パーティクルフィルタ
パーティクルフィルタ(Particle Filter, 粒子フィルタ、モンテカルロフィルタ)は、複数の粒子にノイズをくわえながら観測データとモデルを元に内部状態を推定しく手法.非線形なモデルに対しても適用でき、粒子の数だけ精度はよくなるが、計算量もその分増え、粒子数がNのときに時間計算量はO(N)となる. 実装が簡単で様々な分野で適用することができるのが特徴. パーティクルフィルタでは、任意の分布を粒子の分布の密度で近似できるため、 非線形のモデルにも適用できている. 以下の絵がパーティクルフィルタの処理の流れの概要です. 上図のワンセットを繰り返していくことで、モデルの状態を推定し続けます. この場合推定しているのはもちろん\(x_n\)です. 左上に描いているように確率分布で確率が高いところにはたくさんの粒子をばら撒くことでその粒子の偏り方(濃度)で分布を近似しています. 変数 \(x
Optunaでハイパーパラメータチューニング - HELLO CYBERNETICS
はじめに：Optunaとは 使い方 インストール 最適化問題の例 問題設定 最適化 最適化の結果 ニューラルネットワークのハイパーパラメータチューニング 問題設定 実装 ハイパーパラメータを引数に取り、ニューラルネットワークを構成する関数 ハイパーパラメータを引数にとり、最適化手法を返す関数 ハイパーパラメータを引数に取り、学習済のモデルを返す関数 ハイパーパラメータを引数に取り、最小化したい値を返す目的関数 いざ最適化 はじめに：Optunaとは OptunaとはPFNが世に送り出した最適化枝刈りライブラリです。 Pythonのコードとして機械学習のコードのどこにでも入れることができ、非常に使いやすいAPIとなっています。大体、結構丁寧なサンプル・解説が公式ドキュメントに既にあるので、分かる方は此方を読むのが一番早いでしょう。 Welcome to Optuna’s documentat
1
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
処理を実行中です
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
最適化超入門
