敵対的学習 - 機械学習の「朱鷺の杜Wiki」
敵対的学習 (adversarial learning)† スパムメールの検出や，アクセスログを利用したネットワークからの侵入検出に機械学習技術が利用されている．すると，送信や侵入を企てる敵対者 (adversary) は，意図的に入力パターンを変更して，検出を回避しようとする．こうした，敵対的な環境下での利用を想定した機械学習の研究は敵対的学習 (adversarial learning) や 敵対的環境下での機械学習 (machine learning in adversarial environments) と呼ばれる． 敵対者の攻撃を検出する識別器の頑健性の評価や強化する，敵対者側の立場から識別器を回避する，そして防御側と識別器の間のゲーム理論の立場からの均衡の考察などの研究がある． ここでは，攻撃側の攻撃可能性についての文献1の研究を紹介する． スパムフィルタなどの分類器があり，
EMアルゴリズム - 機械学習の「朱鷺の杜Wiki」
関連文献† 基本文献 A.P.Dempster, N.M.Laird, and D.B.Rubin, "Maximum Likelihood from Incomplete Data via The EM Algorithm", Journal of The Royal Statistical Society (B), vol.39, no.1, pp.1-38 (1977) GoogleScholarAll:Maximum Likelihood from Incomplete Data via The EM Algorithm Book/The EM Algorithm and Extensions：定番教科書 Book/計算統計I(統計科学のフロンティア11)：日本語 渡辺ほか編 EMアルゴリズムと不完全データの諸問題，多賀出版 ISBN: 4-8115-5701-8 Amazon.c
Book/Data Mining - Concepts and Techniques - 機械学習の「朱鷺の杜Wiki」
第3版† #amazon(0123814790) @book{eb:044:00, Author = {J. Han and M. Kamber and J. Pei}, Edition = {third}, Publisher = {Morgan Kaufmann}, Title = {Data Mining: Concepts and Techniques}, Year = 2011} 第2版† #amazon(1558609016) @Book{eb:044:00, author = "J. Han and M. Kamber", title = "Data Mining: Concepts and Techniques", publisher = "Morgan Kaufmann", year = 2006, edition = "second" } 第1版† #amazon(15
probabilistic latent semantic analysis - 機械学習の「朱鷺の杜Wiki」
probabilistic latent semantic analysis (pLSA)† 文書と単語など，離散2変数の計数データの生成モデル． 文書(document)：\(d\in\mathcal{D}=\{d_1,\ldots,d_N\}\)， 語(word)：\(w\in\mathcal{W}=\{w_1,\ldots,w_M\}\)， 潜在変数の話題(topic)：\(z\in\mathcal{Z}=\{z_1,\ldots,z_K\}\) を使った文書と単語の生成モデルがpLSA (probabilistic latent semantic analysis) \[\Pr[d,w]=\Pr[d]\sum_{z\in\mathcal{Z}}\Pr[w|z]\Pr[z|d]\] これは，文書と語について対称に定義することもできる \[\Pr[d,w]=\sum_{z\in\mat
しましま/人工知能学会全国大会2006 - 機械学習の「朱鷺の杜Wiki」
人工知能学会第20回全国大会† このページはしましまが人工知能学会全国大会2006に参加してとったメモです．私の主観や勘違いが含まれていたり，私が全く分かってなかったりしていますので，その点を注意してご覧ください．誤りがあれば，指摘してください． http://www.jaist.ac.jp/jsai2006/ 期日：2006年6月5日(月)〜6月6日(火)国際ワークショップ 2006年6月7日(水)〜6月9日(金) 本会議 場所：タワーホール船堀（江戸川区民ホール） 地図 JSAI2006大会支援システム 人間乱数の分析† 楊 静宏(岩手大学 工学研究科) 川原 正広(東北大学大学院 情報科学研究科) 五味 壮平(岩手大学 人文社会科学部) 新貝 鉚蔵(岩手大学 工学研究科) 人間が乱数のつもりで作った数列には何らかの特徴が現れる． 生成頻度が早いと，短期記憶には残っているが，使えない
人工知能学会全国大会 - 機械学習の「朱鷺の杜Wiki」
人工知能学会第37回全国大会 (JSAI2023)† ホームページ： http://ai-gakkai.or.jp/jsai2023/ 日時：2023年6月6日（火）〜 6月9日（金） 会場：熊本城ホール + オンライン 公式スライド チュートリアル 解釈可能な機械学習 チュートリアル 基盤モデルの技術と展望 学生企画公演 壁のためのAIと卵のためのAI 公式Youtube 基調講演 機械に知能を与えるということはどういうことなのか？ 企画セッション アートにおいても敗北しつつある人間〜人の美意識もAIにハックされるのか？〜 企画セッション 街の時空間デジタルツインと人工知能 〜B5Gネットワークをイネーブラとして〜 企画セッション 日本は生成AIを起爆剤にできるのか？ 総括セッション AI哲学マップ ブログ・記事 Qiita@keeeeei0315(中川 慧) Whole Brain A
