画像技術 | EYEDEAL[株式会社アイディール]
画像処理システムはどうしてもアドホック(目的を達成するための最短な方法を選択、ひいては全く柔軟性のないシステム)になりがちです。しかしながら、いざ現場で調整すると外部環境の変化やサンプルワークと実ワークの違いが発覚して長期間の現地調整が待っています。最悪の場合は要求仕様が実現できずにシステムの引き上げに至る事態となります。このような最悪の結果にならないように、当社は、お客様の最大の満足が永く得られるようコアアルゴリズムを充実することが最適な画像処理システムを実現する基盤と考えております。 科学の視点でアプローチ 画像検査の場合、対象ワークの画像状態の変化を判断して不良と認識することが一般的ですが、環境の変化によって正常なものでも不良と誤認識してしまうことがあります。そこで、画像の変化の幅を科学的に分析・学習することによって正常な範囲か、不良によるものかを判別することが必要です。 一般化・汎
はてなブログ | 無料ブログを作成しよう
わたし的棚ぼた一万円選書 急に千葉さんに手渡された封筒、開けてみたら1万円札が1枚。何ごとかと思えば、同期の出張を代わったお礼をもらったらしい。 「葵はワンオペで育児してくれたから」と半分わけてくれました。 泡銭の1万円 これはもう、わたし的1万円選書をしろという思し召しなのでは……
ロバスト統計
最小二乗法では，モデルによる推定値と実測値との誤差に対してその 二乗の平均で全体としてのずれを評価した． この場合，観測されたデータのうち別の要因によるものが存在している 場合，そのような本来ならモデルから外れたデータがパラメータの決定に 大きな影響を与えてしまう． また，たとえデータがフィッティング対象に起因するものであったとしても， その観測値の分布関数がばらつきの激しい（裾の重い）関数である場合は フィテッィングの精度が上がらない．このような状況に対応するために， ロバスト統計と(robust statistics)呼ばれる手法が用いられる． ロバスト統計の中で代表的なものとしてはM-estimatorとLMedS推定がある． M-estimator この手法は最小二乗法では誤差に対して，評価関数 の平均
Rで学ぶロバスト推定
ベイズ統計学の基礎概念からW理論まで概論的に紹介するスライドです．数理・計算科学チュートリアル実践のチュートリアル資料です．引用しているipynbは * http://nhayashi.main.jp/codes/BayesStatAbstIntro.zip * https://github.com/chijan-nh/BayesStatAbstIntro を参照ください． 以下，エラッタ． * 52 of 80：KL(q||p)≠KL(q||p)ではなくKL(q||p)≠KL(p||q). * 67 of 80：2ν=E[V_n]ではなくE[V_n] → 2ν (n→∞). * 70 of 80：AICの第2項は d/2n ではなく d/n. * 76 of 80：βH(w)ではなくβ log P(X^n|w) + log φ(w). - レプリカ交換MCと異なり、逆温度を尤度にのみ乗す
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
