『最前線』はこれまでの一般的な「ウェブマガジン」と異なり、著名作家による小説、コミック作品をすべてDRMフリーで無料公開する他、Webならではの企画「最前線スペシャル」を展開するまったく新しいメディアを目指したWebサイトです。
『最前線』はこれまでの一般的な「ウェブマガジン」と異なり、著名作家による小説、コミック作品をすべてDRMフリーで無料公開する他、Webならではの企画「最前線スペシャル」を展開するまったく新しいメディアを目指したWebサイトです。
暇つぶしに、 Coq 上で Setoid ベースの構成的な圏論をやっている。 どういうことかというと、 普通の圏論における局所小(locally small)な圏を基準に、 普通の圏論における「集合」を Setoid で置き換えて、 なるべく exists を使わないで構成的に圏論を展開 という感じ。 構成的にしている理由 「性質 P を持つ X が存在する」をそのまま exists X, P(X) みたいに書くのではなくて、存在するなら実際に作ってみせよ、というスタンスです。 命題の形にしてしまうと、存在するという事実から実体を取り出せず、圏論的な理論展開をほぼ全部命題ベースで行なわなければならなくなります。 そうしてしまうと、 Coq 上のデータが実はある種の圏論的な構成として得られるのでしたーという時に、それまで展開していた(Coq 上での)圏論の資産を直接利用できません。 要するに
※めちゃくちゃ長いです。一連の流れで読むと理解が深まると思います。自身の復習のためにも書き下しました。個々の章で完結しているので、それぞれ別の記事としても掲載しています。 近年は人工知能ブームが到来し、人工知能というワードを当たり前のように使う時代がやってきました。情報技術を学んでいる人にとって人工知能は、情報処理を効率的に行う素晴らしい技術の一つとして認識できるかと思います。一方で、技術的話題にあまり興味がない人にとっては、人工知能というワードに対して各々の解釈をして、時には誤解のような意見も見受けられます(人工知能の全容がハッキリしないうちは誤解というのはあまりにも強すぎる言い方ですが)。 人工知能がどういうものであるのかを知るには、人工知能を技術的にいかにして達成しようとしたかの歴史を知ることが一番であると思います。 ここでの記事の目的は技術的な観点からの人工知能について説明すること
機械学習で現れるダイバージェンスといえばご存知KLダイバージェンスがあります。 KLダイバージェンスは学習をする際の評価関数として用いられることもありますが、二乗誤差などに比べ、なぜにこの関数が評価関数として妥当なのか納得しづらいところです。 今回は数学的な立場からダイバージェンス関数について眺めてみて、これが学習の評価基準として選ばれうることを見てみたいと思います。 情報量から見たKLダイバージェンスの記事 近さを測る 評価基準と空間 評価基準と座標の選び方 ダイバージェンスとは 近さを測るものさし 近さを測るとは 確率分布族の空間 確率分布同士の近さを図で測る 直線的に分離度を測ることを諦める 局所的にはユークリッド空間:多様体 数学的な立場において なぜKLダイバージェンスが有効なダイバージェンスと言えるのか 不変性の要請 ダイバージェンス EMアルゴリズム 参考文献 情報量から見た
おひさしぶりです!声の出演 初音ミク制作 ニジイロラクダ(twitter→@nijiirorakuda3)その他の動画 mylist/32224999
ニコニコ漫画の全サービスをご利用いただくには、niconicoアカウントが必要です。 アカウントを取得すると、よりマンガを楽しむことができます。 ・マンガにコメントを書き込むことができる ・全マンガ作品を視聴できる ・好きなマンガの更新通知を受け取れたり、どの話まで読んだか記録する便利機能が使用できる
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く