交差確認 - 機械学習の「朱鷺の杜Wiki」
交差確認 (cross validation)† サンプル集合 X から汎化誤差を推定する方法 X を n 個の部分集合に分割する i=1…n について以下を繰り返す i 番目の部分集合を Xi，その残りを ~Xi=X-Xi とする 訓練集合に ~Xi を，テスト集合に Xi を用いてエラー \(e_i\) を計算 汎化誤差は \(\frac{1}{n}\sum_i^n e_i\) になる． n個に分割したとき n分割交差確認 (n-fold cross validation) という．特に，Xの要素数がNのとき N 分割交差確認をすると leave-one-out法という． cross validation の訳語には，交差確認と交差検証とがあるようです．みなさんはどちらの訳語を使っていますか？
R - 機械学習の「朱鷺の杜Wiki」
R本体† 公式サイト (国内ミラー) 公式サイト R news：年に数度発刊されるニュースレター R seek：R 用にカスタマイズされた検索エンジン R-forge：パッケージなど関連ソフトの開発サイト mloss:R, mloss:r-cran 機械学習ソフトレポジトリ (Rタグ) Red-R：Rのビジュアルプログラミング環境 ↑ Tips† RjpWiki ここを見れば R のことはたいていわかります． RjpWiki:Rのヘルプ機能 RjpWiki:Tips紹介 RjpWiki:超訳のページ群 RjpWiki:リンク集 RjpWiki:グラフィックス参考実例集 RjpWiki:R-FAQ日本語訳 RjpWiki:リンク集：ほとんどの国内サイトへのリンクだけでなく，Rの参考書の一覧もあります MATLAB / R Reference @ David Hiebeler R Graph
DataSet - 機械学習の「朱鷺の杜Wiki」
テスト用データ集合† アルゴリズムの比較検証に利用できるテスト用データについてまとめましょう． ID は ibis でパスワードは VC 次元の V のフルスペルです(頭だけ大文字)
朱鷺の杜ブログ目次 - 機械学習の「朱鷺の杜Wiki」
落書き† 地方大学の東京オフィス 2012-10-27 Machine Learning that Matters (ICML2012) 読んで考えたこと 2012-06-08 金環日食の画像処理> 2012-06-07 就職先としての産総研 2011-11-27 科研費について 2011-11-01 確率論ムズイ? 2011-08-17 勉強会に出て思ったこと 2011-08-05 会議もろもろ 2011-06-23 研究会と動画配信 2010-05-27 勉強会のすすめ ---「樺島君とゆかいな仲間たち」の思い出 2010-02-05 RAAGのことなど 2009-04-08 素数の逆数の和は 2009-04-01 モンテカルロ囲碁 2009-03-06 ノーベル賞 2008-10-8 NHK ポアンカレ予想 2007-10-17 産総研停電 2006-10-06 ペレルマン 2006
Freeware - 機械学習の「朱鷺の杜Wiki」
統計，機械学習，データマイニングのためのフリーウェアを登録しましょう． ID は ibis でパスワードは VC 次元の V のフルスペルです（頭だけ大文字） 大規模でいろいろな機能のある Freeware はこのページにまとめました． その他の単機能の Freeware は各ページにあります．「Freeware」で検索してください． 検索:Freeware 目次：(総合) (個別) 詳細情報を別ページにまとめました† 機械学習全般のソフトについて：機械学習#Freeware 関連フリーソフトを掲載している主な項目： 最適化, 行列, SVM, グラフィカルモデル, クラスタリング, 自然言語処理, ニューラルネット, 強化学習, 遺伝的アルゴリズム, 隠れMarkovモデル, 自己組織化マップ 検索:Freeware：特定の手法をに対する実装は，個別ページにまとめたので検索してください．
クラスタリング - 機械学習の「朱鷺の杜Wiki」
Freeware† mloss:clustering Cluster Analysis & Finite Mixture Models @ CRAN Task View：統計処理ソフト R の関連パッケージまとめ RjpWikiの関連ページ RjpWiki:Rの基本パッケージ中の多変量解析関数一覧 RjpWiki:stats(R 統計)パッケージ中のオブジェクト一覧： 一般的な凝集型階層的クラスタリングのhclustやk-means法のkmeansといった関数を含む RjpWiki:CRANパッケージリスト： clusterパッケージには clara, agnes, diana, fanny, mona, silhouette, xclara のアルゴリズムが含まれる Cluster：クラスタリング (C，perl，python) figue：JavaScript で k-means法 と
データマイニング - 機械学習の「朱鷺の杜Wiki」
