このエントリーは、集合知プログラミング第8章を参照にしています。 非負値行列因子分解は、データマイニングの手法の一つである。 データの重要な特徴を抽出するために用いられる。 非負値行列因子分解は、non-negative matrix factorizationの日本語訳であり、 よくNMFと省略されるので、こちらの省略形も覚えておきたい。 非負値行列因子分解の基本的なアイディア非負値行列因子分解は、その名の通り、行列を正の数(非負値)で因子分解することで、 特徴の抽出を行う。 因子分解とは、掛け合わせることで再び分解前の行列を構築できるような 2つの小さな行列を探し出すということである。 非負値行列因子分解の例以下、具体例を交えながら解説する。 文書の記事と記事内に存在する単語との対応付けがあるとき、 これらに対してNMFで特徴を抽出する。 対応付けの表は以下のようになっているとする。
Kobin Documentation¶ Type Hints friendly WSGI Framework for Python3. Kobin has following features. Decorator based Routing System exploited Type Hints. WSGI request and response Wrapper. Provide type annotations from stub files. and other convenient utilities… And Kobin has NO following features: WSGI Server Adapters: Please use WSGICLI or Gunicorn CLI. Serving static contents: Please use WSGICLI
ちょっと前になりますが、昨年12月に行われた機械学習のトップカンファレンスであるNIPS2015の講演ビデオが上がっているようなのでチェックしてみました。今回ご紹介するのはケンブリッジ大学のZoubin Ghahramani教授の研究です。 datasciencereport.com 同教授は今後excitingな機械学習の基礎・応用に関する取り組みとして次のような6テーマを紹介しています。 ・Bayesian Nonparametrics ベイジアンノンパラメトリクスでは、無限次元を持つモデルを仮定することにより、データ量に応じて適切なモデルを学習することができます。こういったモデルは関数上の確率分布(確率過程)を考慮することによって実現できます。代表的な例はガウス過程、中華料理店過程、インド料理過程などです(ご飯ばっかりですね)。 ガウス過程は、回帰や識別、ランキングや次元削減に使われ
音声音響信号処理 亀岡弘和 東京大学大学院情報理工学系研究科 日本電信電話株式会社 NTTコミュニケーション科学基礎研究所 第5回 (時間周波数解析) 講義内容(キーワード) 信号処理、符号化、標準化の実用システム例の紹介 情報通信の基本(誤り検出、訂正符号、変調、IP) 符号化技術の基本(量子化、予測、変換、圧縮) 音声分析・合成・認識・強調、音楽信号処理 統計的信号処理の基礎(スペクトル、ガウス過程、最尤推定) ガウス性確率変数の基本性質 時間周波数分析(短時間フーリエ変換、ウェーブレット変換) ウィナーフィルタとカルマンフィルタ 音声生成過程のモデル(ソースフィルタ理論と藤崎モデル) 自己回帰モデルと線形予測分析 独立成分分析によるブラインド音源分離 非負値行列因子分解によるスペクトログラムの分解表現 スペクトル間擬距離 最適化アルゴリズム(EMアルゴリズ
PFIセミナー(2016/02/25)で発表したスライドです。伝承サンプリング可能な生成モデルに関するDeep Learningの紹介です(キーワード:Wake-Sleep, 変分 AutoEncoder, Generative Adversarial Nets, Likelihood Ratio)Read less
信号処理・画像処理における凸最適化 小野峻佑 東京工業大学 像情報工学研究所 2015/11/28 日本オペレーションズ・リサーチ学会「最適化の基盤とフロンティア」 第4回研究部会@理科大神楽坂キャンパス 広がる凸最適化応用 3 凸最適化 (非可微分・制約付き) 画像復元 生体信号処理 医用画像処理 圧縮センシング 機械学習 無線通信 衛星/天体画像処理 リモートセンシング コンピュータ ビジョン 凸最適化問題とは 4 凸関数:目的関数 凸集合:制約条件 凸 非凸 関数 集合 なぜ凸最適化が使われるのか 5 ◆局所最適解=大域的最適解 • 最適解を効率的に計算可能 • 問題設計の良し悪しの判定が比較的容易 ◆近接分離最適化 (proximal splitting) • 所望の信号に対する先験的性質の活用 • スパース、低ランク、etc… • 制約条件の取り扱いが比較的容易 • 信号値のレン
Get me off Your Fucking Mailing List David Mazières and Eddie Kohler New York University University of California, Los Angeles http://www.mailavenger.org/ Abstract Get me off your fucking mailing list. Get me off your fucking mailing list. Get me off your fuck- ing mailing list. Get me off your fucking mail- ing list. Get me off your fucking mailing list. Get me off your fucking mailing list. Get
« 読了:Ljungqvist, et al.(2015) 重度の精神疾患患者に毎月お金を渡したら? | メイン | 読了: Ronkko, McIntosh, & Antonakis (2015) PLS-SEMに怒りの鉄拳を » 2016年1月 7日 (木) Domingos, P. (2012) A Few Useful Things to Know about Machine Learning. Communications of the ACM, 55 (10), 78-87. たまたま見つけて、前半はお茶を飲みながらぼけーっと眺めていたのだけれど、途中でこりゃあ勉強になるわと気づき、心を入れ替えて真剣に読んだ。大変面白かった。 きわめてイイカゲンな訳だが、メモをとっておくと... みんな機械学習使ってますね。教科書もいっぱいありますね。でも、機械学習をうまく使うためには、知って
今回の C93 で頒布した既刊 SIG2D’15/‘16 に,表紙と中身が入れ替わるという印刷ミスが発覚しました. カラー表紙に書いてあるタイトルと,その次のページ(扉)にあるモノクロ版表紙絵に書いてあるタイトルが異なる場合,今回の印刷ミスの影響を受けています. 会場で手に取って購入して頂いた方々に,大変ご迷惑をおかけしてしまい,申し訳ございません. 現在,対応を検討中です.決まり次第,当ウェブサイトおよび Twitter アカウント にてアナウンス致しますので,今しばらくお待ち下さい.
