また突然変異についてはパス表現用突然変異について 説明しているが，他の表現についても同様の考えを適用できる． 1. パス表現(Path Representation ) パス表現は巡回する都市の番号を巡回する順序に並べた表現方法であり，最も自然な表現法といえる．この表現法では，経路:　 5 - 1 - 7 -8 - 9 - 4 - 6 - 2 - 3 を次のようなリストで表す． ( 5 1 7 8 9 4 6 2 3 ) パス表現法には以下に述べる３種の交叉法が考えられている． 1.1 部分写像交叉(PMX: Partially-mapped crossover) 部分写像交叉はGoldberg らにより提案された方法である．親の一方からはその部分経路をそのまま受け継ぎ，他の親からも残りの都市について，できるだけ多く親の順番を受け継ぐことを 目的にしている． そのために，２つのラ

自然言語処理まわりのDeep Learningを自分なりにまとめてみた “自然言語処理のためのDeep Learning”というスライドを公開しました． 自然言語処理のためのDeep Learning from Yuta Kikuchi カジュアルな感じで自然言語処理まわりのDeep Learningの話題をまとめた感じになっています． きっかけは，勉強会をしていることを知ったOBのbeatinaniwaさんにお願いされたことで， 株式会社Gunosyの勉強会の場で，発表の機会を頂きました． それが，9/11で，その後9/26に研究室内で同じ内容で発表しました． どちらも思った以上に好評を頂け，公開してはと進めて頂いたので，公開することにしました． もちろん間違いが含まれている可能性も多分にあるので．気づいた方はご指摘頂けると幸いです． 内容ざっくり 前半は，ニューラルネットワークを図を使

For each text collection, D is the number of documents, W is the number of words in the vocabulary, and N is the total number of words in the collection (below, NNZ is the number of nonzero counts in the bag-of-words). After tokenization and removal of stopwords, the vocabulary of unique words was truncated by only keeping words that occurred more than ten times. Individual document names (i.e. a

2011/11/11 1 決定木 その7 まとめ 慶應義塾大学理工学部 櫻井彰人 これなら分りやすいか？ 決定木と決定表 涙産生率 乱視 めがね調製 なし ソフト ハード なし 少 正常 なし あり 近視 遠視 決定表 決定木 どんなものか • 木 • 木の節（ノード）に「属性」 • 木の枝（エッジ）に「属性値」 • ただし、葉（これも節の一つ）には、ある特別な「属性値」 どう使うか • 「属性＝属性値」の組（決定表の一行）に対し、 • 根からスタートして、 • 自分の属性値に従って、枝をたどり、葉に至ると • 葉には行うべき行動とか属するクラスの名称が書かれている 涙産生率 乱視 めがね調製 なし ソフト ハード なし 少 正常 なし あり 近視 遠視 属性と属性値 • 属性：「表」で言えば、縦の欄 – うるさく言えば、確率変数 – 人間でいえば、身長、体重、年齢、生年月日、、、 • 属

私のブックマーク Latent Topic Model (潜在的トピックモデル)東京大学 情報基盤センター助教 佐藤 一誠 (Issei Sato) URL: http://www.r.dl.itc.u-tokyo.ac.jp/~sato/ 1.はじめに 近年、Topic modelと呼ばれる確率的潜在変数モデルが、機械学習とデータマイニングの境界分野で盛んに研究されています。また、Topic modelは、自然言語処理、画像処理、Web解析など様々な応用分野でも多くの適用例が報告されています。 ここでは、Topic modelの研究に関する情報を紹介します。 2.国際会議機械学習およびデータマイニングでは、主に国際会議で最先端の議論がされているため、主要国際会議を把握しておくことが重要です。Topic modelの研究では、主に以下の国際会議が重要視されています。 Neural Info

グラフ理論における「グラフ」というのはいくつかの点をいくつかの線でつないだモノである。 普通はどの点とどの点が結ばれてるかのみに着目しどのように結ばれているかは問わないことが多いが、幾何学的グラフ理論では点集合としての（位相的）図形として結ばれ方も重視する。 この２つの見方　― 「システム」としての見方と「図形」としての見方 ―　が可能なことからグラフは一見単純ではあるが奥深い数学的な対象となっている。 グラフ理論は身近に存在する。 たとえば我々はいたるところで「植木算」のお世話になっているが、植木算の中にグラフ理論の主要な考えの発端が見られる。 この講義ではグラフ理論の応用数学的な側面よりも純粋数学的な側面に焦点を絞った。 形式的な記述でわかりにくい部分も図を見ればわかってしまうことが多いように図をたくさん入れておいた。 予備知識はほとんど不要であるが、ベクトル空間やポセッ

, 2006.3.13 Topic URL= http://www.mibel.cs.tsukuba.ac.jp/~myama/pdf/topic2006.pdf • – • ex. • – – – • • UM DM PLSI LDA [ 1999] HDP � �� �� �� �� �� ��������������������������������������������������������� Eurospeech 㖸㗀ቇળ⎇ⓥ⊒⴫ળ ᤐ ⛔ ⸘ ⊛ ⸒ ⺆ ࡕ ࠺ ࡞ 㑐 ㅪ ⺰ ᢥ ᢙ ࡐࠬ࠲࡯㒰ߊ㧕 1/2 • • n-gram – Noisy Channel Models – – • – – 2/2 • PLSI LDA Probabilisitic LSI Latent Dirichlet Allocation UM DM Unigram Mixtures Diri

必要な気がしたので、集合論の記号・言葉、定理などのカンペをつくりました。忘れたりするものがかなりあるので。タイトルは大げさか。さーせん。 集合論以前 カンマ ( , ) は 'かつ' (and) とおなじ意味 ∀x(p)\forall x(p)∀x(p)・・・すべてのxに対してpが成り立つ ∃x(p)\exists x(p)∃x(p)・・・pが成り立つようなxが(少なくとも一つ)存在する 基礎 集合・・・範囲のはっきりした集まり 元、要素・・・集合の中にはいっているもの a∈A a \in A a∈A・・・aは集合Aに属する、含まれる 有限集合・・・有限個の元のみもつ集合 無限集合・・・無限個の元をもつ集合 よく使われる記号 N\mathbb{N}N・・・自然数全体の集合 Z\mathbb{Z}Z・・・整数全体の集合 Q\mathbb{Q}Q・・・有理数全体の集合 R\mathbb{R}R