データマイニング (data mining)† すでに蓄積されている大量のデータから興味深く再利用可能な規則性を見つけ出すこと． Book/Advances in Knowledge Discovery and Data Mining では，狭義には，知識発見の中でデータのパターンを見つけるアルゴリズムのこととされる．しかし，最近ではこのプロセス全体を指すことが多い． 統計的推定などとの違いは，文献3の見方が興味深いと思う． 推定や学習では，正当性(Validity)，有効性(Effectiveness)，効率性(Efficiency)の三つの軸をとりあげ，それぞれを重視する研究が 統計，機械学習(人工知能)，データベース の各分野になっているのではないかと指摘している． 実際のデータへの適用にはどの軸も大切で，バランスをとろうと心がけることがデータマイニングの特徴といえると思う．-- し
データストリーム - 機械学習の「朱鷺の杜Wiki」
データストリーム (data stream)† データストリームとは次の性質 連続的に与えられ，時間順に整列されている その更新頻度や間隔は一定ではない (時系列データとの相違) データの性質が急激に変化することがある 大量で，潜在的に無限に高速でデータが与えられる これらの性質のため，データをそのまま全て蓄積することは不可能． よって，目的に応じた要約技術を利用してデータを蓄積して学習を行う． 逐次学習とは，データの変動を考えたり，一定以上過去のデータの影響を無視したり，さらに，任意の期間の解析を扱ったりすることにより重点を置いていることが違うと思う． -- しましま ↑
お知らせ・雑談 - 機械学習の「朱鷺の杜Wiki」
お知らせ・雑談† 管理者からのお知らせの他，要望などがあれば書き込んでください (実現できるかは定かではないですが……) 朱鷺の杜Wikiの記載内容にバグやリンク切れを見つけたら，自身で修正いただくか，こちらに書くかしてください． ID は ibis でパスワードは VC 次元の V のフルスペルです(頭だけ大文字) ↑ 修正できなかったので…† こびとさん -- 2016-05-18 フロントページの2行目に誤字がありました。そっと直しておきたかったのですけど、パスワードがかかっていましたので、すみませんが、修正お願いします。 正：「情報を扱います．」 誤：「情報をを扱います．」 ← どうもありがとうございました -- しましま ↑
Book - 機械学習の「朱鷺の杜Wiki」
書籍・資料† 機械学習や統計関係の書籍をみなさんに紹介しましょう． 機械学習全般の教科書については 機械学習#TextBook も参考にして下さい． 論文の紹介は「論文」 にあります． 機械学習・統計・データマイニングの書籍・論文の英語表現は「English」にあります． Christopher M. Bishop著“Pattern Recognition and Machine Learning”の日本語版 「パターン認識と機械学習 - ベイズ理論による統計的予測」サポートページ 赤穂 昭太郎著 「カーネル多変量解析」のサポートページ ↑ リンク† 数理・データサイエンス教育強化拠点コンソーシアム 講義ビデオ BayesFun の書評 (BayesFun:BookReview/和書, BayesFun:BookReview/洋書) Top Mentioned AI & Machine L
Meeting - 機械学習の「朱鷺の杜Wiki」
学会・研究会† 情報論的学習理論や機械学習に関連した会議や会議報告についてまとめましょう． ID は ibis でパスワードは VC 次元の V のフルスペルです(頭だけ大文字) Cのフルスペルだと誰も書けません -- いば ↑
サポートベクトルクラスタリング - 機械学習の「朱鷺の杜Wiki」
サポートベクトルクラスタリング (support vector clustering)† 点\(\mathbf{x}_j\)を，高次元の特徴空間に写す関数を \(\phi(\cdot)\)，球の中心を \(\mathbf{a}\)，球の半径を \(R\)，スラック変数を \(\xi_j\)とする．ここで，全ての \(j\) について次の制約を考える \[||\phi(\mathbf{x}_j)-\mathbf{a}||^2\le R^2+\xi_j\] 他の制約も考えて半径 \(R\) を最小化するLagrangianを考える．(\(\mu_j\)と\(\beta_j\)はLagrange乗数) \[L=R^2-\sum_j (R^2+\xi_j-||\phi(\mathbf{x}_j)-\mathbf{a}||^2)\beta_j-\sum\xi_j\mu_j+C\sum\xi_j\]
PRML/course - 機械学習の「朱鷺の杜Wiki」
必要な事前知識† 微積分：多変量の微分や積分は必要です．ラグランジュの未定乗数法や簡単な変分も必要ですがこれらは付録に簡単な解説があります．複素数の微積分については不要です． 線形代数：3×3以上の固有値・逆行列，行列に対する微積分は必要ですが，これらについては付録に簡単にまとめられています．\(l^2\)空間やヒルベルト空間，複素数については不要です． 確率：基礎については1章で述べられていますが，確率の扱いや考えに慣れていると便利です．確率測度など公理にまで踏み込んだ知識や，統計の検定などの知識は不要です． ↑ 本書に関連する分野† 以下の分野でデータからの予測や分析が必要とされる分野 対象分野：本書と直接的な関連がある分野には次のようなものがあります． 機械学習，パターン認識，統計，データマイニング 応用分野：機械学習，パターン認識，統計的予測技術が応用されている分野には次のようなも
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
ログイン - 機械学習の「朱鷺の杜Wiki」