中心性
1.グラフ中心モデル 社会学的な発想やパワー概念よりも、グラフ理論的な定式化により持たされたモデルといえる。次数センター、グラフ・センター、メジアンは距離に基づいた中心性で、切断センター、媒介センター、フロー・センターは脆弱性に基づいた中心性である。 次数センター 点vの次数deg(v)がそのまま中心性の尺度とみなされる。グラフの点の数がNの場合、次数中心性Cdは Cd(v)＝deg(v)／(N-1) となる。 グラフ・センター 点vの離心数(e(v))とは、点vから最も遠い点までの距離である。グラフにおいて、すべての離心数のうち一番小さいものを半径(r(v))といい、最長のものを直径(d(v))という。 e(v)が半径と一致するとき、vは中心点であり、e(v)が直径と一致するとき、vは周辺点という。 メジアン 連結グラフＧにおいて点vのステイタス(s(v))をvから他のすべての点ま
PRML合宿まとめサイト
■上巻 第1章: 序論 序論ではまずパターン認識の最も簡単な例として多項式曲線フィッティングを取り上げ、パターン認識・機械学習の基本的な枠組みを紹介する。そしてベイズの定理や統計量などの確率論の基礎を導入し、確率論の観点から再び曲線フィッティングを扱う。不確実性はパターン認識の分野における鍵となる概念であり、確率論はこれを定量的に取り扱うための一貫した手法を与えるため、この分野における基礎の中心を担っている点で重要である。 また、回帰・識別の実際の取り扱いに際して必要となる決定理論や、パターン認識・機械学習の理論において役立つ情報理論の導入についても行う。 発表資料はこちら(ppt)とこちら(ppt)。前半では多項式曲線フィッティングの例およびベイズ的確率を、後半では決定理論および情報理論を取り扱っている。 第2章: 確率分布 第2章では二項分布や多項分布、ガウス分布といった各種の確率分布
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
