
Clojure 保護中: ClojureとHadoopを用いた確率的勾配降下法の実装
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ClojureとHadoopを用いた確率的勾配降下法の実装(ミニバッチ、Mapper、Reducer、Parkour、Tesser、バッチ勾配降下、結合ステップ、パーティショニング、uberjar、Java、バッチ型勾配降下法、確率的勾配降下法、Hadoopクラスタ、Hadoop分散ファイルシステム、HDFS)