Photo Tourism: Microsoft Research, Interactive Visual Media Group
Knowledge Synergy Inc. - Topic Maps (トピックマップ) and Bayesian Network (ベイジアンネットワーク)
ナレッジ・シナジー 知識処理の実現を目指して ナレッジ・シナジーは、人が人らしく真に幸福であるために、コンピュータという道具を役立たせたいと考えています。 コンピュータをより有用な道具にするために、人の知識活動を支援していきたいと考えています。 そのための技術として ・ トピックマップ (Topic Maps) ・ ベイジアンネットワーク (Bayesian Network) に注目しています。 トピックマップ (Topic Maps) は、 ・ 知識構造の記述と情報リソースへの関連付けのためのISO標準です。 ・ 情報宇宙のGPS (Global Positioning System)です。 ・ 大容量で相互接続された情報群を航行するための強力で新しい方法を提供します。 ＜ Steve Pepper「The TAO of Topic Maps」より ＞ トピックマップは、ネットワーク上に
Knowledge Synergy Inc. - Topic Maps (トピックマップ) and Bayesian Network (ベイジアンネットワーク)
ナレッジ・シナジー 知識処理の実現を目指して ナレッジ・シナジーは、人が人らしく真に幸福であるために、コンピュータという道具を役立たせたいと考えています。 コンピュータをより有用な道具にするために、人の知識活動を支援していきたいと考えています。 そのための技術として ・ トピックマップ (Topic Maps) ・ ベイジアンネットワーク (Bayesian Network) に注目しています。 トピックマップ (Topic Maps) は、 ・ 知識構造の記述と情報リソースへの関連付けのためのISO標準です。 ・ 情報宇宙のGPS (Global Positioning System)です。 ・ 大容量で相互接続された情報群を航行するための強力で新しい方法を提供します。 ＜ Steve Pepper「The TAO of Topic Maps」より ＞ トピックマップは、ネットワーク上に
Support Vector Machine - にゃあさんの戯言日記
昨日の話の続き。 実験で学習をするロボットを作るということで、学習のためのアルゴリズムをいくつか調べた。そこで最終的に採用したのがSupport Vector Machine(SVM)。詳しい説明は各サイトでどうぞ。 提案された当初のSVMは線形分離可能な2クラスを識別するためのアルゴリズムだったのだけど、カーネルトリックと呼ばれる手法を取り入れることによって非線形な集合の識別にも適用することができるようになった。実際に使ってみると、確かににょろーんとした境界を張って識別してくれるんだよなあ。不思議。 Javaアプレットでデモを作ってみたので、よかったら遊んでみてください。 http://nya3.jp/files/SVMDemo/SVMDemo.html (Javaアプレット) http://nya3.jp/files/SVMDemo/example1.png (例1) http://n
Support Vector Machine (pdf)
サポートベクターマシンとその応用 An Introduction to Support Vector Machines 山下浩∗ 田中茂† Hiroshi Yamashita Shigeru Tanaka (株）数理システム‡ Mathematical Systems, Inc.§ 概要 Support Vector Machines (SVMs), the learning approach originally developed by Vapnik and co-workers, have attracted much attention recently because of their excellent performances in various real-world applications such as text categorization, charact
Dynamic Bayesian network - Wikipedia
Dynamic Bayesian Network composed by 3 variables. Bayesian Network developed on 3 time steps. Simplified Dynamic Bayesian Network. All the variables do not need to be duplicated in the graphical model, but they are dynamic, too. A dynamic Bayesian network (DBN) is a Bayesian network (BN) which relates variables to each other over adjacent time steps. A dynamic Bayesian network (DBN) is often calle
Momma's Wiki: SupportVectorMachine/SVMlight - 手軽に試せるSupport Vector Machine SVM-Ligh...
