エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
スライド 1
通信路モデル Bayes統計 最尤推定とMAP推定 データの性質 導入 情報源を記号列(例えば単語列 あるい... 通信路モデル Bayes統計 最尤推定とMAP推定 データの性質 導入 情報源を記号列(例えば単語列 あるいは文字列)とする Noisy Channel Model 機械学習の先史時代 --情報の変換過程のモデル化-- 情報源記号 列:t tx 情報変換 雑音(N(0,σ2) etc) 推定処理 :推定さ れた情報 源記号列 出力された記号 列=推定処理 への入力 x 出力された記号列=推定処理への入力データxから 情報源記号列tを推定し を計算する tˆ tˆ Bayesの定理 P(t|x)は、新たな出力記号列xが得られたときの情 報源から出力された記号列 t を推定する式で、これ を最大化する t すなわち を求めるのが目標。 ところが、このままでは、既に得られている情報を 使えないので、Bayesの定理で変換する。 すると、既知の情報源状態と出力記号列のペ