【オンライン機械学習】 Go で PA, CW, AROW, SCW を書いてみた |
Perceptron (Rosenblatt, 1958) を1年半前に書いてから, だいぶ時間が経ってしまいましたが, 今回はその続きで Go で PA, PA-I, PA-II, CW, AROW, SCW-I, SCW-II を書いてみたのでメモリます。 PA, CW, AROW, SCWの総まとめ的な論文 Exact Soft Confidence-Weighted Learning にアルゴリズムがまとまっています。 PA (Passive-Aggressive) PA (Crammer et al., 2006) [1] は, 損失関数にSVMでも使われているヒンジ損失を用いる。 最適化問題は, ヒンジ損失が 0 となる制約の元でこれまでに得られている重みに近い重みを選択する。ただし, ヒンジ損失が 0 となる制約は強く, 急に重みが変動してしまうので, PA-Iでは罰則項を線
GPSを使った距離測定が誤差から逃れられない理由が数式で証明される
By David Fulmer 人工衛星からの電波を受信して地上での位置を特定する衛星測位システム、いわゆるGPSを使っていると、時には誤差が生じることに気がつくこともあります。また、ジョギング用アプリや移動ログアプリで実際に移動した距離を計測してみると、実際よりも長い距離が表示されることもあるのですが、その背景には単なる「誤差」やアルゴリズムの問題とは異なる別の理由もあるようで、ある研究チームがその発生を数式で証明しています。 GPS Always Overestimates Distances http://www.i-programmer.info/news/145-mapping-a-gis/9164-gps-always-over-estimates-distances.html Why Every GPS Overestimates Distance Traveled - IE
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
