サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
災害への備え
nlp.dse.ibaraki.ac.jp/~shinnou
1.Supervised Learning 1.1. Generalized Linear Models 1.1.1. Ordinary Least Squares 1.1.1.1. Ordinary Least Squares Complexity 1.1.2. Ridge Regression 1.1.2.1. Ridge Complexity 1.1.2.2. Setting the regularization parameter: generalized Cross-Validation
2. 文書および単語の数学的表現 2.1 タイプ、トークン 2.2 n グラム 2.3 文書、文のベクトル表現
第2章 ベイズ的思考への誘い 2.1 はじめに 2.2 睡眠時間の十分な学生割合の調査 2.3 離散事前分布の利用 2.4 ベータ事前分布の利用 2.5 ヒストグラム事前分布の利用 2.6 予測
カーネル多変量解析 作者によるサポートページ 日時 内容 スライドのファイル 補足資料など 発表者 10月6日 第1 章現代の多変量解析とは 1.1 現代流の多変量解析とは 1.2 カーネル法とはどんなものか kernel-ito-1006.pdf Rによるテキストの図1.3と図1.4 の確認 (新納) 伊藤 1.3 カーネル法の利点と応用分野 1.4 カーネル法の種類:問題設定と計算法 kernel-saito-1006.pdf 斉藤 10月20日 第2 章カーネル多変量解析の仕組み 2.1 カーネル関数とは何か:特徴抽出からの導入 2.2 正定値性からの導入 kernel-misawa-1020.pdf 三沢 10月13日 2.3 確率モデルからの導入 2.4 汎化能力の評価とモデル選択 kernel-sa-1013.pdf R での CV誤差の確認 (新納) Sa 10月20日 第3
1章 集合知への招待 1.1 集合知とは何か? 1.2 機械学習とは何か? 1.3 機械学習の限界 1.4 実生活における例 1.5 学習アルゴリズムのその他の使用
第1章 ベイズの定理 1.1 トーマス・ベイズとベイジアン 1.2 ベイズの定理とその証明 1.3 原因の確率 1.4 主観確率の役割
パターン認識と機械学習(上) 日時 内容 スライドのファイル 補足資料など 発表者 4月11日 第1章 序論 (導入部分) ml-shinnou-0411.pdf 新納 1.1 例:多項式曲線フィティング ml-sasaki-0411.pdf 佐々木 4月18日 1.2 確率論 (導入部分) ml-toyokawa-0418.pdf 豊川 4月25日 (4/18に準備なし、25日に変更) 1.2.1 確率密度 1.2.2 期待値と分散 ml-suzuki-0425.pdf 鈴木 4月18日 1.2.3 ベイズ確率 ml-matsumoto-0418.ppt 松本 4月25日 1.2.4 ガウス分布 ml-aihara-0425.pdf 相原 1.2.5 曲線フィティング再訪 ml-motegi-0425.pdf 茂木 1.2.6 ベイズ曲線フィティング ml-kubota-0425.ppt
第2章 クラスタリング入門 2.1 クラスタリングとは 2.2 クラスタリング手法の概要 2.3 クラスタリング結果の評価
III. 文書クラスタリングの技法 A. 単一パスアルゴリズム 1. k-means 法の適用 2. Willett のアルゴリズム 3. 平均クラスタリング・アルゴリズム
1章 ベイジアンネットワークモデルの概要 1.1 ベージアンネットワークモデルとは? 1.2 ベージアンネットワークモデルの基本 (この内容に沿わずに新納がBNの簡単なイントロを行う)
第1章 パターン認識とは 1.1 パターン認識系の構成 1.2 特徴ベクトルと特徴空間 [1] 特徴ベクトル [2] 特徴ベクトルの多様性 1.3 プロトタイプと最近傍決定則 [1] プロトタイプ [2] 特徴空間の分割
ゼミのレジュメ集 2018年前期は、以下の本をやります 「Python ではじめる機械学習」 Andreas C. Muller and Sarah Guido (中田秀基 訳) オライリー・ジャパン (2017) 新納研新配属+ の Python 課題進捗状況 新納研新人の課題進捗状況(TeX) 分類問題の課題 2017年後期は、私の以下の本をやります 「Chainer v2 による実践深層学習」 新納浩幸 オーム社 (2017) 2017年前期は、以下の本をやります 「機械学習理論入門」 中井悦司 技術評論社 (2015) 新納研仮配属+ の Python 課題進捗状況 新納研新人の課題進捗状況(TeX) 分類問題の課題 2016年前期は、以下の本をやります 「実践 機械学習システム」 Willi Richet, Luis Pedro Coelho 著、斉藤康毅 訳 オライリー・ジャパ
検索エンジンを利用した未登録単語に関する単語間距離の測定 新納浩幸 茨城大学工学部情報工学科 佐々木稔 茨城大学工学部情報工学科 スタリングではかなりよい結果が得られた.これらの 結果から,本手法は未登録語に限定して使うのが適当 であると考える.基底の単語の選出方法を今後の課題 とする. 1 はじめに 多くの自然言語処理システムでは,単語間の意味的 な距離(あるいは類似度)を測る処理を,本質的に必 要とする.例えば,事例ベースの手法では事例間の距 離を測る処理が必須であり,その処理の核には単語間 距離の測定がある.また,単語間距離を測ることがで きれば,シソーラスを自動構築できる.これは, シソー ラスを利用したシステムでは,シソーラスを使う部分 を単語間距離を測る処理に置き換えられることを意味 している.つまり単語間距離の測定は自然言語処理の 重要な要素技術と言える. 単語間距離を測
新納浩幸 (Hiroyuki Shinnou) 教授 茨城大学工学部 情報工学科 〒316-8511 日立市中成沢町 4-12-1 Phone: (0294) 38-5220 Fax: N/A Email: WWW: http://nlp.dse.ibaraki.ac.jp/~shinnou Office: S-1 棟(情報棟) 609 号室 略歴 CV (2020/10/29) 自己紹介の PDF (AI-ICT で使っているもの、2020年8月) 大学の講義 講義関係の情報は全て学内の教務情報ポータルシステムに移動しました。 研究(自然言語処理) 機械学習や統計学を利用した自然言語処理が中心研究テーマ。 画像や音声のパターン認識あるいはデータマイニングにも興味を持っている。 著書 発表論文 雑誌記事、講演など 卒業研究(研究室内限定) 資料 論文検索 NII論文情報ナビゲータ
このページを最初にブックマークしてみませんか?
『新納浩幸のホームページ』の新着エントリーを見る
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