j3.info | 写真メインでのんびり綴られる日記
だいぶ時間がかかりましたが、HG 1/550 ノイエ・ジール完成しました。 このキットは、ポリキャップを使わずに、はさみこんでいく設計です。なので、そのまま組むと、例えば、腕全体と本体が外せなくなります。後ハメ加工をする手もありますが、ポリキャップを適宜組み込んでいくようにしました。 前面と背面。形成色よりやや暗めに塗装しました。他、細かくディティールアップしました。 サブアームを装備して、別角度。サブアームは塗装だけで、無改造。 カメラアイは、プラ棒で作り直して、シルバー＋クリアーオレンジ塗装したので、うまくライトアップすると反射します。 カメラアイ以外に大きくいじったのは、肩の上部を切り離して大型化、バーニアを追加、腰のパイプをゴム線＋パイプパーツで作り直しというところです。スジ彫りを細かく増やす加工はあまり好みではない（ていうか出来ない）ので、控えめにしました。 後は、適当に何枚か。
SVM-Light: Support Vector Machine
SVMlight Support Vector Machine Author: Thorsten Joachims <thorsten@joachims.org> Cornell University Department of Computer Science Developed at: University of Dortmund, Informatik, AI-Unit Collaborative Research Center on 'Complexity Reduction in Multivariate Data' (SFB475) Version: 6.02 Date: 14.08.2008 Overview SVMlight is an implementation of Support Vector Machines (SVMs) in C. The main featu
Momma's Wiki: SupportVectorMachine/SVMlight - 手軽に試せるSupport Vector Machine SVM-Ligh...
svm_learn svm_learn [options] example_file model_file で学習する。 example_fileは後で説明する書式に従って記述したテキストファイルで、model_fileは学習結果を収めるファイルでsvm_learnが作るものなので適当な名前を指定するだけで良い。 つまりmodel_fileを保存しておけば学習状態を独立して管理できる。 オプションに関しては基本的に-cオプションしか弄らないで良さそう。-cに渡す数値が大きくなるほどマージンを広くとるが学習に時間を要する。 ちなみに-zオプションは動作モードの選択で、分類、回帰、ランキングが選べる。 example_fileの書式 <target> <feature>:<value> <feature>:<value> ... <feature>:<value> # <info> <targ
SVM-Light(オプション、使い方)
ここではソフトウェアSVM-Lightの使い方を説明します。SVM自体の原理を知りたい方は「Chris Burge氏のチュートリアル」が良い教科書となるでしょう。 SVM-Lightは学習モジュール(svm_learn)と識別モジュール(svm_classify)で構成されています。この識別モジュールは、学習されたモデルを新たなサンプルに適用することが出来ます。詳しくは以下に示す「svm_learn」と「svm_classify」の使い方を参照してください。 svm_learn svm_learnは次のようなパラメータによって呼び出されます。
SVMにおける2次計画問題の解法に対する考察
SVMの 2次計画問題に関する解法の考察 東京理科大学工学部経営工学科 沼田研究室 4400079 戸田健一 卒業研究発表 1 発表構成 1. はじめに 2. クラス判別とSVM 2-1. クラス判別問題 2-2. サポートベクターマシン 2-3. 線形分離不可能な場合のSVM 2-4. 非線形SVM 3. 4. 5. 6. 7. Sequential Minimal Optimization(SMO) 2段階SMO 実験 実験結果，考察 まとめ 参考文献 2 1.はじめに パターン認識問題におけるクラス判別手法： サポートベクターマシン(SVM)[1],抄録[3] SVM：2次計画問題を解く →データが多くなるにつれて計算量が非常に多くなる Sequential Minimal Optimization (SMO) [2],[3],抄録[1],[2]： SVMによる2次計画問
classifiers.lazy.LWL - weka wiki - Seesaa Wiki（ウィキ）
[ 一般 ] weka wiki 自分に要るところしかがんばらなーい 編集 履歴 添付 設定 新規ページ作成 メニュー このウィキの読者になる カテゴリー 最近更新したページ 2006-04-22 FrontPage 2006-04-19 classifiers.trees.J48 Classifiers unsupervised.attribute.Discretize supervised.attribute.Discretize classifiers.meta.OrdinalClassClassifier exp1 2006-04-18 unsupervised.attribute.AddExpression 2006-04-15 classifiers.meta.AdaBoostM1 bayes wekaword Clusterers 2006-04-13 supervised.
スペクトラルクラスタリングは次元圧縮しながらKmeansする手法 - 武蔵野日記
機械学習系のエントリを続けて書いてみる。クラスタリングについて知らない人は以下のエントリ読んでもちんぷんかんぷんだと思うので、クラスタリングという概念については知っているものとする。 それで、今日はスペクトラルクラスタリングの話。自然言語処理以外でも利用されているが、これはグラフのスペクトルに基づくクラスタリングの手法で、半教師あり学習への拡張がやりやすいのが利点。なにをするかというとクラスタリングをグラフの分割問題(疎であるエッジをカット)に帰着して解く手法で、どういうふうに分割するかによって Normalized cut (Ncut) とか Min-max cut (Mcut) とかいろいろある。 完全にグラフが分割できる場合はこれでめでたしめでたしなのだが、実世界のグラフはそんな簡単に切れないことが往々にしてある。それで近似してこのグラフ分割問題を解くのだが、Normalized c
統計的機械学習 | Nakagawa Lab.
統計的機械学習 統計的機械学習とは、観測されたデータから統計的手法を用い新たな知識を導出することである。 統計的機械学習についての教科書的な内容はこちらを参照してほしい。 統計的機械学習には種々の分類がある。主要なものを説明しよう。 教師あり学習と教師なし学習 教師あり学習(supervised learning)では、観測データと、そのデータの意味が与えられる。例えば、文書分類問題であれば、観測された文書とその文書の属するカテゴリー（スポーツ、芸能、など）の対のデータ集合（これをtraining dataと呼ぶ。)である。学習によって、観測データの持つ属性と意味の関係を推定し、未知のデータ(これを test data と呼ぶ。）が与えられると、そのデータの意味を出力する。 教師なし学習(un-supervised learning)では、観測データだけが与えられる。観測データたちの
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
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
