NNによる文字認識
目次 １章 序論 ２章 対象文字と入力法 ３章 パターンマッチングによる文字認識 ３．１ マトリックスマッチングによる方法 ３．２ パターンマッチング(数字)のフローチャート ３．３ パターンマッチング(アルファベット)のフローチャート ４章 ニューラルネットワークによる文字認識 ４．１ ニューラルネットワークによる方法 ４．２ ニューラルネットワークの学習と判断 ４．３ 実際の学習によるニューラルネットワークの変化 ４．４ ニューラルネットワークのフローチャート ５章 実験と結果 ５．１ 実験方法 ５．２ 実験結果 ５．３ 結果の考察 ６章 ニューラルネットワーク＋パターンマッチングによる文字認識 ６．１ 認識方法 ６．２ ニューラルネットワーク＋パターンマッチングのフローチャート ６．３ 実験方法 ６．４ 実験結果 ６．５ 結果の考察 ７章 結論 ７．１ 文字認識について ７．２ ニュ
手軽に遊べる Deep Learningツール | Deep Learning JP
Deep Learningは、画像や音声を人間の脳のように認識することができるアルゴリズムで、 2012年以降、幅広い注目を集めています。 これだけ注目を集めていると、”なんかすごそう”という感じはありますが、 実際にどういうことをやってくれるのかイメージしにくいものです。 そこで今回は、 “””Deep Learningって話題みたいだけど – どんなことができるの？ – すぐに使えるの？ – ビジネスになるの？ “”” という方におすすめの Deep Learning を手軽に使って試せるサービスを紹介します。 詳しい方は、研究内容を親に説明したり、友達に説明するときに使ってみては？
機械学習アルゴリズムへの招待 | POSTD
機械学習の問題 については以前に紹介したので、次はどんなデータを収集し、どんな機械学習アルゴリズムを使うことができるのかを見ていきましょう。本投稿では、現在よく使用されている代表的なアルゴリズムを紹介します。代表的なアルゴリズムを知ることで、どんな技法が使えるかという全体的なイメージもきっとつかめてくるはずですよ。 アルゴリズムには多くの種類があります。難しいのは、技法にも分類があり拡張性があるため、規範的なアルゴリズムを構成するものが何なのか判別するのが難しいということですね。ここでは、実際の現場でも目にする機会の多いアルゴリズムを例にとって、それらを検討して分類する2つの方法をご紹介したいと思います。 まず1つ目は、学習のスタイルによってアルゴリズムを分ける方法。そして2つ目は、形態や機能の類似性によって（例えば似た動物をまとめるように）分ける方法です。どちらのアプローチも非常に実用的
統計的機械学習入門
統計的機械学習入門(under construction) 機械学習の歴史ppt pdf 歴史以前 人工知能の時代 実用化の時代 導入ppt pdf 情報の変換過程のモデル化 ベイズ統計の意義 識別モデルと生成モデル 次元の呪い 損失関数, bias, variance, noise データの性質 数学のおさらいppt pdf 線形代数学で役立つ公式 確率分布 情報理論の諸概念 (KL-divergenceなど) 線形回帰と識別ppt pdf 線形回帰 正規方程式 正規化項の導入 線形識別 パーセプトロン カーネル法ppt pdf 線形識別の一般化 カーネルの構築法 最大マージン分類器 ソフトマージンの分類器 SVMによる回帰モデル SVM実装上の工夫 クラスタリングppt pdf 距離の定義 階層型クラスタリング K-means モデル推定ppt pdf 潜在変数のあるモデル EMアル
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
