これもある意味Deep Learning，Recurrent Neural Network Language Modelの話 [MLAC2013_9日目] — KiyuHub
これもある意味Deep Learning，Recurrent Neural Network Language Modelの話 [MLAC2013_9日目] この投稿は Machine Learning Advent Calendar 2013 の9日目の記事です． 本日は，Neural Network(NN)を利用したLanguage Model(LM)，つまりNeural Network Language Model(NNLM)の一種であり， Recurrent Neural Network(RNN)を使ったRecurrent Neural Network Language Model(RNNLM)について説明します． RNNLMに行く前置きとしてざっくりいくつか用意したので，知ってそうな人は先へ進んでください． 前置きを入れているうちに長くなりすぎた...． しかも，そもそもNNの説明
![これもある意味Deep Learning，Recurrent Neural Network Language Modelの話 [MLAC2013_9日目] — KiyuHub](https://cdn-ak-scissors.b.st-hatena.com/image/square/cac50dfe53f692699058da4611c63ceb7fb568f7/height=288;version=1;width=512/http%3A%2F%2Fkiyukuta.github.io%2F_images%2Fneural_language_model.png)
「相関係数とは何か？」 を体系的に理解するための６ステップ - 主に言語とシステム開発に関して
実は，下の６つは，同じものである。 かけ算 内積 なす角の余弦 共分散 相関係数 相関関数 これらは６つとも類似度を算出するためのツールだ。 （↑まとめ画像） これらを１つずつ解説・検証する。 （１）かけ算： 符号を見れば，数と数（スカラーとスカラー）の類似度がわかる。 （２）ベクトルの内積： （１）を複数回行なうことにより，信号と信号（ベクトルとベクトル）の類似度がわかる。やはり符号を見る。 （３）ベクトルがなす角の余弦： （２）の類似度の数値を， -1（完全に異なる） 〜 +1（同じ） の範囲に正規化したもの。 （４）共分散： （２）から，平均のバイアスを取り除いたもの。 （５）相関係数： （４）を -1 〜 +1 の範囲に正規化したもの。 （６）相関関数： （２）を，あらゆるずらし方について観測したもの。 まとめ （１）かけ算： 符号を見れば，数と数（スカラーとスカラー）の類似度がわ
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
テスト
