独断と偏見によるノンパラ入門 - 木曜不足
「ノンパラメトリック」って言うくらいだからパラメータ無いんかと思ってたら、パラメータめっちゃあるし。 機械学習のネーミングのひどさはこれに始まった話じゃあないけど、それにしたって。 ノンパラの一番素朴なやつ( K-means とか)は本当にパラメータ無くてデータだけだから納得なんだけど、だんだん欲が出てパラメータ足しちゃったり派生させちゃったりしてるうちに、よくわかんなくなってきちゃったんだろうかねえ。まったく。 どれどれ、と英語版 Wikipedia の "Non-parametric statistics" を見たら、なんか意味が4種類くらい書いてあるし。じゃあ名前分けろよ。 en.wikipedia.org とりあえずここで言う「ノンパラ」とは、変数の個数決めなくていい「分布の分布」なメタっぽいやつのこと。つまりディリクレ過程とか、ディリクレ過程とか、そこらへん。 「あー、ノンパラベ
SIFT Tutorial
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. Scale-Invariant Feature Transform(SIFT) は，特徴点の検出と特徴量の記述を行うアルゴリズムである． 検出した特徴点に対して，画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するため，イメージモザイク等の画像のマチングや物体認識・検出に用いられている． 本稿では，SIFT のアルゴリズムについて概説し，具体例としてSIFT を用いたアプリケーションや応用手法への展開について紹介する．また，SIFT と同様にgradient ベースの特徴抽出法であるHistograms of Oriented Gradients(HOG)のアルゴリズムとその応用例として人検出についても紹介する． Scal
グローバルＣＯＥ 計算世界観の深化と展開 — Compview Project site
文部科学省のグローバルＣＯＥの 1 つとして「計算世界観の深化と展開」（東京工業大学，拠点リーダ渡辺治）が採択され，１９年度７月からスタートとしました．このページは「計算世界観拠点」のホームページです． This is a homepage for "Global COE: Computationism as a Foundation for the Sciences (CompView in short)" of Tokyo Inst. of Tech. (O. Watanabe, leader). For query/comment, please send a message to [office (a t) compview. titech.ac.jp] 本拠点の目標 計算を中心とした科学の新たな科学の確立 計算世界観の手法を実践できる人材の育成→教育プログラム 計
画像認識特論ホームページ
(1) お知らせ 最終レポート課題はこちら． 締め切りは１１月２７日（金）１７：００ １１月１０日 （株）東芝研究開発センター 岡田さんによる紹介 画像認識のトップコンファレンス ICCV, ECCVにコンスタントにアクセプトされている方です． 昨年までUCLA Vision Labに留学していたので，アメリカでの研究についてもお話頂けるかも知れません． 題目 画像による関節物体の認識とその応用 (株)東芝 研究開発センター マルチメディアラボラトリ 研究主務 岡田 隆三 博士 概要 人の体や手といった関節物体は、姿勢変化によって画像上の見え方が著しく 変化するため、画像認識によってそれらの物体を検出したり姿勢推定を行っ たりすることは困難な問題の一つとなっている。この問題に対するアプロー チとして、画像上での見え方の確率分布を推定する生成モデルを利用する方 法と、大量の訓練サンプルから識
情報と通信のハイパーテキスト
Home 「情報と通信のハイパーテキスト」 は下記へ移動しました。 http://www.mnc.toho-u.ac.jp/v-lab/
Support Vector Machine
人間には卓越した学習能力が備わっている．人間は目で見たり，耳で聞いたものが何であるかをいとも簡単に認識できる．また，未知の環境に適応する能力も優れている．それに対し，コンピュータは，与えられた指示（プログラム）どおりに高速に計算を行う能力においては優れているが，学習能力という点においては，人間とは比較にならない． そこで，人間のような学習能力をもった機械（モデル）を作るための学習理論が発達してきた．その代表的な成果の1つとして，多層パーセプトロンが挙げられる．多層パーセプトロンは1980年代に開発され，これまで多方面に応用されてきた．しかし，望ましくない局所最適解への収束，中間層の素子数の選択など，いくつかの問題点がある． サポートベクターマシン(Support Vector Machine:SVM) は，このような問題を解決した学習機械として知られている．サポートベクターマシンとは，1
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
ニューラルネット入門
