Tokyo Deep Learning Workshop 2018 (TDLW2018)
No more seats available. We will record the talks and make the videos public after the workshop. The workshop aims at bringing together leading scientists in deep learning and related areas within machine learning, artificial intelligence, mathematics, statistics, and neuroscience. No formal submission is required. Speakers are invited to present their recently published work as well as work in pr
東京大学 杉山・本多研究室
東京大学 杉山・本多研究室：機械学習と統計的データ解析 機械学習の基礎理論の構築と実用的なアルゴリズムの開発，及び，実問題への応用研究を行っています [ English | Japanese ] 研究概要 教科書 機械学習のための確率と統計 イラストで学ぶ機械学習：最小二乗法による識別モデル学習を中心に 統計的機械学習 統計的学習の基礎：データマイニング・推論・予測 パターン認識と機械学習 強くなるロボティック・ゲームプレイヤーの作り方～実践で学ぶ強化学習 学習の種類 教師付き学習 教師なし学習 半教師付き学習 強化学習 機械学習の理論とアルゴリズム モデル選択 不偏モデル選択規準 正則化モデル選択規準 能動学習 単一のモデルに対する能動学習 複数のモデルに対する能動学習 追加学習／オンライン学習 次元削減 教師付き次元削減 半教師付き次元削減 教師無し次元削減 類似度データからの学習／カ
http://www.ms.k.u-tokyo.ac.jp/2015/IPSJ-math-jp.pdf
1 , vol.56, no.5, pp.10–15, 2015. Mathematics for Machine Learning Masashi Sugiyama (University of Tokyo) sugi@k.u-tokyo.ac.jp, http://www.ms.k.u-tokyo.ac.jp Taiji Suzuki (Tokyo Institute of Technology) s-taiji@is.titech.ac.jp 1 x ∈ Rd y ∈ {1, . . . , c} Rd d c 16×16 d = 16×16 = 256 c = 10 x p(x) y p(y) p(x, y) x y p(y|x) y x p(x|y) 1 p(y|x) x y p(y) x y y p(y|x) 1 p(x) p(y) 2 y x p(y|x) p(x, y) n
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
東京大学 杉山・横矢・石田研究室
141217機械学習プロフェッショナルシリーズ
