最適化

アルゴリズム:Algorithms

保護中: アトミックノルムによるスパース機械学習の数学的性質と最適化

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アトミックノルムによるスパース機械学習の数学的性質と最適化(L∞ノルム、双対問題、ロバスト主成分分析、前景画像抽出、低ランク行列、スパース行列、ラグランジュ乗数、補助変数、拡張ラグランジュ関数、指示関数、スペクトルノルム、ロバスト主成分分析、フランク・ウォルフェ法、双対における交互乗数法、L1ノルム制約付き二乗回帰問題、正則化パラメータ、経験誤差、曲率パラメータ、アトミックノルム、prox作用素、凸包、ノルムの等価性、双対ノルム)
アルゴリズム:Algorithms

保護中: 機械学習におけるラグランジュ関数を用いた最適化(1)双対上昇法

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機械学習におけるラグランジュ関数を用いた最適化(最急上昇法、ニュートン法、双対上昇法、非線形な等式制約付き最適化問題、閉真凸関数f、μ-強凸関数、共役関数、最急降下法、勾配射影法、線形不等式制約付き最適化問題、双対分解、交互方向乗数法、正則化学習問題)
アルゴリズム:Algorithms

保護中: 機械学習における主問題に対する最適化

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される機械学習における主問題に対する最適化(バリア関数法、ペナルティ関数法、大域的最適解、ヘッセ行列の固有値、実行可能領域、制約なし最適化問題、直線探索、最適性条件のラグランジュ乗数、集積点、有効制約法)
ICT技術:ICT Technology

半導体の設計プロセスへのAIの適用およびAIアプリケーション用半導体チップについて

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半導体の設計とAIおよびAI用チップについて(エッジコンピューティング、Qualcomm Snapdragon Neural Processing Engine、Intel Nervana Neural Network Processor、Google TPU、NVIDIA Tesla GPU、自己学習、予測分析、パターンマッチング、最適化、異常検知、変化検知、深層学習)
アルゴリズム:Algorithms

保護中: ガウス過程の概要(3)ガウス過程回帰モデル

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無次元の確率的生成モデルであるガウス過程を用いた回帰モデルと予測分布の計算と最適化
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
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
python

保護中: PythonとKerasによる高度なディープラーニング(3) モデルの最適化の手法

デジタルトランスフォーメーション(DX)、人工知能(AI)タスク活用のためのpython/kerasによる深層学習の為のネットワークの最適化
最適化:Optimization

保護中: 機械学習のための連続最適化 – 概要

機械学習の最適化アルゴリズムの根本にある数学的理論の解説
アルゴリズム:Algorithms

保護中: サポートベクトルマシン – 概要

分類、回帰、教師なし学習等の様々な機械学習のベースとなるSVM(サポートベクトルマシン)概要
タイトルとURLをコピーしました