確率分布間の距離推定： 機械学習分野における最新動向
1To appear in 日本応用数理学会論文誌. 確率分布間の距離推定： 機械学習分野における最新動向 Distance Approximation between Probability Distributions: Recent Advances in Machine Learning 杉山 将 東京工業大学 計算工学専攻 Masashi Sugiyama Tokyo Institute of Technology, Japan. sugi@cs.titech.ac.jp http://sugiyama-www.cs.titech.ac.jp/˜sugi 概 要 確率分布間の距離の推定は機械学習における基礎的な研究課題の一つであり，二標本 検定，変化点検知，クラスバランス推定など様々な目的に応用することができる．本 稿では，確率分布の推定を介さない直接距離近似法，特に，カルバック
共変量シフト下での教師付き学習
日本神経回路学会誌¸ ÚÓк½¿¸ ÒÓº¿¸ ÔÔº½½½ß½½ ¸ ¾¼¼ º ½ 共変量シフト下での教師付き学習 杉山 将 東京工業大学 計算工学専攻 〒 ½ ¾¹ ¾ 東京都目黒区大岡山 ¾¹½¾¹½¹Ï ¹ ×Ù ×ºØ Ø º º Ô ØØÔ »»×Ù Ý Ñ ¹ÛÛÛº ×ºØ Ø º º Ô» ×Ù 概要 これまで，教師付き学習は訓練用の標本がテスト時に用いる標本と同じ規則に従って 生成されるという大前提のもとで研究されてきた．しかし，現実的な場面ではこの前 提が成り立たないことも多く，そのような場合は従来の教師付き学習法では良い学習 結果が得られない．このような背景のもと，共変量シフトと呼ばれる状況下での学習 法が近年盛んに研究されている．共変量シフトとは，与えられた入力に対する出力の 生成規則は訓練時とテスト時で変わらないが，入力（共変量）の分布が訓練時と
Microsoft PowerPoint - Canon-MachineLearning17-jp.ppt
Canon ２０１０年８月５日 行列の学習 東京工業大学 計算工学専攻 杉山 将 sugi@cs.titech.ac.jp http://sugiyama-www.cs.titech.ac.jp/~sugi/ 概要 2 標準的な機械学習手法では，ベクトルパラメータ を学習する． しかし，問題によっては行列パラメータを学習 したいことがある． 行列をベクトル化してしまうと，行列特有の構造 （例えばランク）が利用できなくなってしまう． 近年，行列パラメータを直接学習する手法が 盛んに研究されている． 本講義では，様々な行列学習法を紹介すると 共に，その利用方法を示す． 講義の構成 1. 導入 A) B) 3 行列学習問題の定義 最小二乗法による行列学習 2. 行列学習の例 3. 行列学習手法 4. 発展的な話題 行列学習問題の定義 学習したい真の行列： と仮定（ の時は
[杉山将のページ]
[ English | Japanese ] 杉山 将（すぎやま まさし） 東京工業大学 大学院情報理工学研究科 計算工学専攻 認知機構学講座 情報認識機構分野 准教授 興味のある研究分野： 機械学習の理論と応用， 表面微細凹凸形状測定， 信号画像処理など 研究概要 主要発表論文：英語文献, 日本語文献 全発表論文リスト:英語文献, 日本語文献 講演リスト 授業 ソフトウェア 履歴書 リンク Gmail 東京工業大学 VPN Yahoo Japan 機械学習研究グループ T-PRIMAL グローバルCOE 計算世界観の深化と展開(CompView) 駅探 Google maps Yahoo US Fraunhofer FIRST.IDA ECML2008, DMSS2008, IBIS2008, NIPS, ICDM2008, APBC2009 東京工業大学 付属図書館 東京工業大学 ポ
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
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