svm_learn svm_learn [options] example_file model_file で学習する。 example_fileは後で説明する書式に従って記述したテキストファイルで、model_fileは学習結果を収めるファイルでsvm_learnが作るものなので適当な名前を指定するだけで良い。 つまりmodel_fileを保存しておけば学習状態を独立して管理できる。 オプションに関しては基本的に-cオプションしか弄らないで良さそう。-cに渡す数値が大きくなるほどマージンを広くとるが学習に時間を要する。 ちなみに-zオプションは動作モードの選択で、分類、回帰、ランキングが選べる。 example_fileの書式 <target> <feature>:<value> <feature>:<value> ... <feature>:<value> # <info> <targ
Banjo: Bayesian Network Inference with Java Objects
Banjo is a software application and framework for structure learning of static and dynamic Bayesian networks, developed under the direction of Alexander J. Hartemink in the Department of Computer Science at Duke University. Banjo was designed from the ground up to provide efficient structure inference when analyzing large, research-oriented data sets, while at the same time being accessible enough
SVM-Multiclass: Multi-Class Support Vector Machine
SVMmulticlass Multi-Class Support Vector Machine Author: Thorsten Joachims <thorsten@joachims.org> Cornell University Department of Computer Science Version: 2.20 Date: 14.08.2008 Overview SVMmulticlass uses the multi-class formulation described in [1], but optimizes it with an algorithm that is very fast in the linear case. For a training set (x1,y1) ... (xn,yn) with labels yi in [1..k], it finds
bnlearn - Bayesian network structure learning
Features bnlearn provides an open implementation of large parts of the literature on Bayesian networks: Classes of Bayesian networks: discrete (multinomial) Bayesian networks for discrete data, Gaussian Bayesian networks for continuous data and Conditional Gaussian networks for mixed data. Structure learning algorithms: constraint-based (PC Stable, Grow-Shrink, IAMB, Fast-IAMB, Inter-IAMB, IAMB-FD
Support Vector Machine
サポートベクターマシン サポートベクターマシン(Support vector machine; SVM)は、 現在最も注目されているニューラルネットモデルです。 これまで最も盛んに研究されてきたのは バックプロパゲーションでしたが、 バックプロパゲーションには、 汎化能力があまり高くない という欠点がありました。 それに対して、サポートベクターマシンは汎化能力が高い というのが大きな特徴です。 そのため、パターン認識の有力な手法として 注目されています。 目次 基本的なアイデア マージン最大化 カーネルトリック まとめ 参考文献 基本的なアイデア サポートベクターマシンのポイントは２つあります。 マージン最大化 非線型写像 ここでは研究室配属の参考にしてもらうということで、 数学的な話は省略して、基本的な考え方を定性的に説明します。 マージン最大化 サポートベクターマシンは 単純パーセプト
bnlearn - Bayesian network structure learning
Bayesian Networks in R with Applications in Systems Biology R. Nagarajan, M. Scutari and S. Lèbre (2013). Use R!, Vol. 48, Springer (US). ISBN-10: 1461464455 ISBN-13: 978-1461464457 Springer Website Amazon Website Errata Corrige page 3: “if a node vi precedes vj, there can be no arc from vj to vi” should be “if a node vi precedes vj, there can be no path from vj to vi”. page 3: it's true that leaf
SVM-perf: Support Vector Machine for Multivariate Performance Measures
SVMperf Support Vector Machine for Multivariate Performance Measures Author: Thorsten Joachims <thorsten@joachims.org> Cornell University Department of Computer Science Version: 3.00 Date: 07.09.2009 Overview SVMperf is an implementation of the Support Vector Machine (SVM) formulation for optimizing multivariate performance measures described in [Joachims, 2005]. Furthermore, SVMperf implements th
Note on Equivalence Between Recurrent Neural Network Time Series Models and Variational Bayesian Models
We observe that the standard log likelihood training objective for a Recurrent Neural Network (RNN) model of time series data is equivalent to a variational Bayesian training objective, given the proper choice of generative and inference models. This perspective may motivate extensions to both RNNs and variational Bayesian models. We propose one such extension, where multiple particles are used fo
SVM-Multiclass: Multi-Class Support Vector Machine
SVMmulticlass Multi-Class Support Vector Machine Author: Thorsten Joachims <thorsten@joachims.org> Cornell University Department of Computer Science Version: 2.20 Date: 14.08.2008 Overview SVMmulticlass uses the multi-class formulation described in [1], but optimizes it with an algorithm that is very fast in the linear case. For a training set (x1,y1) ... (xn,yn) with labels yi in [1..k], it finds
Bayesian Self-Organizing Map Simulation using Java Applet (Japanese)
ベイジアン自己組織化写像シミュレーション（Ver. 1.3） (To English version) 用語解説 ベイジアン自己組織化写像(BSOM)は, 確率モデルに基づいて データの分布を推定する方法の一つで、その推定アルゴリズムはある種のニューラルネットの 学習アルゴリズムとみなす事も出来ます。 下の図の黒い点は人工的に生成されたデータ点を表します。 青い丸とそれを結ぶ青い線は, それぞれBSOMモデルのパラメータである中心点と トポロジーを表します。 この中心点は最初はランダムに配置されています。 トポロジーの役割は、それに沿ってパラメータが緩やかに変化すると言う制約を与えることによって 推定を安定させる事にあります。 ベイズ統計ではそのような制約はパラメータの事前確率として表現されます。 このアプレットはBSOMモデルの最大事後確率推定(MAP推定)を EMアルゴリズムで実行する
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
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
Amazon.co.jp: Learning With Kernels: Support Vector Machines, Regularization, Optimization and Beyond (Adaptive Computation and Machine Learning Series): Scholkopf, Bernhard, Smola, Alexander J.: 本
Visualizing K-Means equilibria
Client Challenge
http://kyoumu.educ.kyoto-u.ac.jp/cogpsy/personal/Kusumi/datasem03/nakamoto.files/frame.htm