Earth Mover's Distance (EMD) について調べたことを整理しておきます。EMDは、ユークリッド距離のような距離尺度の一つで、二つの分布の間の距離を測ることができます。言語処理ではあまり聞いたことなかったのですが、画像処理や音声処理では比較的有名な距離尺度のようです。 EMDが使える問題設定は下図のようになります。 EMDは特徴量と重みの集合(シグネチャと呼ぶ)で与えられる分布Pと分布Qの間の距離です。ここで、特徴量間では距離 が定義されているのが前提です。特徴量がベクトルのときはユークリッド距離、特徴量が確率分布のときはカルバック・ライブラー距離(情報量)などです。EMDは、特徴量の集合が2つ与えられたときに、1個1個の特徴量間の距離をもとに、特徴量集合間の距離を求められるんですね。これはすごい。 重みは具体的な応用によって使い方が変わりますが、その特徴量の重要度を
そのうちもう少しきちんと書きますが、とりあえず時間がないので結論だけ書くと、タイトルが全てでElectronでアプリを書く場合は気合いと根性でXSSを発生させないようにしなければならない。 これまでWebアプリケーション上でXSSが存在したとしても、影響範囲はそのWebアプリケーションの中に留まるので、Webアプリケーションの提供側がそれを許容するのであればXSSの存在に目をつむることもできた。しかし、ElectronアプリでDOM-based XSSが一か所でも発生すると、(おそらく)確実に任意コード実行へとつながり、利用者のPCの(そのユーザー権限での)全機能が攻撃者によって利用できる。 そのため、Electronでアプリケーションを作成する開発者は気合いと根性でXSSを完全につぶさなければならない。 nodeIntegration:falseやContent-Security-Pol
2009/6/23 更新( Debian5 での準備追加) 2008/4/29 更新(ブロックデバイス追加) 2008/3/18 作成 目次 [1] はじめに [2] 準備 [3] 簡単なモジュール [4] モジュールパラメータ [5] procファイルシステム [6] キャラクタデバイス [7] ブロックデバイス [1] はじめに Linux(kernel-2.6系)のカーネルモジュール(ドライバ)を作成する。 テストした環境は次の通りである。 OS: Fedora7 カーネル: kernel-2.6.23.15-80.fc7 OS: Debian5 カーネル: kernel-2.6.26-2-686 [2] 準備 (2-1) Fedora7,Fedora8 の場合 Fedoraでカーネルモジュールを作成するにあたり、まず fedora wikiを参考にしながら カーネルモジュールをコン
This page details Scarab, a prototyping tool for developing SAT-based systems. Features of Scarab are follows: Expressiveness Rich constraint modeling language. Efficiency Optimized order encoding and native handling of BC/PB on Sat4j. Customizability Its core part is written in around 1000 lines of Scala. Portability Run on JVM. Download the latest jar (According to your Scala version select appr
2017年9月9日「PythonユーザのためのJupyter[実践]入門」出版のお知らせ(2017/08/29 追記) ご縁あって書籍「PythonユーザのためのJupyter[実践]入門」を共著で執筆させていただきました。 タイトルには入っていませんが、pandas、Matplotlib、Bokehの使い方についても詳しく解説しています。この記事に書かれていることも、よりわかりやすく書いてあります。Jupyter、pandas、Matplotlib、Bokehを使う際の必携の書となることを目指して執筆しましたので、ぜひお手に取ってごらんください。 「PythonユーザのためのJupyter[実践]入門」(池内孝啓、片柳薫子、岩尾 エマ はるか、@driller著、技術評論社) この記事は Python Advent Calendar 2015 - Adventer 13日目の記事です。
2015 - 12 - 13 Chainerを用いたマルウェア検出への取り組みについて この記事は Chainer Advent Calendar 2015 13日目 の記事です. はじめに Chainerで実装を進めているのですが,今回は構想的な話をします.ご容赦下さい. 私は 修士論文 でEディスカバリ *1 を対象に 自然言語処理 と 機械学習 を用いて研究を進めていますが,それとは別に,Deep Learningで マルウェア 検出に取り組んでいます.本当は研究室配属された時に,これで論文書きたいと思っていましたが,色々大変であることが発覚したので,個人的に細々とやっている感じです.卒業までになんとか実現しようと奮闘しております. マルウェア を 機械学習 させるための戦略 マルウェア にも様々な種類がありますが,PEフォーマット *2 の マルウェア を対象にしております. マル
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