[Think IT] 第2回：ニューラルネットワークの構造を知る！ (1/3)
【ネットワーク教習所】 ニューラルネットワークの可能性 第2回：ニューラルネットワークの構造を知る！ 著者：名古屋工業大学大学院工学研究科 岩田 彰 公開日：2008/03/12（水） ニューラルネットワークとニューロンモデル ニューラルネットワークは脳の神経回路網における計算方式と同じ方式をコンピュータで行おうとするものである。ニューラルネットワークの特徴は、学習と並列処理であるが、学習とはあらかじめ用意された学習データに基づいて、ある入力が入るとその入力に対応する出力が得られるようにネットワークの結合係数の値を学習することである。文字認識であれば、手書きの「あ」という文字パターンを入力すると、文字コードの「あ」が出力されるということだ。 ネットワークの結合係数を決定するため、どのように学習するかという学習方式があれば、学習データを与えるだけで学習してくれるので手軽にパターン認識機械を作
332パターン認識 - 過去を知れば未来が分かる
世の中には、既に分かっている過去のデータがあります。このデータを利用しない手はありません。過去のデータを利用すれば、もし分からない未来のデータが出現した場合、過去のパターンから有効な知識として活用させることができます。 今回、ご紹介するのはそんな過去を知れば未来が見えてくる手法です。概して『パターン認識』と呼ばれる手法とその類です。 「パターン認識」、難しい言葉に聞こえるかもしれませんが、我々は常にパターン認識をしております。 例えば、ある人の顔を見たときに瞬時に記憶の中から誰なのか識別してますし、初めて見る場合でも似たような人物を探しどんな人間なのか当てはめたりすることもできます。 楽しいときはどんな表情をするか、苦しいときはどんな表情をするかという「パターンクラス」を私たちは持っています。初めて会う人の表情でさえ、感情をよみとる能力を持ち合わせています。それがパターン認識です。
AS10.pdf
2008 年度前期 応用統計学 第９回 判別分析とパターン認識 (3) − サポートベクタマシンとカーネル法 サポートベクタマシンは，空間中に配置された点の２つの集合を最適に分離する境界を，その集合に 属する点の分布を表す確率分布モデルを考えることなく求める方法です．その基本的アイデアは大変簡 単で，「境界を，それぞれの集合でもっとも境界に近い点のどちらからも，もっとも遠くなるように置 く」というものです．この簡単な考え方はかなり古くからあるものですが，最近ふたたび脚光を浴びて います．それは，空間をさらに高次元の空間に変換するのと同等の操作を行なう「カーネル法」という 方法を導入することによって，線形でない「曲がった」境界を求めることができるようになり，より複 雑な認識問題に対応できるようになったためです． 基本的なサポートベクタマシン まず最初に，前回のニューラルネットワークについて
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
